2025年人工智能是否终将超越人类智能.doc

人工智能与否终将超越人类智能

作者：龚怡宏

来源：《人民论坛·學术前沿》第07期

????????【摘要】google企业的AlphaGo与韩国棋圣李世石的人机围棋巅峰對决，以AlphaGo4比1的压倒性胜利落下帷幕。這個比赛成果不仅向全世界展示了人工智能的强大实力与巨大应用潜力，也在人类社會引起了不小的恐慌和忧虑。人們開始认真思索：人工智能将會給人类社會带来哪些進步及挑战？机器智能最终會否超越人类智能？要想回答這些問題，我們首先需要理解人工智能的本质及其基本原理。本文首先對人工智能领域裏最受世人瞩目的研究成果——深度學习卷积神經网络——做一种简朴描述，進而围绕机器學习的本质及其基本原理進行探讨。接下来，通過對人脑认知机理必威体育精装版研究成果的概括简介，揭示机器智能与人类智能的本质差异，比较两种智能的优劣。通過优劣势比较，试图找出针對上述問題的答案。

????????关键詞】人工智能AlphaGo神經突触机器學习模式识别

????????【中图分类号】TP18【文献標识码】A

????????【DOI】10.16619/j.cnki.rmltxsqy..07.002

????????3月9～15曰，google企业研发的AlphaGo围棋软件与韩国棋圣李世石進行了五場人机對决，AlphaGo以4比1的比分获得了压倒性的胜利。這個比赛成果不仅震惊了整個围棋界，也让人工智能领域的許多专家學者跌破眼镜，更让人工智能走出象牙塔，成為許多一般百姓茶余饭後的热點话題。這場人机围棋巅峰對决不仅向全世界展示了人工智能的强大实力与巨大应用潜力，也在人类社會引起了不小的恐慌和忧虑。人們開始认真思索如下這些問題：机器智能最终會超越人类智能吗？人工智能将會怎样变化人类社會？未来的智能机器會像電影《终止者》裏所描述的那样试图主宰人类、甚至消灭人类吗？要想回答這些問題，我們首先需要理解人工智能的本质及其基本原理，進而讨论其发展的规律和前景。目前，人工智能领域最前沿的分支學科當属机器學习分支。本文首先對机器學习分支中最受世人瞩目的研究成果——深度學习卷积神經网络——做一种简朴综述，進而围绕机器學习的本质及其基本原理進行探讨。接下来，通過對人脑认知机理必威体育精装版研究成果的概括简介，揭示机器智能与人类智能的本质差异，比较两种智能的优势与劣势。通過机器智能与人类智能的优劣势比较，试图找出上述几种問題的答案。

????????深度學习卷积神經网络

????????過去几年裏，深度學习卷积神經网络所获得的成就足以使它成為人工智能王冠上最光彩夺目的明珠。基于深度學习卷积神經网络的語音识别系统把語音识别的精度提高到了产品级的精度，從而為人类与计算机及多种智能终端之间提供了一种崭新的、更為便捷的交互方式。将深度學习卷积神經网络应用于图像内容及人脸的识别，科學家們获得了可以与人类视覺系统相媲美的识别精度。战胜韩国棋圣李世石的google围棋软件AlphaGo可以获得如此辉煌的战绩，深度學习卷积神經网络也发挥了关键性的作用。接下来，我們對深度學习卷积神經网络的来源及其原理做一种简朴简介。

????????脑神經科學领域的大量研究表明，人脑由大概1011個神經细胞及1015個神經突触构成，這些神經细胞及其突触构成一种庞大的生物神經网络。每個神經细胞通過突触与其他神經细胞進行连接与信息传递。當通過突触所接受到的信号强度超過某個阈值時，神經细胞便會進入激活状态，并通過突触向上层神經细胞发送激活信号。人类所有与意识及智能有关的活動，都是通過特定区域神經细胞之间的互相激活与协同工作而实現的。

????????早于1943年，美国心理學家W.S.McCulloch和数學家W.A.Pitts就在他們的论文中提出了生物神經元的计算模型（简称M-P①模型），為後续人工神經网络的研究奠定了基础。M-P模型的构造如图1（a）所示，它包括n個带有权重的输入，一种输出，一种偏置b和一种激活函数构成。n個输入代表来自下层n個神經突触的信息，每個权重W）代表對应突触的连接强度，激活函数一般采用拥有S-型曲线的sigmoid函数（参見图1（b）），用来模拟神經细胞的激活模式。

????????初期的人工神經网络大都是基于M-P神經元的全连接网络。如图2所示，此类网络的特點是，属于同一层的神經元之间不存在连接；目前层的某個神經元与上一层的所有神經元均有连接。然而，人們很快发現，這种全连接神經网络在应用于多种识别任务時不仅识别精度不高，并且還不轻易训练。當神經网络的层数超過4层時，用老式的反向传递算法（BackPropagation）训练已經無法收敛。

????????1983年，曰本學者福岛专家基于Hubel-Wiese的视覺认知模型提出了卷积神經网络计算模型（ConvolutionNeural