「張老師，請問人工智慧都這麽先進了，我們學習會被取代，不學習還是會被取代，那我們學習還有什麽用？」在今年的上海書展上，一位小讀者在「人工智慧會替代人類嗎？——人工智慧的歷史、現狀與未來」主題圖書分享活動後問張軍平教授。
作為人工智慧領域的知名專家、復旦大學電腦科學技術學院教授張軍平回答道，掌握基礎知識如矩陣運算對於理解人工智慧至關重要。只有學習這些基礎，才能更好地控制和最佳化演算法，理解人工智慧的決策。他還強調，學習能讓人們更好地理解和套用人工智慧技術。
【人工智慧極簡史】書封。
為了幫助公眾理解人工智慧的發展，張軍平去年出版了【人工智慧極簡史】，以通俗的語言介紹了AI的歷史和技術進展。該書涵蓋了從早期理論到現代深度學習的重要裏程碑，並展望了AI的未來。
人工智慧的歷史可以追溯到20世紀中葉，經歷了多次興衰。20世紀50年代，艾倫·圖靈和約翰·麥卡錫等先驅奠定了基礎。盡管遭遇過「AI寒冬」，但21世紀以來，隨著計算能力和大數據的進步，深度學習引領了人工智慧的新一輪發展。
張軍平2019年出版的【愛犯錯的智慧體】一書探討了人工智慧面臨的挑戰和誤區，鼓勵以開放心態接受智慧體的學習過程中的錯誤。彼時，ChatGPT尚未被人熟知，人工智慧的概念也沒有全民普及，張軍平頗為自豪地向澎湃新聞（www.thepaper.cn）表示，即使科技發展日新月異，書中的大部份內容還是沒有變，講的觀點依舊成立。
出現「AI泡沫」是期望過高
澎湃新聞：
2018年9月17日，首屆世界人工智慧大會在上海舉行，你也是從2018年6月起，在大學課堂之外向普通大眾普及相關知識。從那時到去年【人工智慧極簡史】的出版，你是如何成為人工智慧領域科普達人的？
張軍平：
我在2018年第一次做科普，是當時【科學時報】邀請我寫一篇關於生成對抗網路的介紹。（編者註：GAN，是一種深度學習架構。該架構訓練兩個神經網路相互競爭，從而從給定的訓練數據集生成更真實的新數據。）
因為涉及的內容比較復雜，我便開始思考如何給大家做一個科普性的解讀。其中有一個交叉商的概念，即生成網和對抗網，這讓我聯想到【射雕英雄傳】中周伯通的左右互搏術，即左手攻擊右手防守。
當時關於深度學習的解釋在學術圈在內有很多版本，但我想從科普的角度去解釋這個問題，所以我寫了【深度學習，你就是那位116歲的長壽老奶奶】，最終反響也很不錯，所以我就想沿著這個思路把它寫下去，在2019年出版了【愛犯錯的智慧體】，後來又開始轉向短視訊。
這次寫【人工智慧極簡史】，是要先把歷史理清，它的嚴謹性遠高於前一本書。
我從2000年開始做人工智慧方面的研究，人工智慧的整個發展主線我是清楚的，也知道如何去講述，但要將這些內容非常精準地寫出來，就需要再去查文獻，以原來的內容為基礎進行修改。
比如說為什麽第一次人工智慧失敗了，這個內容我首先聯想到了很多東西，但後來我的老師陸潛院士指出，專家系統時代（1970年代至1980年代，是一種基於知識庫的人工智慧系統，它們利用專家的知識和規則來解決特定領域的問題）是幫助第一次人工智慧低潮走出來的一個關鍵節點，不應該在之前講，應該調整到後面去。於是我根據他的意見再重新查資料，對這一部份進行調整。
寫書和做研究（寫論文）可能不太一樣。如果書寫得好，或者對未來有足夠的預判，那這本書的生命力會遠強於科技論文。尤其像我們人工智慧領域，很多時候論文發表出來可能才過了半年時間，（技術）效能就被刷上去了，原來的文章就會漸漸被忘記。
澎湃新聞：
有聲音說中美在人工智慧領域存在競爭，你之前也去美國交流過，（這種競爭在）未來的決定性因素是什麽？
張軍平：
一方面是人才。科學發展的研究表明，如果某個國家的科學成果數占同期世界總數的25%以上，這個國家就可以稱為「世界科技中心」。但世界科技中心一直在變，比如最早是義大利，英國，然後是法國，德國，後來到了美國。
世界科技中心會不會變，會不會到中國來，這都是問題。如果要在中美競爭之間產生一個反轉，我覺得最明顯的標誌就是什麽時候世界科技中心能夠到中國來。
澎湃新聞：
你之前說過，現在有一種大家全都投入到人工智慧熱潮當中的趨勢，最近也出現了「AI泡沫」這種說法，你怎麽看？
張軍平：
是否「泡沫」要看如何去定義，實際上也可以用「透支」來形容。因為在學術界看來沒有「泡沫」這一說法，只要四平八穩地慢慢往前做、一步一步往前邁進即可。但如果說是「泡沫」的話，就意味著前面肯定有一個過高的期望。
比如我們現在這一輪人工智慧熱潮，學術界可能並不覺得人工智慧的發展多麽火熱，反而會認為在當前環境下，離通用人工智慧可能還有很遠的路要走。但企業或許對人工智慧的發展有過高的期望，覺得快達到或者說已經達到了一定的成果。期望很高的話，失望也可能會很高。因為前面投入太多，沒有達到理想的成果就會認為這是個泡沫。
澎湃新聞：
其實你也提到有可能機器覺得簡單的事情人類覺得復雜，人類覺得簡單的事情機器覺得復雜，我們的初衷是讓機器去幫我們做一些簡單重復性的工作，但實際上我們也在讓AI去寫詩或者做一些有難度的事情。你覺得未來會不會出現人類對人工智慧過度依賴的情況？
張軍平：
其實德雷福斯在他的【電腦不能做什麽】一書中講到過這個問題，他說如果未來人類高度依賴人工智慧，那麽可能會導致的結果不是讓人類變聰明，而是會讓人類變成超級低能。
澎湃新聞：
你贊成人工智慧會讓人類淪陷這樣的論調嗎？
張軍平：
我不贊成。
創新、監管與數據保護
澎湃新聞：
你此前多次提及對於人工智慧過於樂觀的問題，也有人覺得，人工智慧還沒有那麽「智慧」。我們怎麽去看待人們對人工智慧抱有期待這件事？
張軍平：
人工智慧的研究者大多是樂天派。但我始終覺得人要了解自己，其實是一個很難的問題。就像一只螞蟻，假如它在一個二維平面上爬，就永遠不知道自己是在二維平面上，除非有人站在比它更高的維度，可以看到它其實是在一個三維空間裏爬行。人其實也是一樣的，想要完全了解自己可能很難，因為你的維度已經被限制住了，沒有辦法跳出這個維度看自己。
我把人工智慧（的運用）和人比作飛機和鳥，人類一直想模擬鳥的飛行，其實並不需要把鳥的所有構造都弄明白，只要把註意力集中在飛行這個角度上就行，把單個方面做好，讓飛機飛得越來越遠，載客量越來越大。
人工智慧也是類似的道理，雖然很難在短時間內搞清楚人類的智慧是如何運作的，但可以把焦點只集中到一個目標上，比如人臉辨識是否準確、自然語言處理中用前一個單詞預測下一個單詞是否準確，將某一個方面做好即可。
澎湃新聞：
就是說我們可以更聚焦於套用，而不是所謂的通用人工智慧。關於人工智慧預測，你覺得人工智慧在氣象預測上能有多大的幫助，或者有什麽前景？
張軍平：
氣象預測還是一個很困難的問題。因為氣象與我們現在看到的影像視訊不同，它其實是我們拿到的數據，也有可能是透過雷達去掃描天空獲得的某一個離地面一定距離（比如10公裏）的雲圖，然後根據雲圖變化預測氣象。但雲圖顯示的是地面水汽蒸發狀況，這個狀態是如何生成、如何消失的過程，都很難知道。從地面到10公裏這個空間範圍內，我們不可能使之遍布采集器和觀測器。即便是地面上的資訊我們知道的也不多，像上海可能只有幾百個觀測站，資訊收集量不夠，就導致做氣象預測不是那麽容易。而像台風預測，不僅（觀測）範圍要更大，在海上我們極少甚至沒辦法去做預測。近年，包括DeepMind、華為、阿裏巴巴、復旦的伏羲等團隊在內都特別關註氣象，也不是毫無進展，比如短臨預報、局地預報等，但要做好，尤其對於突發、罕見的氣象事件做好預測，仍非常困難。
澎湃新聞：
在治理方面，我們看到很多新聞報道，視覺藝術家、新聞媒體和唱片公司等版權所有者對科技公司用他們的作品訓練生成式人工智慧系統提起訴訟。你同時作為創作者和人工智慧領域專家，如何看待科技創新與數據保護這一問題？
張軍平：
這個問題到現在為止還沒有得到圓滿的解決，目前很多人對人工智慧創作都存在一定異議。以寫小說為例，有作者在寫完前幾十章後將自己的創作大綱雲上傳到某平台，而平台可能將他的大綱數據用來進行人工智慧訓練——對小說內容進行填充，這有可能導致人工智慧補充的內容與作者本來要寫的差不太多，從某種意義上來說，會影響到作者本人的一些創作意圖。
所以作為一個創作者，需要謹慎處理自己的產品和創作成果，不要盲目地將內容雲上傳，因為存在平台拿使用者上傳的素材做訓練的風險。
澎湃新聞：
你覺得應如何做到創新與監管方面的平衡？
張軍平：
現在這個階段還沒有到需要嚴厲監管的階段。可能從國家層面來說，最需要監管的還是數據。前幾年出台的【中華人民共和國數據安全法】也反映出要小心數據泄露問題。
但創新這方面，我覺得應當以鼓勵為主，其實我們並不知道應該怎麽做才是對的。因為科研就是這樣，很多時候並不知道要怎麽做，但是做著做著可能就探索出一條路來，這是科研的真實情況。
澎湃新聞記者 張無為 實習生 詹慧娟
(本文來自澎湃新聞，更多原創資訊請下載「澎湃新聞」APP)
