maxbextx网页版

王冠：教授，我们来谈谈您非常重要的一项理论吧，“概率近似正确”模型。您首次提出这一模型是在1984年，这一年我刚出生，向您致敬！是什么灵感激发您提出这一模型？我们有些观众可能对数学、科学不是很在行，您能否解释一下“概率近似正确”模型是什么？这为现在的人工智能机器学习奠定了怎样的基础？

王冠：瓦利安特教授，近期英国雷丁大学的研究人员用人工智能生成的作业，不仅骗过了给作业打分的教授，还得到了比真人作答更高的分数。您是否对此感到担忧？

瓦利安特：我认为中国人对学术研究的兴趣一直十分浓厚。中国在传统上热爱学术研究，这是一种很好的优势。中国目前大力推进数学、计算机科学和基础科学的发展，这一点值得称赞。我相信中国一定会取得非常出色的成绩。我一直非常欣赏中国人热爱学习、热爱数学的传统。

王冠：1951年，图灵说，他不排除机器能像人类一样学习的可能性。这是20世纪50年代的事了，如今已经过去70年，这些话对您产生了影响。

瓦利安特：什么是“智力”？我觉得，对于这个词，心理学家或者智力专家也没有给出清晰的定义。他们之间的看法也不尽相同。我们使用这个词时，概念也很模糊。 当我们试图制造一台能够模仿人类行为的机器时，我们需要更具体地说明希望这台机器具备什么能力。光是说它要有“智力”并不能解决问题。“可教育性”是个综合性概念，它基于学习的过程，而“学习”的概念我们就很好定义了。

此次国际基础科学大会期间，瓦利安特在演讲时引用了计算机与人工智能之父、英国科学家阿兰·图灵在1951年的一段演讲内容。70多年前，图灵就相信，机器有一天能够像人类一样思考。这个“预言”对此后人工智能的发展产生了不可估量的影响。

王冠：瓦利安特教授，许多职业已经消失或正面临被淘汰的危险。对于教育工作者、求职者和学生来说，在这个人工智能时代，您对他们有什么建议吗？

瓦利安特：这并不能说明人工智能通过了图灵测试。图灵测试是指，比如你与机器对话，探究它是不是一台机器。你可以问一些非常细致的问题。我认为，你很容易就能通过对话分清机器与人类。一般来说，我对这些大语言模型的看法是，对于我不太了解的领域，比如家庭维修，可以寻求大语言模型的帮助，因为它比我知道得多。但在一些你具备专业知识的领域，它就不是那么准确了。你提到的测试，很多问题都相当标准化，甚至在网络上重复了一百万次，只要搜索就可以得到答案。所以这种说法我们不必太当真。

瓦利安特：这是我在书中探讨的议题之一，这是一个开放性问题。我提出了可教育性的概念，并认为这个概念很重要，但它是否有用则需要经过实践检验。那能否做一个可教育性测试？这种测试可能比现在的智商测试更有用。可教育性测试有别于其他测试，因为其他测试检验的大多是你过去学习过的知识或者技能，而可教育性测试则是检验你在测试过程中获取信息的能力。

瓦利安特：我认为这个问题的定义不够精确，因为聪明不是一个单一的维度。因为就像人类的“智力”一样，其实我不太喜欢用这个词，“智力”不是由一个单一维度来衡量的，因为人们擅长的事不尽相同。如果你指定一个任务，比如国际象棋，那么你确实可以制造出比人类更优秀的机器。还有其他很多事，机器也会做得更好。但你不能因此直接得出结论，认为机器比我们更聪明。我认为未来主要的问题是谁是世界的主宰。我认为人类应该保持对世界的控制。我觉得不需要太担心机器会想要掌控世界，但我们也绝对不应该把控制权交给机器，这对人类来说是愚蠢的决定。

瓦利安特：我引用了，但我并不认同。人们多年来一直在讨论人工智能奇点理论，有些人认为在某个时刻，就像你说的，机器会变得比我们更聪明，那时会发生一些可怕的事情。我认为那些说法是错误的。例如，我们没有理由认为机器是自私的，除非人类让它们变得自私。我们不必把控制权交给机器，这种机器将接管世界的观点非常过时，也不是因为我们拥有超级智能机器才形成的。这个观点起源于19世纪，那时的人类发现新科技非常方便，我们的生活也随之改变。现在我们逐渐意识到了这样做的后果，比如汽车，手机，电脑，并不是因为这些东西非常智能，所以想要控制我们的生活，而是我们发现手机非常方便，主动让它们控制了我们的生活。

瓦利安特：是的，我认为所有人都是可教育的。这一理念赋予我们改变自己、学习新知识的强大动力。我认为我们的人生所学决定了我们的行为。虽然基因可能会影响我们擅长什么，但可教育性给予我们坚持学习的巨大潜力。事实上，人类热爱学习，这点不言自明。我们每时每刻都在刷手机、看电影、读书，很多时候我们不在乎是什么电影，是基于真实事件还是虚构的，我们只是渴望获取信息。因为人类就是希望不断接受教育，学习更多知识，并用新知识来武装大脑。正如你所说，我认为这就是人类的一大特点。

瓦利安特：我认为，通过了解我们的基本认知能力，我们既能够更好地了解自己，也能够了解机器的能力范围。因为一般来说，我们制造机器时，只是在让机器模仿我们。

瓦利安特：我认为最大的突破是大语言模型能生成非常流畅的语言，无论是英语还是中文，这让人们感到非常惊讶。人们的直觉认为，只有人类才能够输出如此流畅的句子，但实际情况并非如此。

瓦利安特：20年前，我有三个问题，现在我仍然还在研究这三个问题。第一个是定义人类认知的本质。第二个有所不同，是详细理解人类大脑是如何运作的。第三个是计算的力量，这个问题图灵并没有完全解决。所以还是有一些重大问题没有找到答案，而我一直都对这些问题很感兴趣。

王冠：瓦利安特教授，我们来聊一聊您的成长经历。2017年，您在一次采访中说，“我的父母非常慷慨大方、乐于助人，他们不会给我划定什么方向或者提出建议，他们只是让我做我想做的事”。是不是这个原因让您能够选择自己热爱的事业、在数学和计算机科学领域自由探索？

瓦利安特：我做了好几个。它价格便宜、易于使用，也不危险。我就是这样培植起对科学的兴趣的，这也是我在科学领域的一次实践。接下来，学数学对我来说就是一件自然而然的事情了。因为我意识到，要真正理解这些晶体管收音机的工作原理，我就需要学习更多的数学知识。

瓦利安特：我认为这种态度对我的帮助很大，我感觉父母对我的发展方向并没有过高的期待。其实在我选择计算机科学时，这个学科还是新兴事物，风险很大，但我的父母并没有表现出丝毫犹疑。那是20世纪70年代早期。当时，研究物理和数学这种传统学科很受人尊敬，研究计算机科学则像是冒险，大家都不知道前景会怎样。这个学科会发展壮大吗？值得大力研究吗？会有很大影响力吗？还是说只是昙花一现？当时的情况是，我学习了数学和物理，想要找个地方攻读博士。有一次我在图书馆看论文，发现有篇论文具体阐述了阿兰·图灵的不可计算性理论。这一理论涉及我们的智能生活，十分与众不同，让我深受震撼。它揭示了我们在解决问题方面存在的局限性。我很清楚，当时所有物理和数学方面的研究都没有涉及这个问题。

王冠：您认为人工智能和生成式人工智能在过去几年里迅速崛起的原因是什么？以前人工智能的发展似乎有些滞后，人们一直在讨论，但一直局限于科学界。而在过去几年里，它已经进入了我们的日常生活。

瓦利安特：全身心投入自己热爱的事情之中，我认为这说起来容易但做起来很难。但如果想从事科学研究，我觉得全身心投入是一个很好的建议。因为做科研每天都可能面临失败，需要付出很多。所以最好去做一些你真的是特别有热情去做的事情。

王冠：瓦利安特教授，我们谈谈您的著作《可教育性的重要性：人类独特性的新理论》吧。这本书引人入胜。您说，智力是一个定义不清的概念。我们需要引入更合适的概念，比如“可教育性”，代替“智力”。为什么这样说？

人工智能技术的发展引发了诸多忧虑，人们担心，某一天AI会比人类更加“智能”。在这些讨论的背后，人们依然没有解释清楚“智能”这一概念究竟是什么。为此，瓦利安特进行了深入的研究。他在《可教育性的重要性：人类独特性的新理论》一书中提到，大脑卓越的“可教育性”使人类与众不同，这种独特的能力一直是人类取得成就和文明的基础。

maxbextx网页版在第二届国际基础科学大会开幕之际，我们即将对话一位为计算机科学发展带来深刻影响的人物，他就是2010年图灵奖获得者莱斯利·瓦利安特。他如何解读基础科学研究在当下的意义？作为一名计算机科学家，他如何看待人工智能的今天和未来？计算机能够像人类一样思考甚至比人类更聪明吗？在人工智能时代，在人类未来发展当中至关重要的东西是什么？让我们一起在对话中寻找答案。

瓦利安特：我完全同意。数学公式之美在于它们的稳定性，过几个世纪都是如此，在世界上任何地方都适用，经得起时间的考验。所以，通过数学你能得到一些非常永恒的东西。

王冠：瓦利安特教授，刚才我们走在走廊上看到丘成桐教授说的话，他说，数学家追求的是永恒的真理，热爱的是理论和方程，这些比诗章还要华美动人。您对此有何评论？

当前，全球正处于新一轮颠覆性技术大爆发的前夕。全球AI赛道风起云涌，人工智能已然成为引领新一轮科技革命和产业变革的战略性技术，它和基础科学研究相辅相成，互为对方带来了全新的发展机遇。

王冠：瓦利安特教授，在结束之前，我想向您展示一样东西。这是中央广播电视总台制作的中国首部文生视频AI动画片，我来展示一下。您觉得怎么样？

在开幕式上，哈佛大学教授、国际知名计算机科学家莱斯利·瓦利安特获得了基础科学终身成就奖。这位2010年图灵奖得主在会上带来了他对于计算机科学的最新思考。

瓦利安特：从很小的时候开始，大概是九岁或十岁左右，我就对科学产生了兴趣。我喜欢物理，喜欢做物理实验。当时是20世纪50年代末，那时有一个比较特别的东西——晶体管。当时，距离晶体管发明已经过去10年了，它变得随处可见。所以在伦敦的郊区，就算是小孩也可以买到，价格还很便宜，这样我就可以自己动手做晶体管收音机。很有意思！

瓦利安特：图灵的工作有一些是非常具体并建立在数学基础上的，有一些则更多是他的推测，比如你提到的这个。当时没人知道如何让机器学习，这确实对我产生了影响。在随后的几十年里，人们一直在思考(机器)学习的真正含义是什么。如何让计算机学习？这是统计学的问题吗？这符合逻辑吗？有很多可能性需要考虑。但图灵并没有告诉我们应该怎么做。

1984年，瓦利安特提出“概率近似正确”理论。这一研究为人工智能进步提供了理论基础，开创了机器学习和通信的新时代，引发了一系列变革。

瓦利安特1949年出生于匈牙利布达佩斯，本科毕业于英国剑桥大学。进入计算机科学领域后，喜欢创新性研究的他，关注的领域包括计算对象的算法，如人脑、计算机计算等。

王冠：您刚刚的意思是说，智力不是先天决定的，虽然个体会有差异和变化，但智力是可以训练的，并且可以通过努力和良好的培养获得。

7月14日至26日，2024国际基础科学大会在北京举行，大会吸引了800多名来自世界各地的顶尖科学家和学者，共同探讨基础科学领域的最新进展和未来发展方向。

瓦利安特：我认为这是一个新时代，机器会渗透到我们生活的方方面面。因为机器现在做的事，人类都曾做过。所以某种意义上说，很多问题都是老问题。比如欺诈，人类本来就存在欺诈犯罪，只是现在的诈骗犯开始借助机器了。所以我们面临很多严重的问题，但这些问题都不新鲜。机器会助长并放大这些问题，但我们需要适应这种新的形势。

瓦利安特：国际基础科学大会设置的这些奖项颇具新意，它全方位聚焦数学科学，涵盖了纯数学、物理和计算机科学等多个领域。我很欣赏国际基础科学大会所做的工作，因此我非常高兴能够出席大会。

王冠：在第二届国际基础科学大会上，您获得了基础科学终身成就奖。首先，能否与我们分享一下您的感受，这个奖项对您意味着什么？

瓦利安特：如果你要在自己的学习程序中使用这一框架，那么首先要思考，机器要做些什么才能达到学习的目的？这个模型的意思是，要通过案例学习概念。比如，要学习“大象”的概念，我们会给机器一些图片，有些标记为“大象”，有些标记为“非大象”。我们通过提供这些案例来训练程序。这个程序就是学习算法，而它又可以生成第二个学习算法。第二个学习算法会给新的案例分类，判别“大象”和“非大象”，并总结判断方式。在此基础上，还有一个量化要求，你要通过足够多的训练来达到目标。如果你投入这么多训练，可以达到90%的精确度；如果你投入10倍的训练，精确度也许会提高到92%；如果继续增加训练投入，精确度又会进一步提高。

瓦利安特：实际上，并没有什么特别的事情让我特别惊讶。如果你对人工智能有一定了解，就知道其实它并没有那么神秘。媒体上报道的一些人工智能的新功能，通常被认为是惊人的突破，但其实我并没有感到特别惊讶，只要机器学习的规模足够大。

瓦利安特：我认为没有一条普遍适用的建议，因为劳动力市场一直在变化。技术创造了新的工作机会，也取代了一些工作。所以，接下来会发生什么很大程度上取决于人类的选择。比如，之前在机场，我可以通过机器买咖啡，也可以去人工柜台买。机器收费更高。出于某种原因，人们愿意付更多钱通过机器买，而不是在人工柜台买。所以我认为，不管做什么，需求是由人类决定的。再比如，在教育领域，很难预测将来是全部由机器人教学还是人类教学，这取决于人类的偏好。但我预计，在大多数职业中，计算机会提供帮助，但人类将决定需要做什么。人类将掌控大局，做出选择，计算机提供帮助。所以，无论你从事什么职业，计算机都可以提供帮助，我觉得这是有益的。我不认为人工智能带来的都是负面消息。