大家有没有发现，尤其是今年，自从 ChatGPT 震撼登场以来，大家对于AI的兴趣似乎是空前高涨。但是，在我和家人与朋友的对话中，我总能捕捉到一种隐隐约约的不安。感觉大家对于 AI 的讨论常围绕在机器是否会替代人类的工作的问题上。
我常觉得这种不安可能源自我们现代社会对于工作效率的一种盲目追求，而这种追求其实可以追溯到19世纪末和20世纪初盛行的所谓的泰勒主义。
如果大家不记得的话，这个泰勒主义的核心思想是通过科学的方式去解构工作流程，把工作分解成更琐碎、更简单的任务，让个体处理这些单一琐碎的任务来提高生产效率。
很大程度上，泰勒主义是我们现代社会的基石，它诱发了工业革命，使得我们现代社会的生产效率是大幅的提升。但是在生产效率的代价，大家也有没有发现，我们人类在这近百年来似乎在不断地异化自己。
所以都不用等到 AI 机器来替代我们。在现代社会里，所有人似乎都愿意以"提高效率"为名，变成这个庞大社会机器中的一颗小螺丝钉，日复一日地重复同样的任务，心甘情愿的变成了流水生产线上的一台机器。
然而，在AI逐渐崭露头角的今天，对于 AI 的不安是因为我们突然被迫去直面现有的社会结构和价值观。但是这给了我们一个宝贵的机会，让我们不得不面对一个根本性的问题：
我们到底为何而工作？
而在这里，我想和大家分享一个更广阔的视角。
大家好，我是丁源森，一名用 AI 去解构这个宇宙的天体物理学家。
那在我和我的团队的研究里，我们就在应用一系列 AI 的前沿技术去加速分析宇宙的各个面向。比如说通过 AI 去研究宇宙中数十亿个星系的分布去了解这个宇宙中有多少的暗能量和暗物质，到通过 AI 研究星星的内部结构，到最近我们也通过 AI 去寻找太阳系中那些尚未被发现且可能可以对地球构成威胁的小行星。
除了天文之外，AI 在科学的方方面面上都有着巨大的潜力。也可能是解决我们人类目前面临的一系列严重问题的唯一希望。
AI的巨大潜力
比如说，举疫情为例，可能大家对它还是心有余悸。然而，要知道我们现在是可以透过 AI 非常准确的从氨基酸序列中预测出蛋白质结构，大大加速了我们往后疫苗研发的过程。
而在对抗地球暖化上，就在这两年，物理学家也是通过AI第一次实现了核聚变问题的突破。它意味着人类可以在未来对抗能源危机，有一条可以走向真正可持续发展的道路。
然而，可能大家都知道 AI有着 巨大的潜力，但是大多数人对它的认识还是非常有限和悲观的。贯穿这一切的悲观主义，我觉得是实际上一种对AI的陌生。
AI在大多数人心中是一个巨大、复杂、甚至可怕的存在。
但是，要知道 AI 其实并不是我们想象中的那么遥不可及。而为了说明这一点，你们在屏幕上看到的，这就是GPT第二代模型的代码。
你可能会惊讶地发现，这些所谓 代表着"未来"的聊天机器人代码，在我还没把这段话给聊完之前，就已经到头了。
所以，我常觉得"人工智能"是对这个领域一个比较失真的描述，因为它仿佛形容我们正在尝试塑造一个具有自我意识的新生命，其实不是这样的。我们在学界更偏向于使用"计算机学习"这个术语，因为它更真实地反映了我们当前的技术能力。
而实际上，我们正在做的不外乎只是教计算机如何从海量数据中抽取和学习人类行为的规律。
计算机学习的三大领域
而计算机学习，有三个主要的领域：首先，是所谓的自然语言处理，让机器人和人类对话，正如我们所熟知的 ChatGPT；其次是计算机视觉，让机器拥有了"观察"世界的能力——大家或许最熟悉是汽车自动驾驶中的运用；最后，则是强化学习，去制造扫地机器人等。
你可能会好奇，机器到底是如何学习到人类行为模式的？其实，这一切都源于一些非常基础的原理。
以自然语言处理为例，我们要做的首先是从互联网上抓取大量的文本数据，然后对其进行随机遮挡。接下来计算机的任务与我们小时候玩的文字游戏相似：给定一个上下文，计算机要做的就是去猜测被遮挡掉的词，学习词与词之间的联系和意义。
所以，即便强如 ChatGPT 这样让对话听起来非常逼真的技术，要知道它仍然也只是在鹦鹉学舌。
因此，当你了解了计算机学习背后的技法，就像是看穿了魔术师的手法。 是的，魔术确实令人着迷的，不过它不是奇迹。AI 也不是。
直面我们的认知偏见
但是必须承认的是，自从像 ChatGPT 这样的技术步入了我们的日常，很多人自然会觉得这会不会是人类的奇点时刻。虽然说 ChatGPT 只是在鹦鹉学舌，但是可以想象一下，如果一只鹦鹉开始模仿你的说话，不仅如此，它的模仿居然做得越来越像——这必然会激起一阵社会的震撼。
不过这种震撼，至少有一部分，我觉得源自我们对自己的一种认知偏见或者说是错位。
在继续探讨这个话题之前，让我先问在座的各位——你认为人类最宝贵，也最不可替代的能力是什么？
因为您今天能抽出宝贵的时间，走进这个 TED 的讲堂，那我猜，你可能会认为那是语言的力量。
确实，如果我们要量化人类相较于万物的独特之处，那么大脑前额叶的发达程度无疑是一个显著指标。这一区域主管的也主要是我们的语言、逻辑和决策能力等。
然而，这个特质并不是我们从生物学角度来看的'根本特质'。事实上，大脑前额叶的发达是相对近期的演化成果，而这个演化可能可以回溯到百万年前的猿猴时代。
百万年听起来似乎是一个遥远得难以想象的数字，但相对于我们身体中其他机能的演化历程，它几乎只是个转瞬即逝的时刻。我们最早的机动能力——像是行走和抓取，握住——可以追溯到亿万年前最早的哺乳动物。这几乎是大脑前额叶发展时间的一百倍。
假如我们用一天二十四小时来象征哺乳动物的演化历程，你会发现我们在这'一天'中绝大部分时间都在优化身体的其他能力。直到最后的十五分钟，我们才拥有了复杂的语言和逻辑能力。
语言是相对基础的人类能力
那为什么要说明这个事情呢？
当我们看到自然语言处理在计算机学习领域所取得的那些突破，这并不是因为我们正在接近什么科技奇点，而是因为在演化历程中，语言和逻辑推理相对来说是较新的功能，因此也它们本来更容易于可以让计算机模仿和掌握。
而在其他的计算机学习领域——比如计算机视觉、强化学习——我们还在面临各种各样的瓶颈。这也解释了为什么我们可以轻轻松松让 ChatGPT 帮我们写文案，却不能找到一个令我妈称心满意的一个扫地机器人。
所以，像ChatGPT这样的技术给我们带来的震撼，不应该是它有多厉害，能模仿人类的"了不起的"对话能力。更应该是，让我们意识到，有些自认为了不起的能力，也许并没有我们想象中那么特别。
所以在今天这个讲堂里，重点不应该是我能否把这场演讲说好。反而，在下你们的任何微妙表情、每一次的掌声，甚至每一个简单的目光交流，都比我在这里所能表达的任何观点都应该是更深刻和困难的。
为什么要研究人工智能？
说到这里，就要说说为什么要研究人工智能呢？
人们对像我这样从事AI研究者的一般印象常常是："这群人属于'机器派'，他们渴望有一天机器能够取代人类。"这完全是一个美丽的误会。
如果我们回溯到计算机科学的源头，到了计算机之父艾伦·图灵，在计算机尚未出现的年代就图灵提出了图灵测试。一般的误解是图灵测试像探讨的是机器有多聪明。其实不是的，图灵本来的论文里想探讨的是什么是人性，什么是智能。
我一直认为，人工智能是一门"以人为本"的科学。它不仅仅关注于如何让机器更聪明，更多的是希望通过对人类行为和思维的模仿，深入地我们理解到自己的本质。因此，AI不只是让我们变得更高效的一台"机器"，更是一面能让我们审视自己、照见自己的一面"镜子"。
AI作为公平的仲裁者
AI的影响并不仅限于科学和个人层面。它还在人文领域扮演着一个不可或缺的角色，作为一个公平的仲裁者。AI突出的是平衡而非竞争。
我记得在我小学的时候，IBM的'深蓝'战胜了当时的国际象棋世界冠军卡斯帕罗夫。当时的社会舆论几乎一片哀嚎，人们纷纷痛呼国际象棋已死。然而，时至今日，国际象棋不仅没有走向消亡，反而在全球范围内蓬勃发展。这是因为，不论你的出身或背景如何，机器都提供了一个平台，让你能与之对弈并不断提升自己。
与此类似，我的研究团队最近的一个重要方向是创建一个'机器天文学家'。就是训练一个 ChatGPT 的语言模型。我们的目标绝非是取代天文学家，而是想通过这种方式，让每一个对天文学有热情的孩子，无论身在何处，都能有一个'机器教授好朋友'与他们一起探索宇宙的奥秘。
平衡需要勇气
想想最近的疫情，这场全球危机让我们深刻地体验到人类发展的脆弱性和不确定性。老子曾经说过，'祸兮福之所倚，福兮祸之所伏'。这不仅是对生活的洞见，也同样适用于我们对AI的态度。人们往往会因为危机更容易被预见而对新事物持本能的抵触。
AI，如同任何革命性的新事物，当然带有双面性。我并不是在这里鼓吹盲目乐观，而是呼吁我们认识到，平衡的实现需要我们的勇气。
人类的存在就像是在高空中走钢索。每一步都得慎之又慎，然而，站在原地并不是保持平衡的方式。唯有勇敢地向前迈进，我们才可能找到那个令人向往的平衡点。
谢谢大家。