诺奖得主Michael Levitt：计算机最核心的能力是概括数据和自我学习

嘉宾：2013年诺贝尔化学奖获得者、美国国家科学院院士、英国皇家学会院士Michael Levitt

以下为发言实录：

Michael Levitt：非常感谢，这是我第一次参加这样的讨论，我是作为唯一的外国人参加这个专家讨论。通常来讲如果有国外的来访者，他们往往就会很尊重客人，另外一方面他们也尊重本国专家，所以看今天从台上的构成就体现了中国人既尊重海外思想，也尊重本土专家的意见。

做科学工作，我是从1967年开始的，可以说我爱上了电脑，人工智能是我一直关心的领域而且关心多年了。但是从某种意义上来讲，人工智能的含义随着时间的变化而变化，当我最早开始研究的科学的时候，当时我还是十几岁的小孩，大概只有14岁。当年我听说电脑可以拿来下棋，我觉得真了不起，电脑居然可以拿来下棋，我以为电脑只能拿来加减乘除。我觉得下棋，照理说不是电脑被设计出来完成的工作，可是人工智能这个领域它的重要性得到了凸显，出于三个原因使人工智能变得更加重要。

第一个，我们对于什么样的算法有用，什么样的算法没用，了解更多。

第二个，我们对数据必要性的认识越来越清晰，每个人都有大量的数据，关于外部世界也有大量的数据。大家可以想像电脑的运算速度也越来越快，很多时候很多行业它的发展变化是由一些出乎意料的因素推动的，电脑使得人工智能的发展变得容易，以前电脑让年轻人玩游戏，现在它有GPU，图形处理界面，最早是让年轻人玩电脑游戏的，但最早是小孩想通过玩游戏，促进了计算机的发展。

我们说到人工智能领域起名字非常重要，比如在美国没有人再把它叫人工智能了，因为50年前当时承诺给他们好多人工智能的东西，现在多叫机器学习了，现在美国人不把它叫人工智能了，他们用的是机器学习。今天我们说机器学习也是一个很泛泛的概念，机器学习人们已经开展了很多年了，机器学习就是把数据拿来，在里面归纳一些东西。举个例子，我们说孩子的身高是年龄的函数，然后你会得出一个曲线，里面有很多点点点，画出一条线，平均一下，如果你是12岁的话应该1.4米，当然这是从数据里面归纳出一些东西。

随着机器学习的兴起，当然你也可以称之为人工智能，还有像深度学习、神经网络、随机森林等等，这些都是新的术语，它是老概念的新名字。像自动化这个名字也存在很长时间了，从数据中学习也存在很久了，有一些非线性的数学等式也存在很久了，其实过去这50年，我们回顾一下是如何让这些方法发挥更大的作用，这里有一个很好例子。对于电脑来说，无论是围棋、象棋都不是很难的事，识别人脸也不是很难的事，今天的计算机已经可以承担很多过去我们认为很难的任务了。当然不能说电脑变得很聪明，只是让他们玩的事情不是很简单了，现在可以拿来翻译，英文翻译成中文，中文翻译成英文，甚至写一首很美丽的诗，会让我觉得很了不起，我认为这个也会变成现实。

所以我们看到今天随着机器学习或者人工智能，机器越来越会归纳了，不再是简单的从年龄归纳出身高，比如说电脑，不再是你告诉它什么是好的什么是不好的，电脑可以自己去归纳来，所以电脑已经可以做归纳了，我们说归纳非常重要。比如自驾驶的车辆，电脑就可以知道我到什么程度停下来，所以电脑这种归纳的能力也在不断提升，无论化学、物理学等等，都可以借用这个发展。

我们也可以把这种归纳、概括，把数据拿来进行概括，把它用于很多广泛的领域。假定电脑像人一样聪明，当然是个抽象的人，可以通过图灵测试，但是电脑真正做的是什么？就是从数据来概括，然后来自我学习。它是从数据的概括开始，这是计算机最核心的能力。