斯坦福大學教授蔣里：AI快速進化時代，不需要人人學編程，但要懂得AI如何思考

文匯報記者 姜 澎（整理）

白天在學校接觸的是飛速發(fā)展的人工智能技術，晚上回家，為孩子輔導功課，卻發(fā)現(xiàn)孩子雖然在一所不錯的私立學校學習，但學習的內容卻與一日千里發(fā)展的當下，是兩個世界——這是斯坦福大學教授蔣里曾經的經歷。而他與同事交流時大家也都有同感，如今即便到本科階段，教學內容與教學方式也都非常陳舊，學生要到研究生階段才能接觸到比較前沿的、最近五到十年的知識。這使蔣里開始反思，在人工智能時代，我們的教育還能適應這個時代嗎？

日前，他在上海交通大學安泰經管學院百家爭鳴論壇上分享了他對人工智能時代教育的看法，并且接受了記者的提問——

人工智能已成熱門話題。不久前，我邀請一位好萊塢電影業(yè)內從事機器人制作的專家與學生交流，他的一句話令人震驚。他說：“現(xiàn)在全球大多數(shù)人關于機器人和人工智能的普及教育都是電影做的。但是大部分電影只向票房負責，不向科學負責?！?/p>

這使我們開始思考，人們對人工智能真正了解多少？人們是否意識到，人工智能對人類社會和教育正帶來顛覆性的變化？人們是否有足夠的準備？尤其是在人工智能快速發(fā)展的當下，我們該如何幫助孩子做好迎接未來的準備？

知識爆炸，機器快速“進化”，我們的教育也該進行變革

人人都知道，現(xiàn)在是知識爆炸的時代，知識爆炸究竟意味著什么？這意味著過去人類知識每100年翻一倍，父母的經歷傳授給孩子，依然有用。到上世紀50年代，人類知識的總量是25年翻一倍，但是現(xiàn)在——人類知識的總量是一年翻一倍。

這意味著，20年后，人類的知識總量會是現(xiàn)在的2的20次方倍，約等于100萬倍。

我們都知道計算機在英文中的單詞是computer，但computer這個詞在1613年第一次出現(xiàn)時，是指從事計算的人。直到1960年代，這個詞才和機器劃上了等號。這意味著，在過去400多年中，人類承擔了350多年computer的工作，但機器只花50年，就完全替代了人，甚至超越了人。

那么人工智能時代，機器取代人的速度會加倍嗎？

2015年6月，在美國國防部高級研究計劃局（DARPA）舉辦的機器人大賽上，每個機器人都需要完成八個簡單任務，比如開車，下車，開門，上樓梯等。當時全世界最厲害的機器人在比賽中都表現(xiàn)得很笨拙，連開門都要花很長時間，時間長到評委都開玩笑說，應該出去吃個披薩再回來看。

僅僅兩年半后，這個機器人的“同伴”就有一段視頻震驚了全世界，“它”不僅會走路、開門、還會后空翻。

再看人工智能，AlphaGo戰(zhàn)勝人類棋手，被認為是人工智能的劃時代進步。圍棋的復雜性來自于下圍棋過程中變幻莫測的走法，一局圍棋走法的可能性達到了驚人的10的768次方，大大超過了整個宇宙的原子的數(shù)量（10的80次方），而AlphaGo能夠在如此復雜的情況下戰(zhàn)勝人類的冠軍棋手，著實震驚了世界。

去年斯坦福設計了一款AI律師，AI律師與20個很有經驗的律師一起看法律文檔，結果人的正確率85%，機器的正確率為95%。人類律師平均用一個半小時看文檔，AI律師“人均”用時26秒。雖然這些都是比較常見的法律文檔，但已足夠讓我們想象未來。彭博新聞社的新聞稿已有三分之一由AI采寫，尤其是憑數(shù)據“說話”的體育板塊和金融板塊。

20年前，我們的電腦還要用軟盤，存儲容量是1.44兆，但是現(xiàn)在我們的便攜式存儲設備只有指尖那么大，卻能裝下2T的數(shù)據，已經超過100萬倍了。四五十年前，IBM的一個硬盤比現(xiàn)在的冰箱還大，但是容量只有五兆?，F(xiàn)在存儲器不僅容量百萬級增長，體積還縮小很多。

自電氣革命以來，人類創(chuàng)造了大量的機器，這些機器需要重復的腦力和體力活動來控制，我們當時還沒有具有人工智能的機器人，因此人類把自己訓練成“機器人”來從事這些簡單的重復性腦力和體力勞動。現(xiàn)如今真正的機器人來了，我們這些“假機器人”該讓位了。

AI時代，教育培養(yǎng)人才的目標究竟在哪里

根據牛津大學的調查報告研究，未來10-20年，美國現(xiàn)存工作崗位的47%會被機器替代，在中國這個數(shù)字被認為是77%。還有報告稱，現(xiàn)在在校的小學生未來從事的工作崗位有65%目前尚未出現(xiàn)。這對我們的教育系統(tǒng)是巨大挑戰(zhàn)——我們的人才培養(yǎng)目標究竟是什么？

人人都知道，我們不應該與機器人在“它們”擅長的領域競爭。這句話要做到并不容易

比如，現(xiàn)在沒有人會訓練自己的孩子和汽車賽跑。但是，19世紀汽車剛出現(xiàn)時，英國曾頒布過一個法規(guī)，任何汽車在英國行駛，不能超過馬車的速度，在市區(qū)限速3.2公里/小時，在郊區(qū)限速6.4公里/小時，而且必須要有兩個司機。

同理，訓練孩子和計算機比計算速度也是沒有意義的。雖然有一些綜藝節(jié)目上，會請一些心算特別快的人，但是他們也不可能比計算機快。孩子需要培養(yǎng)計算能力，但把培養(yǎng)計算能力當成最終目標就本末倒置了。比如斯坦福大學的考試就允許每個學生都帶計算器進場，學生不僅可以帶計算器，還可以帶一張紙，上面可以寫上任何你覺得對考試有幫助的東西。也正因為如此，考試不會考死記硬背或者靠計算就能完成的題目。

當人工智能時代到來時，凡是機器做得特別好的，我們還要和機器比嗎？機器是工具，我們教育不能把學生當成機器人訓練。

我們應該讓更多的大師進入中小學

我曾經問過各個領域的知名學者同一個問題——“在你成長過程中，影響最大的是什么？”有80%以上的人說影響自己最重要的事情發(fā)生在中小學階段，也許是偶然的巧合接觸了一位大師，也許是偶然聽了一堂大師的課，從此點亮了自己的一輩子，成為一個特別有目標感的人，也就是我們常說的“自推娃”——每個家長夢想的有“原動力”的小孩。

但是，現(xiàn)實中，我發(fā)現(xiàn)很多孩子根本不知道為什么需要學數(shù)學、學物理，為什么要學好？事實上，同一門課不同的人上會出現(xiàn)極端不同的效果。比如，我在中國上過線性代數(shù)課，當時大家都覺得這門課很無聊，沒有什么用。但是后來我在斯坦福大學又上了線性代數(shù)課，結果同樣的課，基本內容也非常相似，但是不同的老師上課，效果完全不同。斯坦福的那位老師把線性代數(shù)里面很多復雜問題講得很簡單，同時用生動有趣的例子，挑起學生學習的興趣。由此可見，老師太重要，而真正的大師才能把最前沿的科技用最簡單的方式教授給學生。

我認為，也許我們應該讓中小學生接觸到更多更前沿的知識，與更多的大師交流，激發(fā)他們的原動力，這樣無論未來如何變化，他們都能做好準備。

但是，中小學生能理解那些最前沿的科學嗎？

我們在斯坦福找了個教室，把小學一年級到高中三年級的學生集中在一起，為他們上經過改造的斯坦福大學機器人課程。雖然去掉了那些高等數(shù)學的內容，但是仍然講授這些數(shù)學背后的意義。令人震驚的是，小學三年級以上的學生都能聽明白，而小學一二年級比較好的公立學校和私立學校的學生也都能聽明白。甚至，我們可以用帶博士生的方法來培養(yǎng)這些中小學生。

我們后來成立了在線的里蘭學院。讓全球最優(yōu)秀的科學家、教授把最前沿的科技，比如人工智能、機器人、設計思維，用最淺顯易懂的方式傳授給中小學生。而在線下，我們把小學生到大學研究生都組織在同一個課題組。結果發(fā)現(xiàn)，不論是小學生還是研究生，不同年齡段的人都能學到不同的東西。因為他們具備的基礎知識不同，所以他們會用不同的方法分析同一個問題，有時給出相同的解決方案，有時候給出不同的解決方案，這就是他們的探索和創(chuàng)造。

希望我們能夠點亮孩子，讓他們適應未來的世界。

我們該培養(yǎng)孩子的人工智能思維，不是培養(yǎng)孩子人人學編程

前有知識爆炸，后有人工智能機器人追趕。我們該如何讓孩子做好準備？我們自己該如何準備？我認為，應該培養(yǎng)孩子的人工智能思維（AI Thinking）。

這并非建議所有人都要學編程，而是意味著所有人都應該了解人工智能的基礎運行模式，必須具備把人類的能力和人工智能機器人的能力分開的能力，進而具備與人工智能協(xié)作的能力，只有這樣，才能在未來有競爭力。

只有具備了人工智能思維，我們才能分清哪些能力是應該培養(yǎng)的，哪些事情是應該讓機器處理的，我們需要站在人工智能機器人的肩膀上才能走得更遠。

人的能力分成體力和腦力，腦力包括記憶能力、計算能力、考試能力、解決開放性問題的能力、提出問題的能力、創(chuàng)新能力等。其中一部分是重復性的腦力勞動，另一部分是創(chuàng)造性的腦力勞動。目前的人工智能已能勝任部分的重復性的腦力勞動，所以人類該重點培養(yǎng)的是從事創(chuàng)造性腦力勞動的能力。

但是，什么是創(chuàng)造性的腦力勞動？

經常有學藝術的人說，搞藝術就需要創(chuàng)造力，而不需要人工智能思維。實際上，最初AI畫畫確實被認為沒有創(chuàng)造力，比如，不會留白。但是，僅用七千張畫進行訓練，AI就能做得很好了。因為，“它們”也在學習人類是如何定義創(chuàng)造力的，只是它們的創(chuàng)造力與人的創(chuàng)造力有本質區(qū)別。人在畫畫很多時候并不知道自己要畫什么，但是AI都是目標指向的。

所以，即便是從事藝術創(chuàng)作，也應該具備人工智能思維。