盡管人工智能不是新鮮的概念，從1956年被提出至今已逾一個(gè)甲子，但對于大多數(shù)人來說，從2016年AlphaGo戰(zhàn)勝圍棋世界冠軍李世石開始,，才對人工智能略有耳詳。在此之前，人工智能在大眾輿論場中幾乎是長期沉默的,。

　　但從學(xué)術(shù)界的視角來看，對人工智能的研究,，猶如在盤山公路上爬坡,，從未停止過。歐洲科學(xué)院院士,、上海交大人工智能研究院首席科學(xué)家徐雷就是一位從上世紀(jì)八十年代初就加入這個(gè)領(lǐng)域的老一輩研究者,，談及隨機(jī)霍夫變換RHT、分類器組合,、對手競爭學(xué)習(xí)RPCL,、非線性PCA學(xué)習(xí)、Mixture of Experts, EM 算法,，LMSER學(xué)習(xí),、BYY 學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)和模式識(shí)別領(lǐng)域中的多項(xiàng)先驅(qū)成果時(shí)，都繞不開他的名字,。在這些領(lǐng)域中,，徐雷自九十年代初起就一直是國際上最有影響的幾位華人之一。

　　在37年余的人工智能研究生涯中,，徐雷做出了多個(gè)廣為引用的成果,。2001年當(dāng)選IEEE Fellow，是從計(jì)算智能學(xué)會(huì)當(dāng)選之首位中國學(xué)者,；2002年當(dāng)選國際模式識(shí)別學(xué)會(huì) Fellow,，是最早獲選的幾個(gè)華人之一； 2003年當(dāng)選歐洲科學(xué)院院士,。徐雷曾與Judea Pearl (2011圖靈獎(jiǎng)得主), Geoffrey Hinton（引發(fā)當(dāng)下人工智能浪潮的深度學(xué)習(xí)之父）和Michael I. Jordan均有合作文章發(fā)表,。1993年加入香港中文大學(xué)之前，曾在MIT的Michael I. Jordan團(tuán)隊(duì)工作過一年多,。早在九十年代的前五年里,，就在學(xué)界最頂級的NIPS（后改名為NeurlPS）會(huì)議中發(fā)表了四篇論文,，并三次擔(dān)任NIPS大中華區(qū)的聯(lián)絡(luò)人。

　　徐雷曾榮獲多個(gè)國內(nèi)外主要獎(jiǎng)項(xiàng),，如獲93年國家自然科學(xué)獎(jiǎng),、95年國際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)領(lǐng)袖獎(jiǎng)、06年亞太神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)最高獎(jiǎng)杰出成就獎(jiǎng)（首位獲獎(jiǎng)華人）,。

　　為了解人工智能研究的歷史,、現(xiàn)在與未來，AI報(bào)道（AI Report）拜訪了徐雷教授,。這位在國際舞臺(tái)上為中國贏得聲譽(yù)的科學(xué)家對中國人工智能的發(fā)展有何看法,？答案或許并不如國內(nèi)AI圈中很多人想得那么樂觀。

　　中國人工智能發(fā)展水平距離世界頂尖還有多遠(yuǎn),？

　　近年,，我國人工智能發(fā)展迅猛，在企業(yè)數(shù),、發(fā)表論文數(shù)等數(shù)項(xiàng)指標(biāo)上都已達(dá)到了世界第二,。那么，中國整體人工智能發(fā)展水平距離世界頂尖水平還差多遠(yuǎn),？

　　徐雷認(rèn)為,，要講清這個(gè)問題，最好先看一下這一波人工智能熱潮是怎樣發(fā)展起來的,。

　　這一波人工智能熱潮起點(diǎn)源于2006年Geoffrey Hinton 及其學(xué)生在《神經(jīng)計(jì)算》和《科學(xué)》上發(fā)表的兩篇深度學(xué)習(xí)論文,，經(jīng)過在學(xué)界的幾年孕育以后，引起IBM,，微軟,、谷歌等企業(yè)跟進(jìn)推動(dòng)，尤其是中國互聯(lián)網(wǎng)產(chǎn)業(yè)的蜂擁而入,，才有了現(xiàn)在人工智能大發(fā)展的盛況,。這波熱潮有下面三個(gè)主要支撐：

　　（1） 理論方法  Hinton在2006年的工作源頭其實(shí)是八十年代中期曾引起人工神經(jīng)網(wǎng)絡(luò)研究熱潮的反向傳播學(xué)習(xí)算法,，始于發(fā)表在1986年《自然》的一篇論文,，Hinton是三位作者中間的那位。這個(gè)算法的早期影子先是回溯到1974年,，后又前推到1968年,。八十年代末之后的十余年，在神經(jīng)網(wǎng)絡(luò)研究在理論,、方法,、和算法上都有很大發(fā)展。現(xiàn)今的基本家當(dāng)，例如,，卷積網(wǎng)絡(luò),、生成網(wǎng)絡(luò)，自編碼學(xué)習(xí),、變分學(xué)習(xí),、以及包括LSTM在內(nèi)的各種遞歸網(wǎng)絡(luò),，大都來自于那個(gè)時(shí)期,。近年來的發(fā)展主流，基本上是這些方法的應(yīng)用,、拓展,、和各種集成，當(dāng)然也有一些如GAN學(xué)習(xí)等基礎(chǔ)研究突破,。

　?。?） 芯片算力  馬斯克的OpenAI 認(rèn)為，2012-2017六年間AI計(jì)算力6年提升30萬倍,。保守估計(jì)九十年代初到2006年的算力增長就算只有它的十分之一,，那也意味著做2006年需要20分鐘算的問題，九十年代初中期要算一年,。當(dāng)時(shí)的基礎(chǔ)研究提出了各種方法,，但不可能通過計(jì)算得到驗(yàn)證，所以才會(huì)有一,、二十年的滯后期,。Hinton在1986年后的二十年再續(xù)前緣，既反映他的執(zhí)著,，也是歷史的圓滿,。

　　（3） 大數(shù)據(jù)和互聯(lián)網(wǎng)  九十年代初采集用于語音識(shí)別的數(shù)據(jù)都已經(jīng)十分困難,，采集人臉圖像數(shù)據(jù)則難度更大,。就算那時(shí)有算力，也不可能有足夠大量的數(shù)據(jù)來訓(xùn)練,，以確定深度神經(jīng)網(wǎng)絡(luò)中的大量參數(shù),。2009年原微軟人工智能首席科學(xué)家鄧力邀請Hinton來到微軟，利用他們在語音領(lǐng)域積累了多年的大數(shù)據(jù),，嘗試了深度學(xué)習(xí)的應(yīng)用,，發(fā)現(xiàn)用深度學(xué)習(xí)進(jìn)行語音識(shí)別比原來的識(shí)別方法成果有了很大提高。李飛飛在 CVPR 2009 上發(fā)表了關(guān)于ImageNet的論文,，關(guān)注如何有效地獲取圖像數(shù)據(jù)集,，并從2010 年開始開啟了每年一度的ImageNet 挑戰(zhàn)賽（通過互聯(lián)網(wǎng)和眾籌），解決了計(jì)算機(jī)視覺的大數(shù)據(jù)獲取問題。

　　在上述三大支撐中,，第三個(gè)是我國的明顯強(qiáng)項(xiàng),。最多的人口、通訊和互聯(lián)網(wǎng)的飛速發(fā)展和普及,、以及體制的優(yōu)勢和社會(huì)的需求,，語音、圖像,、以及其他大數(shù)據(jù)的獲取都遠(yuǎn)超歐美,。而通過雄厚的資金投入，也購買獲得了巨大的算力,，這些催生了國內(nèi)許多獨(dú)角獸公司出現(xiàn)和飛速發(fā)展,。2012年，Hinton團(tuán)隊(duì)在ImageNet首次使用深度學(xué)習(xí)完勝其它團(tuán)隊(duì),，神經(jīng)網(wǎng)絡(luò)層數(shù)只有個(gè)位數(shù),。商湯的團(tuán)隊(duì)在2016年ImageNet圖片分類中做出最佳性能時(shí)，用得神經(jīng)網(wǎng)絡(luò)層數(shù)是1200多層,。

　　語音識(shí)別和計(jì)算機(jī)視覺這兩個(gè)“耳聰目明”領(lǐng)域快速進(jìn)入商用,，這大大推動(dòng)了這波人工智能浪潮在世界范圍內(nèi)的高漲。與此同時(shí),，主要集中在這兩個(gè)領(lǐng)域,，中國學(xué)者發(fā)表論文數(shù)與日俱增，國內(nèi)也出現(xiàn)了許多獨(dú)角獸公司,。從總量來看,，在企業(yè)數(shù)、發(fā)表論文數(shù)等數(shù)項(xiàng)指標(biāo)上都已達(dá)到了世界第二,。甚至可以說,，在刷臉場景下，已做到世界第一,。

　　能在“耳聰目明”領(lǐng)域迅速發(fā)力,，還和我國的文化淵源有關(guān)。徐雷說,， 粗略地,，人工智能可以從機(jī)器模擬“耳聰目明”、形象思維,、和抽象思維三個(gè)方面來考慮,。早在1975年，錢學(xué)森先生就提出,，常用而重要的智能活動(dòng)其實(shí)在形象思維,。而那時(shí)候,，人工智能界主要在研究抽象思維。

　　很有意思,，這兩種不同方式,，中國人和西方人正好各擅長其一。中國文字基本是象形的,，思維發(fā)展偏重形象思維,，而西方文字抽象成符號，注重關(guān)系,、形式,、與語法。

　　符號文字抽象于形象文字,，故有西方有學(xué)者把抽象思維叫高級智能,。自然地,， AI發(fā)展的前半段就是基于符號思維,，注重解析出基本單元，再按一定的規(guī)則,，由底朝上逐步組合搭出一個(gè)體系,。這種思維有利于抓住主要脈絡(luò)，解釋所看到的現(xiàn)實(shí)世界,。 但是,，針對“耳聰目明”這類識(shí)別認(rèn)知活動(dòng)，反而遇到很大困難,。盡管有時(shí)被稱為初級智能,， “耳聰目明”卻是思維的基礎(chǔ)，AI發(fā)展的前半段其實(shí)走了建“空中樓閣”的彎路,。

　　而這次人工智能浪潮就是從“耳聰目明”這個(gè)形象思維的基礎(chǔ)突破的,。做法很簡單，數(shù)學(xué)上完成一個(gè)X到Y(jié)的一個(gè)整體性的映射,，用一個(gè)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來實(shí)現(xiàn),。可能由于我們的文化偏好形象思維,，華人不僅參與這次推波助瀾并引起主要發(fā)展,，而且也是過去一路走來致力于推動(dòng)“耳聰目明”的主角之一。

　　早在1957年就有在美國的華人介入字符識(shí)別,，70年代中期到80年代中期,，是主攻“耳聰目明“的模式識(shí)別之第一個(gè)發(fā)展期，頭號領(lǐng)袖是美國普渡大學(xué)教授付京孫先生（1930-1985）,。而徐雷的博士導(dǎo)師清華大學(xué)常迵院士（1917-1991）和博士后導(dǎo)師北京大學(xué)程民德院士（1917-1998）,，在上述時(shí)期則領(lǐng)導(dǎo)了中國模式識(shí)別的發(fā)展,，建立了我國智能科學(xué)的第一批三個(gè)國家重點(diǎn)實(shí)驗(yàn)室，其中兩個(gè)主攻模式識(shí)別與機(jī)器認(rèn)知,，并在我國學(xué)科設(shè)置上正式開出了模式識(shí)別的相關(guān)專業(yè),，近年來我國在 “耳聰目明”方面能夠人才濟(jì)濟(jì)，應(yīng)當(dāng)回溯到當(dāng)年他們打下的根基,。

　　中國在“耳聰目明”領(lǐng)域能迅速發(fā)力的現(xiàn)實(shí)基礎(chǔ),，是有大量數(shù)據(jù)、大量需求,，和大量投入,。影像醫(yī)療就是另一個(gè)我國依靠樣本優(yōu)勢有望快速趕超的領(lǐng)域，僅北京腫瘤醫(yī)院一個(gè)月胃癌的門診病歷數(shù)就超過全美胃癌患者一年的門診量,。中國還有不少有明顯的樣本優(yōu)勢的其它應(yīng)用領(lǐng)域,，都有望能快速看到應(yīng)用效益，并問鼎世界,。即使如此,，現(xiàn)在也不到聲稱中國AI在應(yīng)用方面已經(jīng)領(lǐng)先的時(shí)候。例如,，在語音識(shí)別和語言翻譯方面,，Google的水平優(yōu)于國內(nèi)企業(yè)，特別是在英文和其他文字領(lǐng)域更是如此,。在機(jī)器人行業(yè)中,，尤其是類人或特種機(jī)器人，離美國的波士頓動(dòng)力機(jī)器人的水平,，國內(nèi)水平遠(yuǎn)遠(yuǎn)落后,，可能差一、二十年都不止,。

　　更令我們保持清醒的是,，在三大支撐中的前兩個(gè)，我們的差距更大,。

　　在芯片方面,，設(shè)計(jì)各種專門的人工智能芯片，是可以有望很快趕上甚至超越的,。但是在芯片的制造上,，卻有一段很長的路要趕。而制造能力才是基礎(chǔ),，造不出來的設(shè)計(jì)只能是紙上談兵,。在算力方面，盡管中國的神威和天河超級計(jì)算機(jī)都曾經(jīng)問鼎全球,，現(xiàn)在也仍位四甲,，但在量子計(jì)算機(jī)方面,，谷歌和IBM都在商用化方面推進(jìn)很快。還有,，在下一代計(jì)算材料和芯片方面,，我國的短板可能更大。

　　在徐雷看來,，東方文化注重集成,、注重整體應(yīng)用，這是一種優(yōu)勢,；西方注重基礎(chǔ),，注重造芯片，這是另一種優(yōu)勢,。取人之長補(bǔ)己之短,，把別人的芯片集成過來直接使用不失為上策，東西方文化融合,、互補(bǔ),，才能給發(fā)展人工智能帶來更好局面；只有在行不通時(shí),，才需要我們一切重新造起,，這其中的關(guān)鍵是，中國必須要做到讓對方愿意賣給我們使用,。

　　80年代初期的歷史或值得我們借鑒：當(dāng)時(shí)中國要買美國的一些計(jì)算機(jī)設(shè)備，都面臨西方所謂巴黎統(tǒng)籌委員會(huì)對我們的掣肘,。因此,，中國不斷跟蹤研制，一達(dá)到一個(gè)新的水平,，他們就會(huì)批準(zhǔn)把更一高檔的設(shè)備賣給中國,。可見,，在產(chǎn)業(yè)發(fā)展時(shí),，不一定要樣樣自主做，以小得多的代價(jià)跟蹤,，最優(yōu)配置資源,，也許更佳，但要清楚讓人知道,，需要的時(shí)候,，我們是有能力自己做的。

　　要在人工智能理論方法的基礎(chǔ)研究達(dá)到世界領(lǐng)先水平,，中國也仍然是任重道遠(yuǎn),。目前來自中國的論文,，大多是在偏應(yīng)用性質(zhì)的會(huì)議上發(fā)表，能沖進(jìn)NIPS論文不多,，還達(dá)不到能在NIPS這個(gè)基礎(chǔ)研究的頂會(huì)上占有不可或缺的地位,。大量的工作，都在追求能在中國計(jì)算機(jī)學(xué)會(huì)或其他單位自定的頂級會(huì)議上可以發(fā)表,，并不追求是否能被別人大量的引用,、跟隨和應(yīng)用，而追求從0到1突破的努力更是鳳毛麟角,。尤其令人擔(dān)憂的是,，大多數(shù)大學(xué)和研究機(jī)構(gòu)發(fā)出的論文，還都是通過直接用別人的開源程序計(jì)算的,。

　　徐雷接著說,，前面提到，中國人的思維是從頂向下的,，忽略基礎(chǔ)創(chuàng)新,，重視整體把握、應(yīng)用集成,，追求“短,、平、快”,，最后一點(diǎn)是尤其堪憂的,。大家都離起跑線不遠(yuǎn)時(shí)，差距還不遠(yuǎn),，越往前差距越大,。對此，他特別地提到八十年代導(dǎo)師常迵之問,。第一次常先生問付京孫教授：“中國模式識(shí)別的研究水平離美國差多遠(yuǎn),？”付先生答“三、四年”,。而三,、四年后付先生再來華訪問，常先生再問“還差幾年”,， 付先生答“七,、八年”。類似的故事,，在基礎(chǔ)研究起關(guān)鍵作用的階段,，其他領(lǐng)域也出現(xiàn)過。徐雷希望,，這個(gè)故事不會(huì)在今后的中國人工智能發(fā)展中重演,。

　　他還表示：“希望中國的學(xué)者中能有一部分,，在這一波熱潮漸漸平穩(wěn)下來、整頓盤整的期間,，能慢慢沉下來,，回歸到一些基礎(chǔ)研究?！斈棵鳌?的基礎(chǔ)研究不是中國人貢獻(xiàn)的,，中國人的貢獻(xiàn)主要是快速推廣到實(shí)際應(yīng)用。希望中國學(xué)者未來在形象思維,、抽象思維等基礎(chǔ)研究領(lǐng)域有更多貢獻(xiàn),。”

　　在科學(xué)“奧運(yùn)會(huì)”上為國摘金

　　上海市經(jīng)信委副主任張英（左一）給中科院上海分院副院長張旭院士（左二）,、同濟(jì)大學(xué)副校長蔣昌俊教授（左三）,、和徐雷教授（左四）發(fā)WAIC SAIL獎(jiǎng)的評審專家的聘書。徐雷教授在去年和今年都擔(dān)任了SAIL獎(jiǎng)的終評會(huì)審專家,。

　　盡管徐雷已過花甲之年,，但他仍保持著高強(qiáng)度的工作，帶領(lǐng)著團(tuán)隊(duì)奮戰(zhàn)在科研第一線,?！拔野岩簧臅r(shí)間都用來拼搏了，我自認(rèn)為是一個(gè)很拼的人,?！毙炖走@樣評價(jià)自己。這位發(fā)已斑白的老人始終保持著簡樸的生活,，除了工作外,，徐雷很少有別的愛好，每天從宿舍走到辦公室,，晚上再走回去，就充作鍛煉身體了,。

　　很難想象,，這位聞名遐邇的科學(xué)家曾是一名煤礦工人。在恢復(fù)高考前,，徐雷曾在云貴交界的一處煤礦工作,。1977年，在恢復(fù)高考后的第一次招生中,，徐雷走進(jìn)了考場,，進(jìn)入哈爾濱工業(yè)大學(xué)獲得了本科學(xué)位，隨后又考入清華大學(xué),，成為常迵先生和閆平凡教授共同任導(dǎo)師的第一個(gè)碩士生和第一個(gè)博士生,。1987年,，徐雷來到北大，師從程民德院士和石青云院士做博士后,，次年成為北大全校當(dāng)年破格提升的十位副教授之一,。

　　在此期間，徐雷在包括《中國科學(xué)》《科學(xué)通報(bào)》《計(jì)算機(jī)學(xué)報(bào)》《電子學(xué)報(bào)》《自動(dòng)化學(xué)報(bào)》在內(nèi)的國內(nèi)核心刊物上發(fā)表論文18篇,，在模式識(shí)別,、人工智能、信號處理的主要國際會(huì)議上發(fā)表論文九篇,。其中,，1987年發(fā)表在UAI會(huì)議上的一篇論文最早將二值變量貝葉斯樹之學(xué)習(xí)拓廣到高斯變量，開實(shí)變量貝葉斯網(wǎng)學(xué)習(xí)之先,。這篇論文被J.Pearl（2011年圖靈獎(jiǎng)獲得者）收入1988年出版的經(jīng)典專著中,，成為了專門的一節(jié)。

　　還有一篇發(fā)表在國際模式識(shí)別大會(huì)ICPR上的論文,，是口頭報(bào)告,，因?yàn)楫?dāng)時(shí)外匯有限，不能出去開會(huì),。會(huì)后當(dāng)時(shí)的國際模式識(shí)別學(xué)會(huì)主席 Pierre Devijver（,？-1996）卻給徐雷來了一封信，說他沒有時(shí)間事先獲得許可（當(dāng)時(shí)國內(nèi)還沒有電郵）,，就主動(dòng)幫徐雷代做了口頭報(bào)告,。Devijver當(dāng)時(shí)并不認(rèn)識(shí)徐雷，也不知道是常迵的學(xué)生,，那論文徐雷是單獨(dú)作者,，他只是認(rèn)為那篇論文應(yīng)該被介紹。當(dāng)今國際模式識(shí)別學(xué)會(huì)的大獎(jiǎng),，最重要的獎(jiǎng)項(xiàng)是以付京孫（K.S.Fu）命名的,，而另一個(gè)主要獎(jiǎng)項(xiàng)是P.Devijver獎(jiǎng)。

　　1988年,，在時(shí)任國家主席在北京人民大會(huì)堂主持頒獎(jiǎng)的第一批40名霍英東獎(jiǎng)獲得者中,，徐雷是唯一的人工智能相關(guān)學(xué)科的學(xué)者。那年冬天,，北大視覺與聽覺信息處理國家重點(diǎn)實(shí)驗(yàn)室的主任石青云教授找他談,，告知領(lǐng)導(dǎo)有意讓他接任做主任，該實(shí)驗(yàn)室是當(dāng)時(shí)國家首批智能科學(xué)相關(guān)的三個(gè)國家重點(diǎn)實(shí)驗(yàn)室之一,。此時(shí),，擺在徐雷面前的本是一個(gè)順理成章進(jìn)入仕途的機(jī)會(huì)，但他毅然決然地放棄了。徐雷認(rèn)為,，在世界范圍內(nèi),，中國的人工智能學(xué)科相關(guān)的研究離世界前沿還差的很遠(yuǎn)，因此他選擇出國看看,，與世界上最頂尖的科學(xué)家直接打交道,。

　　談及為何做出這一選擇時(shí)，徐雷回憶道,，他曾深深受到陳景潤故事的影響：1972年,，蘇聯(lián)數(shù)學(xué)家代表團(tuán)來訪問中國，周總理一時(shí)很為難,，不知道該找哪些數(shù)學(xué)家去接待,。此時(shí)代表團(tuán)提出，中國有個(gè)杰出年輕數(shù)學(xué)家叫陳景潤,，哥德巴赫猜想研究做出了杰出成果,，希望和他談?wù)劇Ｓ谑钦教幦フ疫@個(gè)年輕人,，最后在中科院一間不足6平米的鍋爐房里找到了他,。陳景潤的故事激勵(lì)著那個(gè)年代的知識(shí)分子，從此徐雷立下志向,，一旦國家需要,，也要能為國爭光。

　　實(shí)際上,，后來徐雷的確以中國自己培養(yǎng)的博士身份,，在模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等人工智能領(lǐng)域,，留下了多個(gè)中國人的印記,，實(shí)現(xiàn)了當(dāng)年的愿望。

　　1989年至1993年,，徐雷輾轉(zhuǎn)于歐美當(dāng)時(shí)相關(guān)學(xué)術(shù)領(lǐng)域的四個(gè)領(lǐng)軍團(tuán)隊(duì),。1989年初徐雷加入芬蘭拉普蘭塔理工大學(xué)的E.Oja團(tuán)隊(duì)做高級研究員（Oja是九十年代歐洲神經(jīng)網(wǎng)絡(luò)領(lǐng)域的幾個(gè)主要學(xué)術(shù)領(lǐng)頭人之一），1990年春加入加拿大康考迪亞大學(xué)C.Y.Suen團(tuán)隊(duì)做副研究員,，也是當(dāng)時(shí)加拿大模式識(shí)別領(lǐng)域的領(lǐng)軍團(tuán)隊(duì),。徐雷在1991年9月以訪問學(xué)者的身份加入了哈佛的 A.Yuille 團(tuán)隊(duì)（Yuille是霍金的弟子，也是計(jì)算機(jī)視覺研究領(lǐng)域的大師）,，又在一年后加入麻省理工的M. I. Jordan團(tuán)隊(duì)做博士后。直到1993年秋返回中國香港,，加入香港中文大學(xué)任教,。

　　在此期間，徐雷研究著名的霍夫變換有突破性進(jìn)展，發(fā)明了隨機(jī)霍夫變換RHT,。他還以第一作者身份發(fā)表了另一論文,，提出了分類器組合的三級框架并討論了多個(gè)組合方法, 為現(xiàn)在廣為研究的集成學(xué)習(xí)和信息融合提供了基礎(chǔ)，被廣為引用,。這兩個(gè)成果使他在2002年當(dāng)選國際模式識(shí)別學(xué)會(huì) IAPR Fellow會(huì)士,，成為最早獲選的幾位華人之一。

　　在此期間,，徐雷將當(dāng)時(shí)相關(guān)領(lǐng)域很有影響的Oja自適應(yīng)PCA學(xué)習(xí),，發(fā)展到自適應(yīng)非線性PCA學(xué)習(xí)；并率先揭示了Hebb學(xué)習(xí)輔以S非線性實(shí)現(xiàn)獨(dú)立化學(xué)習(xí),，能消除旋轉(zhuǎn)不確定性,；還為Oja自適應(yīng)子空間學(xué)習(xí)的全局收斂性提供了數(shù)學(xué)證明。這些成果不僅讓徐雷在該方向的影響緊隨Oja之后,，而且將Oja團(tuán)隊(duì)的主要興趣引回,，也吸引了歐美還有中國的不少學(xué)者之后的持續(xù)推進(jìn)。

　　在此期間,，作為單獨(dú)作者,，徐雷在1991年會(huì)議論文首先提出并在1993年的期刊論文中進(jìn)一步闡述，提出了多層神經(jīng)網(wǎng)絡(luò)自組織學(xué)習(xí)LMSER,，以雙向?qū)ε挤绞綄?shí)現(xiàn)對網(wǎng)絡(luò)中參數(shù)的學(xué)習(xí),，其特點(diǎn)是強(qiáng)制了參數(shù)對稱性和神經(jīng)元強(qiáng)度的對稱性。2006年Hinton團(tuán)隊(duì)的那兩篇經(jīng)典論文中的深度學(xué)習(xí)結(jié)構(gòu)Stacked RBM,，也強(qiáng)制了這種參數(shù)對稱性,，而近年才出現(xiàn)的所謂U-net的結(jié)構(gòu)，也與多層LMSER類似,。由于算力的限制,，當(dāng)時(shí)計(jì)算實(shí)驗(yàn)只做了單個(gè)隱層。但在論文中,，討論和預(yù)言了多層LMSER的若干認(rèn)知功能,，如聯(lián)想、概念形成,、心像,、注意等。后面會(huì)提到,，這些預(yù)言都在近年得到了計(jì)算驗(yàn)證,。

　　在此期間，徐雷還1991年提出在競爭學(xué)習(xí)中引入反壟斷機(jī)制,，同時(shí)適度地引入對手懲罰機(jī)制,，發(fā)明了對手懲罰競爭學(xué)習(xí)（RPCL），開創(chuàng)了無監(jiān)督學(xué)習(xí)過程中，可以實(shí)現(xiàn)模型自動(dòng)選擇的先河,。在學(xué)習(xí)中可以自動(dòng)去除多余參數(shù),，可實(shí)現(xiàn)選擇模型自動(dòng)選擇的另一個(gè)辦法L1學(xué)習(xí)， 是1995年才出現(xiàn)而快速走紅的,。RPCL已被直接應(yīng)用于解決許多實(shí)際問題上,。例如，在大數(shù)據(jù)分析和無監(jiān)督統(tǒng)計(jì)學(xué)習(xí)中經(jīng)常遇到的聚類分析中,，可自動(dòng)確定樣本集來自幾個(gè)不同的類,。

　　在此期間，徐雷通過對Gaussian Mixture和Mixture of Experts 上的EM算法之收斂性做數(shù)學(xué)分析,，有力支持了M. I. Jordan在九十年代倡導(dǎo)的EM算法的新一輪研究熱,，澄清了當(dāng)時(shí)統(tǒng)計(jì)文獻(xiàn)上關(guān)于EM算法的一些誤解，厘清了EM的優(yōu)缺點(diǎn),。徐雷還與M. I. Jordan和G. Hinton合作,，提出一個(gè)改進(jìn)的多專家混合模型，更適合利用EM算法,。

　　也從這期間開始,，徐雷成為了當(dāng)時(shí)NIPS（后改名為NeurlPS）會(huì)議上活躍的少數(shù)幾位華人學(xué)者之一。從NIPS1992起,，每年一篇,，連續(xù)在NIPS年會(huì)上發(fā)表了四篇論文。若看作者單位,，第一篇徐雷是第一作者,，單位是北京大學(xué)。其他3篇的作者單位都是香港中文大學(xué),。這意味著中國學(xué)者在NIPS發(fā)表論文的最早時(shí)間至少可提前到1992年,，而不是目前國內(nèi)一些資料所記載的本世紀(jì)的頭幾年。

　　80年代底開始,，引發(fā)當(dāng)下人工智能浪潮的深度學(xué)習(xí)之父G. Hinton和一批學(xué)術(shù)精英,，接管了這個(gè)在1986年由IEEE信息論分會(huì)發(fā)起的學(xué)術(shù)會(huì)議。 從此NIPS成為神經(jīng)網(wǎng)絡(luò)領(lǐng)域,、乃至人工智能所有相關(guān)領(lǐng)域的旗艦會(huì)議,。其后近三十年，先是G. Hinton和M. I.Jordan交替為旗手,，后由他們的學(xué)生們接力,，是人工智能領(lǐng)域，最活躍,、最有創(chuàng)意,，也是文章最難進(jìn)入的會(huì)議,。基礎(chǔ)研究成果大多先出現(xiàn)在NIPS,，然后向其他會(huì)議，以一定的滯后期傳播和推廣應(yīng)用,。順便一提,，從1995年起，徐雷曾連續(xù)三年擔(dān)任NIPS組委會(huì)中大中華區(qū)的聯(lián)絡(luò)人（Liaison）,。

　　徐雷在香港中文大學(xué)二十多年期間,，先是進(jìn)一步發(fā)展提出了貝葉斯陰陽學(xué)習(xí)理論，發(fā)表在NIPS1995會(huì)議上,，這點(diǎn)后面還會(huì)做介紹,。然后，他一方面將貝葉斯陰陽學(xué)習(xí)理論及以上所述成果,，進(jìn)一步發(fā)展,、完善、系統(tǒng)化,，并在智能金融,、智能醫(yī)療、雷達(dá)信號識(shí)別等領(lǐng)域做了許多應(yīng)用工作,；另一方面,，在徑向基網(wǎng)學(xué)習(xí)、獨(dú)立子空間學(xué)習(xí),、獨(dú)立分量分析,、時(shí)序獨(dú)立狀態(tài)空間、運(yùn)籌優(yōu)化等方向還做了不少基礎(chǔ)研究工作,。根據(jù)資料檢索,，徐雷的多個(gè)研究成果已被國內(nèi)和歐美日等許多研究單位，廣泛應(yīng)用于雷達(dá),、遙感,、材料、機(jī)器人,、無人駕駛,、軟件工程、網(wǎng)絡(luò)發(fā)掘,、精密制造,、醫(yī)學(xué)圖像、生物信息等領(lǐng)域,。

　　徐雷曾獲得數(shù)個(gè)國內(nèi)外主要獎(jiǎng)項(xiàng)和榮譽(yù),。1993年,，徐雷獲國家自然科學(xué)獎(jiǎng)。1995年,，徐雷獲國際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)領(lǐng)袖獎(jiǎng),。2006年，徐雷獲亞太神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)最高獎(jiǎng)——杰出成就獎(jiǎng),，此獎(jiǎng)每年僅獎(jiǎng)一人,，徐雷是榮獲此獎(jiǎng)第三人，首兩位分別是日本智能領(lǐng)域的頭兩位大咖,。此外,，徐雷于2001年當(dāng)選IEEE會(huì)士，成為中國最早的幾位會(huì)士之一,，也是從計(jì)算智能學(xué)會(huì)當(dāng)選的首位中國學(xué)者,。2002年，徐雷當(dāng)選國際模式識(shí)別學(xué)會(huì) IAPR Fellow會(huì)士,，成為最早獲選的幾位華人之一,。2003年，徐雷當(dāng)選歐洲科學(xué)院院士,。

　　徐雷曾任9個(gè)國際學(xué)術(shù)期刊之編委,，例如，1994起年擔(dān)任國際神經(jīng)網(wǎng)絡(luò)權(quán)威學(xué)術(shù)期刊Neural Networks的編委達(dá)22年,，是首位擔(dān)任這個(gè)角色的華人,。2001年至2003年，徐雷當(dāng)選國際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)理事會(huì)理事,，是中國學(xué)者最早當(dāng)選的二人之一（另一位是當(dāng)時(shí)的北京大學(xué)常務(wù)副校長）,，并任Award committee委員。2007-08年徐雷任IEEE計(jì)算智能學(xué)會(huì)Fellow committee委員,，是首位華人擔(dān)任該學(xué)會(huì)此角色,。他還是首位獲任 IEEE 計(jì)算智能學(xué)會(huì)會(huì)士評審委員會(huì)的華人。

　　徐雷于2016夏全職到崗上海交大,，任致遠(yuǎn)講席教授,、人工智能研究院首席科學(xué)家、腦科學(xué)與技術(shù)中心首席科學(xué)家,、張江實(shí)驗(yàn)室腦與智能科技研究院神經(jīng)網(wǎng)絡(luò)計(jì)算研究中心主任,。在香港期間也一直致力于貢獻(xiàn)內(nèi)地，為促進(jìn)中國神經(jīng)網(wǎng)絡(luò)領(lǐng)域的發(fā)展出力,。2005年中國神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)在總結(jié)其十五年歷程時(shí),，向?yàn)樵擃I(lǐng)域在中國之發(fā)展做出貢獻(xiàn)者，頒發(fā)了三個(gè)獎(jiǎng),，一是給國內(nèi)學(xué)者的貢獻(xiàn)獎(jiǎng),， 羅沛林院士,、吳佑壽院士獲獎(jiǎng)；二是一個(gè)給外國學(xué)者的友誼獎(jiǎng),，日本神經(jīng)網(wǎng)絡(luò)領(lǐng)域頭號大咖Amari教授獲得,；三是給境外華人的長期報(bào)效獎(jiǎng)，由徐雷獲得,。

　　面對如此豐碩的成果,，徐雷卻自謙道，“我只是在科技‘奧運(yùn)會(huì)’的某個(gè)項(xiàng)目為中國拿過獎(jiǎng)牌,，只不過就像很多優(yōu)秀的運(yùn)動(dòng)員一樣，只能在很短一段歷史時(shí)間里做冠軍,?！睂?shí)際上，徐雷的領(lǐng)軍時(shí)間并不短暫,，從90年代初之后的一,、二十年里，徐雷一直是神經(jīng)網(wǎng)絡(luò)和模式識(shí)別等人工智能領(lǐng)域中,，中國人的一個(gè)重要代表人物,。

　　人工智能將帶來哪些行業(yè)機(jī)會(huì)？

　　近年間,，人工智能為多個(gè)傳統(tǒng)行業(yè)賦能,，如醫(yī)療、金融,、安防等行業(yè)都受到了深刻的影響,。哪些行業(yè)更能吃到人工智能的紅利？下一個(gè)人工智能帶來的增長點(diǎn)又將會(huì)出現(xiàn)在哪里,？

　　對此,，徐雷概括，凡是涉及到視覺和語音的行業(yè)都可能被人工智能所改變,。人類最主要的信息獲取渠道是視覺和聽覺,，自2006年Hinton團(tuán)隊(duì)的工作以來，這一波人工智能的核心突破點(diǎn)正是讓機(jī)器“耳聰目明”,。

　　以語音應(yīng)用為例,，由于人說話快、寫字慢,，很多原本需要人們耗費(fèi)時(shí)間精力記錄的工作可通過語音技術(shù)轉(zhuǎn)成記錄,，如醫(yī)生手術(shù)記錄、打官司寫訴狀,、填表等,，都是人工智能可以發(fā)揮作用的場景,。視覺方面，我國對場景監(jiān)控的需求越來越大,，相關(guān)行業(yè)未來仍有較大增長空間,。不僅如此，人類智能中最主流的信息獲取渠道就是視覺,，70%左右的信息獲取來自視覺,，如果一個(gè)人從小就失明，長大后智能發(fā)展必然受損,。人工智能也是同理,，現(xiàn)在人工智能發(fā)展程度相當(dāng)于達(dá)到了幾歲的兒童就能達(dá)到的視覺和聽覺能力，在此基礎(chǔ)上開發(fā)其他應(yīng)用的空間是很大的,。

　　徐雷指出,，要挖掘人工智能在視覺和語音相關(guān)領(lǐng)域的新應(yīng)用，關(guān)鍵在于找到還未被一窩蜂涌入又有經(jīng)濟(jì)增長點(diǎn)的場景,，這就是二次創(chuàng)新,。

　　盡管人工智能應(yīng)用前景廣闊，但在精密制造等領(lǐng)域,，智能化進(jìn)程并不如人們預(yù)期的那么快,。徐雷認(rèn)為，這是由于進(jìn)入專業(yè)領(lǐng)域的人工智能人才過少,，無論是來自高校的人才還是AI初創(chuàng)企業(yè)都很少選擇精密制造業(yè)的緣故,。這類領(lǐng)域需要從業(yè)者能夠同時(shí)在人工智能領(lǐng)域和特定專業(yè)領(lǐng)域具備研究水平，從業(yè)者要進(jìn)入相應(yīng)領(lǐng)域的學(xué)習(xí)成本較高,，這就導(dǎo)致大學(xué)老師和企業(yè)雙方都沒有強(qiáng)烈發(fā)展AI+制造的意愿,。但一旦人工智能進(jìn)入制造領(lǐng)域，必能發(fā)揮更大的作用,。

　　如今人工智能在醫(yī)療行業(yè)最重要的應(yīng)用是醫(yī)療影像分析,，也是中國有樣本優(yōu)勢有望問鼎世界的領(lǐng)域。一來醫(yī)院已積累了大量影像片子,，便于機(jī)器學(xué)習(xí)訓(xùn)練,；二來影像分析中人工智能的應(yīng)用相對簡單，只要識(shí)別,、檢索,、分割和標(biāo)記影像即可，需要用到的醫(yī)學(xué)專業(yè)知識(shí)較少,，因此人工智能可以順利投入應(yīng)用,。而在醫(yī)藥開發(fā)這類需要更多專業(yè)知識(shí)的領(lǐng)域，人工智能與醫(yī)療的結(jié)合依然很難,。懂醫(yī)的不懂AI,，懂AI的人不懂醫(yī),，甚至雙方想互懂的欲望都不大，應(yīng)用自然落地維艱,。徐雷認(rèn)為,，這與評價(jià)機(jī)制有關(guān)，學(xué)者研究新領(lǐng)域的時(shí)間成本高,，發(fā)文章慢,，又難以獲得適當(dāng)?shù)脑u價(jià)，造成動(dòng)力不足,，這是AI與應(yīng)用場景結(jié)合的關(guān)鍵難點(diǎn),。

　　行業(yè)機(jī)會(huì)與地方政策息息相關(guān)。談及上海人工智能產(chǎn)業(yè)的發(fā)展機(jī)會(huì),，徐雷對AI報(bào)道表示,，從中國現(xiàn)狀來看，人才最集中的地區(qū)是北京,，但是上海政府是布局人工智能最積極的地方政府。

　　一方面,，從2018年起上海政府每年舉辦的世界人工智能大會(huì)WAIC,，打造世界頂尖的智能合作交流平臺(tái)和行業(yè)盛會(huì)。并在大會(huì)上頒發(fā)最高榮譽(yù)SAIL獎(jiǎng)（Super AI Leader,，即“卓越人工智能引領(lǐng)者獎(jiǎng)”）,，打造AI行業(yè)的“諾貝爾獎(jiǎng)”，激勵(lì)全球范圍內(nèi)在技術(shù)上做出方向性突破,、應(yīng)用創(chuàng)新,，正在或?qū)⒁淖兾磥砩畹娜斯ぶ悄茼?xiàng)目。

　　另一方面,，在上海政府的優(yōu)惠政策下,，很多來自北京、深圳的人工智能企業(yè)來到上海發(fā)展,，為上海帶來了大量的人才,。特別是上海經(jīng)信委積極建設(shè)人工智能應(yīng)用基地，并在一年內(nèi)連續(xù)發(fā)布了二十多個(gè)人工智能試點(diǎn)應(yīng)用場景作為各個(gè)領(lǐng)域的示范,，動(dòng)作是相對超前的,。如果上海政府能夠堅(jiān)持推動(dòng)下去，未來前景很可觀,。另外,，上海研究人工智能的力量更具備可聯(lián)合性，協(xié)同性較強(qiáng),。

　　2018年在上海舉辦的世界人工智能大會(huì)期間,，多年未見的老朋友相見于黃浦江畔,。從右邊起依次是Alan L. Yuille、 張旭,、徐雷,、鄧力。另外,，左起是Michael I. Jordan和徐雷,。

　　雙向智能應(yīng)用初探

　　談及近兩年的研究成果，徐雷介紹,，近期他正在繼續(xù)發(fā)展雙向智能,，即將形象思維抽象思維和認(rèn)知結(jié)合到一起，并繼續(xù)發(fā)展整體理論框架,。前面提到,，早在1991年提出的LMSER學(xué)習(xí)，就具備實(shí)現(xiàn)換臉功能的潛力,，只是當(dāng)時(shí)因算力所限沒有實(shí)現(xiàn),。但在那篇論文中，已討論和預(yù)言了多層LMSER的若干認(rèn)知功能,，如聯(lián)想,、概念形成、心像,、注意等,。最近徐雷的學(xué)生，對多層Lmser進(jìn)行計(jì)算,，不僅驗(yàn)證了早年的預(yù)言,，而且發(fā)現(xiàn)比目前相近的自編碼和U網(wǎng)，性能更優(yōu)越,，尤其是樣本少,、攻擊強(qiáng)的情況下。

　　推理是徐雷研究的又一方向?，F(xiàn)在的知識(shí)圖譜方法反映的是信息的相關(guān)性,，不能揭示因果性。在借助人工智能進(jìn)行問題推斷時(shí),，找出因果關(guān)系是更有必要的,。1987年時(shí)，徐雷就曾涉獵因果推理,，最近在這方面又取得了較大進(jìn)展,。近年，中國全面啟動(dòng)了新一代人工智能重大科技項(xiàng)目。徐雷作為負(fù)責(zé)人,，帶領(lǐng)上海交大,、清華、北大,、浙大,、電子科大、上科大和阿里巴巴七個(gè)單位組成的團(tuán)隊(duì),，成功申請下來最近公布的首批項(xiàng)目之一,，就是要主攻這個(gè)方向，希望能夠獲得大的突破,。

　　此外,，雙向智能還能應(yīng)用于許多類似AlphaGo的場景。在人工智能領(lǐng)域中,，AlphaGo做到的事實(shí)際上被叫做啟發(fā)式搜索和問題求解?，F(xiàn)在很多人以為AlphaGo的成功關(guān)鍵在于蒙特卡洛樹的前瞻性搜索，但徐雷表示,，這并不是AlphaGo成功的關(guān)鍵要素,，在1986-1988年間，中國學(xué)者在研究啟發(fā)式搜索時(shí)就已提出過類似思路,。真正的關(guān)鍵在于用深度學(xué)習(xí)網(wǎng)絡(luò)來看到棋盤,，猶如開了“天眼”，認(rèn)清了狀態(tài)并由此聯(lián)想,，做到三管齊下。

　　徐雷總結(jié)稱,，下棋和做領(lǐng)導(dǎo)是類似的,，都要做三件事。第一件,，是要先試幾步看一看,，類似于鄧小平做深圳特區(qū)先行探路。第二件,，需要有仙人指路,，指出這一盤棋能不能贏，贏面是多少,，這類似于大智慧者老子出面提示,，起到的是堅(jiān)定信心的作用。第三件,，需要孫子相助,，告訴從業(yè)者具體有幾種走法、走哪里是最好的策略，讓從業(yè)者選擇贏面最大的走法,。下棋也好,，解決任何一個(gè)問題也好，都需要三種人同時(shí)協(xié)同,。AlphaGo之所以能贏,，就是因?yàn)橛蒙疃葘W(xué)習(xí)網(wǎng)絡(luò)開了天眼、認(rèn)了棋盤,，同時(shí)做了“老子”和“孫子”,。

　　而雙向智能的關(guān)鍵就在于形象思維認(rèn)知和抽象思維相結(jié)合，雙向協(xié)同互補(bǔ),。過去只用抽象思維進(jìn)行問題求解所遇到的困難,，有望通過雙向智能獲得改進(jìn)。

　　一般認(rèn)為,，AlphaGo按最低使用率計(jì)算,，能耗也高達(dá)3萬瓦，是一個(gè)人腦的耗能一千倍,。后來的AlphaGoZero 降到了其百分之十,。我們希望運(yùn)用雙向智能的耗能明顯小于AlphaGo，希望僅通過一個(gè)很小的機(jī)器就可以做到,。徐雷強(qiáng)調(diào)：“關(guān)鍵是要追求單位能耗下的智能,。”

　　AlphaGo和AlphaGoZero由背靠Google的DeepMind公司研發(fā)而成,，此外,，世界上其他的巨無霸公司也先后投入了這場研究，如騰訊已推出圍棋AI“絕藝”,，日本,、法國也各有自己的圍棋AI。但徐雷認(rèn)為,，圍棋AI不應(yīng)只有擁有巨大資源的巨無霸公司能做,，希望僅用普通的機(jī)器也可以與它們對弈。

　　雙向智能的另一優(yōu)勢是魯棒性高,。以刷臉應(yīng)用為例,，很多刷臉程序在應(yīng)用時(shí)，框稍微動(dòng)一下,，用戶的臉就識(shí)別不出了,，雙向智能方法有望改進(jìn)這一困擾。

　　徐雷解釋道,，通常的人工智能研究,，要么單向地由外向內(nèi)考慮識(shí)別認(rèn)知,，如現(xiàn)在大多數(shù)深度學(xué)習(xí)應(yīng)用，要么單向地由內(nèi)向外考慮思維與問題求解,。而雙向智能是兩個(gè)方向同時(shí)考慮,，認(rèn)知抽象的部分被叫做陽，另一部分叫作陰,，陰陽和諧進(jìn)行,。有趣的是，1981年諾貝爾獎(jiǎng)獲得者羅杰·斯佩里的發(fā)現(xiàn),，左右腦皮質(zhì)區(qū)分為左右兩邊,，一部分負(fù)責(zé)邏輯、分析,，一部分負(fù)責(zé)認(rèn)知,，雙向智能理論與這個(gè)人腦分工理論是相容的。

　　沿著在1991年提出Lmser的路子發(fā)展,，引入概率理論,，結(jié)合上面的思路， 徐雷在1995年進(jìn)一步發(fā)展提出了貝葉斯陰陽學(xué)習(xí)理論,。盡管陰陽的概念源自中國,，在西方面臨接受度的問題，人工智能頂會(huì)NIPS在1995年會(huì)議還是接受了這個(gè)論文,。它不但為許多現(xiàn)有統(tǒng)計(jì)學(xué)習(xí)主要模型提供了一個(gè)統(tǒng)一的框架,，而且建立了一個(gè)易于計(jì)算的有限樣本下學(xué)習(xí)的新理論，可在參數(shù)學(xué)習(xí)的過程中自動(dòng)完成模型選擇,。上世紀(jì)末,，麻省理工整理20世紀(jì)腦科學(xué)和神經(jīng)網(wǎng)絡(luò)重要貢獻(xiàn)，出版經(jīng)典匯集《腦理論和神經(jīng)網(wǎng)絡(luò)方法》時(shí),，貝葉斯陰陽學(xué)習(xí)理論也被收納其中,。

　　AI新挑戰(zhàn)無可回避

　　人工智能蓬勃發(fā)展的同時(shí)，也帶來了一系列新的挑戰(zhàn),。

　　倫理方面，面臨最大爭議的研究領(lǐng)域是“增強(qiáng)智能”,，特斯拉CEO埃隆·馬斯克正在研究的腦后插管就是一個(gè)代表性例子,。“增強(qiáng)智能”旨在將人腦與機(jī)器直接連接,，讓人能夠通過腦電波直接控制機(jī)器進(jìn)行交流,。這部分研究對殘疾人是有意義的，但也提出了重大的倫理挑戰(zhàn)：這一類人與機(jī)器的結(jié)合體是否依然能被稱作人類,？

　　人工智能還可能帶來更為直觀的危險(xiǎn),。比如，國外有人做出蝴蝶或蜻蜓大小的飛行器，攜帶著烈性炸藥,，通過人臉識(shí)別技術(shù)尋找特定對象并炸穿面部實(shí)施謀殺,。目前，有3000多名人工智能從業(yè)者聯(lián)合簽名阻止上述研究,，但以現(xiàn)有技術(shù)做出這類“殺手機(jī)器人”已不成問題,。

　　更重要的是，人工智能減少人的勞動(dòng),，將導(dǎo)致失業(yè)問題,。隨著人工智能逐漸替代人的勞動(dòng)崗位，用工成本漸低,，未來財(cái)富很可能越來越集中到幾個(gè)寡頭手里,，其他人卻越來越貧窮。而人的本性決定,，大資本家掙錢后不會(huì)拿出來與普通百姓共享,。

　　不過，失業(yè)問題并非完全無解,。徐雷認(rèn)為,，人工智能不斷改變?nèi)祟惖纳钚螒B(tài)，將造就行業(yè)洗牌的機(jī)會(huì),，舊的行業(yè)倒下后,，也可能洗出新的領(lǐng)域。核心問題在于如何創(chuàng)造出新的生活方式,，在某個(gè)領(lǐng)域的從業(yè)者批量失業(yè)的同時(shí),，怎樣讓新的行業(yè)吸收倒下的行業(yè)。徐雷將該過程比作小孩搭積木,，“現(xiàn)在有一些積木塊,，我們用它搭出一個(gè)世界；后來有一天,，小孩玩這個(gè)積木玩煩了,，希望搭出新的一堆積木，拆拆搭搭總有事干,?！敝皇牵祟惖男枨蟛⒎菬o限增長,，因此新行業(yè)的創(chuàng)造存在極限,。對此，徐雷寄希望于政府進(jìn)行統(tǒng)一管理,，強(qiáng)有力地從頂層解決最關(guān)鍵的分配問題,，才有可能達(dá)到人工智能為勞動(dòng)者減負(fù)而不導(dǎo)致失業(yè)潮的狀態(tài),。

　　最后，徐雷談到了人工智能發(fā)展可能帶來人類抽象思維能力下降的問題?，F(xiàn)代計(jì)算機(jī)在西方智能高度抽象的基礎(chǔ)上建立而成,，在計(jì)算機(jī)替代人類完成很多抽象思維工作后，人類的相應(yīng)能力就得不到鍛煉,。這意味著人類不只是工作在被替代,，連思維能力也在被代勞的過程中逐步減退。