ZIFA名家观点 | 教育部人工智能科技创新专家工作组组长吴飞教授：可计算社会学人工智能专题报告

Original 浙大ZIFA ZIFA 2023-02-24

2020年1月6日，中国会计、财务、投资智能化暨智能财务专业创新研讨会（点击链接）于浙江大学举行。应众多兄弟院校专家和老师们要求，我们对会中嘉宾的精彩主旨发言再次进行详细整理，并以ZIFA名家观点的形式分享给大家。浙江大学计算机学院副院长、教育部人工智能科技创新专家工作组组长吴飞教授进行了题为《可计算社会学》的人工智能专题报告，介绍了人工智能的诞生与发展历程。

主讲专家

■ 吴飞教授

吴飞教授现任浙江大学计算机学院副院长、教育部人工智能科技创新专家工作组组长、浙江大学人工智能研究所所长。主要研究领域为人工智能、跨媒体计算、多媒体分析与检索和统计学习理论。国家杰出青年科学基金获得者、教育部新世纪优秀人才支持计划入选者。

讲座精华

内容整理：徐犀月（RA | ZIFA)

图文编辑：何子璇（RA | ZIFA)

工欲善其事，必先利其器：

智能之器从何而来？

人工智能是以机器为载体的人类智能或机器智能，这个载体包括计算机/掌上可计算设备等多种形式。人工智能的计算载体基于充分的理论准备走进人类社会。人工智能可以倒推到计算智能，再由计算智能倒推到计算模型的准备，因此我们讨论人工智能时，首先要追溯到可计算思想的产生。

20世纪初，科学家发现很多事情不可计算。1900年，德国数学家David Hilbert在法国巴黎的一次数学家大会上提出23个数学问题。其中问题二是证明算术公理的相容性。相容性包含3点：

1.完备性：所有能够从该形式化系统推导出来的命题，都可以从这个形式化系统推导出来。（所有属于我的都属于我）

2.一致性：一个命题不可能同时为真或为假（所有不属于我的都不属于我）

3. 可判定性：算法在有限步内判定命题的真伪。

David Hilbert提出的纲领牵引了数学家的前进。如何证明这一问题？可用怎样的“计算载体”来实现？如果该证明手段是机械装置或自动装置，是不是就能指引人类从手工计算年代走入自动计算年代？

后来，哥德尔在《论数学原理及有关系统中不可判定命题》中提出了哥德尔不完全性定理证明这一问题。任何表达力足够强的（递归可枚举）形式系统都不可能具有一致性和完备性，数学建立的基石是一致性，而放弃了其完备性。

而天才的图灵在《论数学计算在决断难题中的应用》中用另一方法证明了该问题，并直接导致了世界上第一台计算机理论模型的产生。

图 1 “判定性问题”是无法解决的，即有些数学问题是不可求解的

图灵提出所有可计算的问题都可用该装置计算出来，如果问题可被计算，一定进入图灵可停机状态；一旦图灵可停机，问题即可被计算。计算机将不断猜测一个n，再试探满足方程的x、y、z的解，该计算程序已经写好，等待激发，这一过程是按部就班、不可造次的，即计算机不可能执行无人书写的代码。

图灵机模型在佛罗伊曼等人的努力之下被研制成为计算机，人类从此走入了自动计算的时代，机器可以替代人类工作。那么，为什么哥德尔等数学家的理论没有成为人类计算机的理论模型呢？因为，只有图灵机是机械计算的模型，只要有一支笔和一张纸，一名高中生就能就问题一步步地推导出来，而哥德尔的证明需要运用大量数学和逻辑学的知识。

那么，拥有了可计算之器，我们就可以用其来完成人类功能，人工智能从此走上历史舞台，从自动计算迈向智能计算。

人工智能的诞生

1955年，四位学者提出了人工智能这一术语及研究范畴：让机器能像人那样认知、思考和学习，即用计算机模拟人的智能。

John McCarthy（时任Dartmouth数学系助理教授，1971年度图灵奖获得者）
Marvin Lee Minsky（时任哈佛大学数学系和神经学系Junior Fellow，1969年度图灵奖获得者）
Claude Shannon（Bell Lab，信息理论之父）
Nathaniel Rochester（IBM，第一代通用计算机701主设计师）

图 2 AI概念提出50年后，建议人合影

报告列举了AI值得关注的7个问题：

1. Automatic Computers

2. How Can a Computer be Programmed to Use a Language

3. Neuron Nets

· set of (hypothetical) neurons be arranged so as to form concepts

4. Theory of the Size of a Calculation

5. Self-improvement：自我学习与提高

6. Abstractions：归纳与演绎

7. Randomness and Creativity：随机

图 3 1956年，达特茅斯会议，人工智能的概念被正式提出

这其中，自我学习与提高、归纳与演绎、随机性和创造力是人类独有的功能，现在的人工智能要达到这三个功能还有非常漫长的道路。

人类可以自我学习和提高，我们的孩子从小学初中到高中，知识体系能够快速增长直到考上大学。试想一下如果有台机器人从幼儿园、小学、初中、高中就跟我们的孩子一样读书，他能考上这个大学吗？他能具有人类这样丰富的情感和伦理道德的约束吗？不会有。智能算法没有这样自我学习和提高的能力。人类可以把大数据读薄，厚积薄发，在归纳和演绎之中游刃有余，但机器只能是数据驱动，或是规则演绎。

人类可以眉头一皱计上心来，大脑如一道闪电闪过，从而产生绝妙的思想，但计算机的求优求导一定会要求该函数是连续的，它才可以求偏导、才存在最大值和最小值，因此，这个优化目标只能是一个连续函数，不存在基点和跳跃点。在这种限制下计算机又如何能够脑洞大开，产生一个奇妙的思想？所以，从弱人工智能迈向强人工智能，理论本身还具有绕不过去的鸿沟。

人工智能的启航

2017年7月20日，国务院向社会发布《新一代人工智能发展规划》。该规划也是浙江大学老校长潘云鹤院士带领多位院士，在科技部、教育部和工程院的支持之下给党中央国务院写了一封信，获得总书记批示，从而形成的国家意志和国家规划。规划强调把握人工智能技术属性和社会属性高度融合的特征，既要加大人工智能研发和应用力度，最大程度发挥人工智能潜力；又要预判人工智能的挑战，协调产业政策、创新政策与社会政策，实现激励发展与合规规制的协调，最大限度防范风险。

图4 国家《新一代人工智能发展规划》向社会发布

人类已进入信息空间、物理世界和人类社会三元空间融合时代。为什么人工智能和人类社会已经不可分离？引用潘云鹤老校长的观点，人类正在进入信息空间、物理世界和人类社会三元空间融合时代。在这个时代里面，信息空间有大量数据的涌现，物理世界能捕获我们的蛛丝马迹，人类社会有亲朋好友、粉丝等各类社会关系的存在。而这些数据实际是融合在一起的，我们很难想象某一个事件是单独发生在信息空间或物理世界或人类社会。

图5 信息空间、物理世界和人类社会三元空间融合

在这个空间里，可计算社会学的思想就产生了。

可计算社会学：

应用计算模型和方法来理解和预测现实世界

2009年哈佛大学的David Lazer等人在《Science》杂志发表论文，认为需要建立可计算模型（Computation Model）来理解现实世界，即用数据的方法来研究社会学和用社会学的方法来研究数据。

举例：谷歌预测流感方法中的人工智能

Google推出“谷歌流感趋势”项目，通过分析搜索单词来预测流感的爆发。谷歌公司深信，当流感爆发的时候，大家都用谷歌来搜索流感，比如武汉市对不明肺炎的搜索量一定远高于浙江，由此来预测该地可能马上爆发流感，用数据直接指导物理世界的性质。与美国疾病控制和预防中心提供的报告对比，其对追踪疾病的精确率达到97%-98%。

图6 Google预测的流感爆发与实际情况对比

图7 Google预测的流感分布图

但是若仅靠搜索引擎数据来预测流感远远不够，有人发现谷歌预测模型的错误颇多，谷歌流感预测（Google Flu Trends，GFT）所预测流感样病例门诊数超过了与美国疾病预防控制中心（Centers for Disease Control and Prevention，CDC）根据全美各实验室检测报告得出的预测结果的两倍。

这里不得不提到“大数据傲慢”（Big Data Huris）的概念，即有人认为大数据可以完全取代传统的数据收集方法，而非作为后者的补充。其实不然，人与计算机的因果推理方式存在差异，这可能导致在某个条件下的两组数据分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论，即“辛普森悖论”（Simpson’s Paradox ）的出现。所有数据在大数据里面是“横看成岭侧成峰”，人们通过不同的解读方式就能得出想要的结论，因此该结论不一定是全面的、公正的。为了克服大数据傲慢，我们不仅要知其然还要知其所以然。

计算思维成为可计算社会学思维的研究方式

计算思维是运用计算机科学的基础概念进行问题求解、系统设计、以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。在人工智能、大数据、互联网等支撑下所形成的计算思维与实验思维和理论思维同等重要，人工智能正成为一种通识教育，渗透进入其他知识技术教育之中。

表8 实验思维、理论思维与计算思维的比较

人工智能与机器智能存在巨大不同

现在是人工智能的初创期和应用期，人工智能和人脑智能仍存在较大区别。人类智能是小数据、大任务；机器智能是大数据、小任务。正如莫拉维克悖论所揭示的，困难的问题是易解的，容易的问题是难解的。

表 9 人类大脑与机器智能的区别

用一句话描述人类智能和机器智能的区别，“见一叶落，而知岁之将暮；审堂下之阴，而知日月之行，阴阳之变；见瓶水之冰，而知天下之寒，鱼鳖之藏也。”——《淮南子说山训》

人工智能已于1955年左右启航，到今天在应用方面正在发挥其头雁效应，但很多的技术理论还在等待我们的探究。David Hilbert去世时在其墓碑上用德文写着：“我们必须知道，我们必将知道”。诺贝尔物理学奖的获得者Richard Feynman在退休时在黑板上写下“不可造也，未能知也”。

其作始也简，其将毕也必巨。

中国会计、财务、投资智能化暨智能财务专业创新研讨会

大会合影

ZIFA预告 | “财务侦探”郑朝晖（夏草）：注册制下新会计思维及案例分析 “紫金财道”第三讲重磅来袭（扫码观看直播）