#鄭南寧 | 熱門關鍵字 | 鉅亨號

中共中央政治局4月25日下午就加強人工智慧發展和監管進行第二十次集體學習。西安交通大學教授鄭南寧同志就這個問題進行講解，提出工作建議。今天刊登一則鄭院士在北京智源大會”上，做的名為《機器行為與具身智能》的演講。以下為報告全文：大家好，今天我報告的題目是“機器行為與具身智能”。首先，我們來看一個相對簡單的十字路口場景，場景中有行人、有非機動車和機動車，我們看一看它的動態場景是如何構成的？十字路口的交通場景是不可預測的，但場景中的每個對象或稱之為Object直覺的判斷和他們對相互之間的行為關係的理解，形成了這樣一個相互關聯的穩定系統。人在這些場景中能夠迅速的理解和判斷各個對像在空間及其行為的關聯性。而自動駕駛也必須要能夠抽象和表述這種關聯性，才能做出精準地判斷，而事實上我們要讓機器機基於規律對交通場景的動態變化進行事先編碼是做不到的，我們需要研究在這種互動場景中，多個自主體的自適應行為。舉例來看，在F1比賽中，工作人員利用團隊協作可以迅速地完成車輛輪胎的替換工作，如何利用機器人叢集協作完成某項任務並給出科學的解釋，是一個值得探討的問題。討論1：機器行為模仿與解釋解釋行為是一個比產生行為更為困難的任務，因為幾乎人類所有的行為都是從環境中學來的，即刺激反應的結果。並不都像思維和情感這樣的內部事件，一台圖靈機能以一種無法與人類區別的方式活動，但產生出這樣的行為模仿並不足以模擬人的智能，因為兩者是一個完全不同的問題。解釋必須儘可能清晰地給出潛在的概括，並將它們與某些普遍的原理聯絡起來，這就是認知過程的理解。如果我們從人工智慧技術的發展來看，我們可以把人工智慧技術的發展分為如下階段：第一階段，統稱之為“專家學習系統”，專家系統是將領域知識和規則交給機器去搜尋。第二階段，簡稱為“特徵工程”，所謂特徵工程是講事先定義的特徵和答案交給機器去學習。第三階段，是將原始資料和標籤交給機器，利用深度神經網路讓機器自動學習特徵。在這一階段人工智慧取得了驚人的發展，特別是機器在語音和圖像識別與分類能力方面超過了人類。當前人工智慧發展朝著第四階段的方向發展，人類只需要將任務和目標交給機器，機器就可以像人類一樣感知和理解世界，人與人之間或社會會與物理世界自然互動，也就是說在這一階段探索具有人類意識的人工智慧系統，像人類一樣在廣泛的任務和環境中進行學習和適應，實現通用人工智慧。通用人工智慧理論上是具有自我意識、自主思考、學習計畫、解決問題以及理解複雜概念的能力，它可以在新的未曾遇到的情景下適應並執行任務，這需要廣泛的背景知識和常識，還有抽象思維和判斷等人類智能所有的關鍵特徵，這是一個充滿著不確定性的未來目標。討論2：機器行為面臨的挑戰人工通用智能現在不僅僅在技術上面臨著重大挑戰，而且還面臨著道德倫理、社會和法律等一系列重大問題。研究複雜動態不確定環境中的機器行為，存在著兩個基本問題：一、條件問題，是我們不可能列舉出一個行為的所有先決條件；二、分枝問題，是我們不可能列舉出一個行為有可能產生的所有隱性結果。傳統的人工智慧基本理論框架是建立在演繹邏輯和語義描述與形式化方法的基礎上，形式化的方法不可能為所有的對象或行為建立模型。機器行為研究面臨的挑戰，就是如何使人工智慧系統具有合作性的行為。德國心理學家設計了一個兒童心理學實驗，實驗中一位一歲半的兒童和媽媽坐在同一個房間的角落裡，一位成年人走進房間想打開櫃門，他一遍遍的撞擊著櫃門，這時神奇的場景發生了，並沒有人直接向這位孩子求助，也沒有人向他發出指令，但一歲半的孩子搖搖晃晃走過來，幫助這個成年人打開了櫃門。該實驗試圖想證明孩子可以自發的幫助別人，但這個實驗卻對人工智慧提出了一個重大挑戰，我們能否通過理解這個一歲半孩子的腦內所想，讓機器人也能具有這樣的智能性、靈活性與合作性行為？這個實驗告訴我們，智慧型手機器不能從工程機器的角度去理解它們，而且要將其視為一系列有自己行為模式及生態反應的個體或機器群體。另外一個實例，給出一段西安絕句“海棠不惜胭脂色、獨立濛濛細雨中”。讓電腦語言理解的程序和人，分別從一個圖像資料庫中找出最貼切這段詩的圖像。電腦找出了這樣一幅圖，海棠上掛滿著雨滴，正真是“海棠不惜胭脂色、獨立濛濛細雨中”。而人卻給出右邊這幅圖，一位亭亭玉立的少女在濛濛的細雨中沒有打傘，行走在幽靜的小道上。被測試的人在內心把這位少女比作海棠，在這樣的雨天這位少女全然不顧風雨的存在。人類理解詩歌往往是在內心深處將想像力帶入現實，通過自身的認知去欣賞。這首西安絕句是宋代詩人陳與義所寫的《春寒》，當時金兵入侵，南宋小朝廷處於山河破碎風飄絮，詩人南渡避難，借助在巴陵友人的後院，自號“園公”。2月的巴陵幾乎天天下雨，料峭的春寒還未結束，此時詩人流離失所，漂泊無依，不由地聯想起自身的境遇進行感懷，寫下了這首詩。在這裡，我們看到一幅圖像到了人類觀察者的腦中，在他的內心深處將想像力帶入了現實，圖像變成了生動的場景故事。這裡簡單的語言與圖像的聯想，說明許多重要的AI應用，例如機器視覺和自然語言理解需要大量對世界的認識資訊。為此，電腦需要掌握知識，這是幾乎所有AI研究者都同意的觀點。想像是人的一種虛構的能力，也就是人可以想像不存在事物的能力，但如何更加有效地把知識傳授給機器人，依然是我們今天面臨的一大挑戰。討論3：機器行為的研究範圍諾貝爾獎獲得者西蒙教授，在《人工科學》這本書中指出：自然科學是關於自然體和自然現象的科學知識，也有人工科學關於人工物體和人工現象的知識。如今，大量的智慧型手機器應用於人類社會的各個角落，幾乎所有層面。機器行為研究關注的是智慧型手機器，而非傳統的機械。它的研究範圍有：機器行為生成的人工設計，智能體如何憑藉經驗產生行為。還有機器行為的可解釋性，智能體如何根據場景響應機器行為。機器行為一旦失去監督所帶來的潛在危害是什麼？這些問題與智能體和人工智慧行為的信任是密切關聯的。諾貝爾獎得主、荷蘭動物學家Tinbergen提出：想要全面地理解一個演化出來的特性，我們需要回答四個問題：1、行為生成的機制，智能體生成行為的機制基於其演算法和執行環境的特點，我們利用可解釋性技術可以來理解特定行為模式背後的特定機制；2、行為的發展，智能體的行為是隨著時間的推移而發展，這就需要研究機器是如何獲得特定個體或機體行為。行為發展可以是工程選擇的結果，也可能是來自智能體的經驗；3、行為的功能，行為分析需要瞭解特定行為是如何影響智能體全生命周期功能，研究行為對智能體特定功能的影響；4、行為的進化，智能體容易受到進化歷史和與其他智能體互動的影響，從這個角度來看，研究機器行為需要關注智能體的進化。以上這四個問題就構成了演化思維的四個工具，需要強調的是發展並不僅僅意味著一種行為的出現，而是發展過程中行為機制的變化。討論智能個體如何獲得特定的行為，即機器行為的發展。這裡有三個基本的途徑：第一個途徑：人類通過演算法直接賦予機器行為的發展；第二個途徑：利用特定的互動訓練，刺激、塑造機器行為；第三個途徑：機器通過自身的經驗獲得某些行為，比如說機器可以通過記憶或強化學習等方式自主獲得某種行為的能力。機器行為的進化過程中，機器行為可以在發展中與所處環境和人不斷地互動，朝著環境和人特定的方向進化。同時由於機器不同於生命體，它的進化可以突破某種生命體的侷限性，而且可進化的機器行為可以傳播至群體廣泛的機器行為存在，也可能受到某些限制，阻止其傳播，機器可表現出非常不同於有機進化的軌跡。比如進化後的無人駕駛演算法，可以共享至無人駕駛汽車群體，實現行為能力的傳播。對此，我們對人與智慧型手機器的行為關聯做一個小結：1、機器塑造了人類行為：在社會系統中引入智慧型手機器可以改變人類行為的方式，智慧型手機器具有改變社會結構的潛力。2、人類塑造了機器行為：人類通過對人工智慧系統進行主動輸入或被動行為觀察的訓練來塑造機器行為，使用演算法直接來改變機器的行為。3、人機混合協同行為：大多數人工智慧演算法在複雜的混合系統中與人類共存的領域發揮著重要作用，如何分析和刻畫這類複雜系統中人機互動的屬性和行為，包括合作、競爭和協調都是至關重要的問題。討論4：具身智能和行為生成具身智能是一種機器自主感知環境、學習和理解行動的能力，從生物進化的角度來看，地球上所有智力活動都是生物通過自己的身體與環境互動後，通過自身學習與進化遺留下來的智力遺產。智能是具身化和情境化的，具身智能強調智能生物的智能化程度和它的身體結構存在著很強的相關性，也就是說身體不是等待載入演算法的機器，而是身體本身應該參與演算法的進化。非具身學習和具身學習對比是有差異的。非具身學習一般通過“大模型無監督預訓練+小樣本有監督微調”範式訓練神經網路，訓練得到的深度學習模型可以直接部署到不同的硬體環境，即演算法的學習獨立於硬體與環境，性能表現完全取決於模型的泛化能力。而具身學習通過在虛擬環境中訓練大模型得到常識表徵，在具體場景中通過強化學習來完成模型的進化，模型可以在特定的硬體和環境中完成自主的適配。由於大模型利用了超大規模的訓練資料，並且包含大量參數，使得它具備了超強的泛化能力與優秀的應用性能。大模型的具身智能行為生成可以分為兩大部分：一、人機互動；二、系統與環境的互動在人機互動部分，人與自然語言或圖文資訊的形式，將任務需求輸入到多模態大模型中，模型對不同形式的輸入進行特徵的嵌入後，完成任務理解和概念推演，並生成知識和決策，最後由機器人生成面向任務指令的相應行為。在系統與環境互動部分，機器人首先利用自身感測器，完成對情境的具身感知，然後根據大模型的學習結果對情境產生行為，最終完成行為的輸出。討論5：基於表徵學習與因果推理的具身智能計算框架要想使機器具有類人的認知能力，首先要建立事件模型，將物體、事件、事實等知識進行有效表徵，進而建構一個持續學習的系統，在解決一個具體任務時，機器根據感知資料、意識先驗、表徵學習、知識庫進行推理，尋找完成任務的最優策略。意識先驗的概念比較抽象，當你處在一個情景中，試圖去理解它，你會意識到它某些現實層面的情景或過去的經歷。意識先驗是在原始輸入和某些更高級表徵基礎上形成的抽象層次。討論6:動態開放環境中的人機協同的具身智能為了讓具身智能表現的更像人類智能，還需要在動態開放的環境中強化人機協同。以往的運動策略學習傾向於把人排除在外，僅由試錯、搜尋獲得儘可能大的長期累積回報的策略，無法適應開放動態的環境。而人在回路的決策學習，由任務、目標引導搜尋，實現行為決策的類人化。此外，還可以通過嵌入式視覺學習、模仿學習和互動學習，引入人的作用。動態開放環境中人機協同具身智能的一種基本框架。人在回路的人機協同決策可以使具身智能向人類學習。自動駕駛系統通過行為克隆向人類駕駛員學習，自動駕駛系統通過10個小時的學習已具有基本的駕駛行為，但仍然無法避障和應對突發事件。自動駕駛面臨著那些挑戰？自動駕駛是開放環境中一類重要典型具身智能系統，在複雜交通環境下，自動駕駛安全要有可靠的駕駛行為。首先，它需要解決複雜交通場景中的“周密感知”，無論天氣或照明情況如何，必須在所有條件下檢測道路特徵。其次，它需要進行“預行為”的理解，因為人類駕駛員都是根據預行為傳達行駛意圖。再次，它需要對“意外遭遇”做出應對，而簡單的基於規則的自動駕駛不可能提前為每個場景編碼。最後，“網路安全”，如軟體的漏洞或駭客的惡意行為等等。自動駕駛行為是如何生成的？首先，系統結合經驗與常識、場景理解以及交通態勢評估，並利用模型對結構化道路場景和非結構化道路場景進行預訓練，生成導航路徑。隨後，基於具身智能完成目標狀態採樣、待選運動路徑生成和最優運動路徑選擇，進行運動規劃，最後生出合理的、可執行的駕駛行為。重點討論自動駕駛行為決策，將思維抽象為符號計算對人工智慧的發展產生了重大的推動作用，但為所有的交通對象建立模型是不可能的。帶來這些困難的一個直接原因是：許多交通場景的複雜性和動態性，並不都是可觀測和可控的，行駛過程中對異常情況的處理能力，是無法通過事先大量樣本訓練得到，而且也無法獲得大量的負樣本，交通事故就是一大類負樣本，而人類駕駛員開車是將車外的無窮狀態空間約簡為動態變化的“可行駛”的“二域狀態空間”，自動駕駛行為決策就是要尋找一個可行駛區域。因此，從認知層面要解決的問題，就是如何把複雜未知的現實世界，變化成有限空間環境的語義理解，我們把它稱之為一種直觀的理解。怎樣定義自動駕駛這個問題？需要把場景感知和情景認知區別開來。所謂場景是指某個交通場合在一個特定的時間和特定的空間中，具體情景或景象，可以定義為一種實體，當然這種實體的描述是通過感測器的資料來獲得的。情境是指某一段時間和空間許多具體情形的概括，情境的境是指構成和隱含在場景中，相互交織的因素及其相互之間的關係，所以情境計算是對場景中各個對像在空間的行為互動關係解釋，交通場景中各種物體或對象空間關係和行為的描述在自動駕駛中就顯得非常重要了。如何發展一種具有進化的、自主學習的自動駕駛系統？需要從認知的角度去瞭解人類駕駛員是如何注意並獲取交通環境資訊的。而交通環境資訊是如何在大腦中儲存和加工的，特別是在產生駕駛行為的背後存在怎樣的內部表徵。首先，我們來看看人類駕駛員如何注意並獲取交通環境的資訊。在交通場景認知的選擇性注意中，目標的重要性是一種高級屬性，它包含目標的物理屬性、運動屬性、行為屬性。其次，我們以交通場景的注意、記憶和學習過程為例，簡單討論人類對交通場景認知的加工機制。人的大腦對感覺記憶中的一些特定資訊的注意即選擇，對注意到的資訊進行組織，再通過學習在短期記憶中建立聯絡，將長期記憶的資訊傳遞到短期記憶，以連接傳入的資料，即整合。最後將短期記憶的內容進行編碼，轉換為長期記憶。在組織、整合與編碼之間存在著互動機制，實際上人在知道發生了什麼之前，他的注意力已被顯著性對象所捕獲，人類駕駛員對交通場景的理解是在記憶和先驗知識的基礎上進行的模式匹配。自動駕駛演算法需要在一定程度上引入人類對交通場景認知的加工機制，人類對變化非常敏感，突然變化，比如說顏色、紋理、大小、位置、運動，對注意力影響最大。注意機制已經成為建構自動駕駛AI架構的靈感來源。產生駕駛行為的背後存在怎樣的內部表徵問題？人類駕駛員在駕駛過程中是將車窗外無窮狀態空間約簡為動態變化的“可行駛”和“不可行駛”的“二域狀態空間”，並根據常識和交通規則，以及對交通場景的感知來產生相應的駕駛行為。因此，自動駕駛需要對交通環境進行分層的認知表徵，它們分別是空間定位層、行為模型層、知識策略層和任務驅動層，這樣就可以從認知的層面將複雜、未知的現實世界變換成有效的自覺物體的語義推理。如何建構自動駕駛環境的“認知地圖“？建構自動駕駛認知地圖需要包括車輛、交通標識、障礙物、行人等構成的可行駛區域的基本屬性。同時要有遞迴網路所學習到的關於預注意機制、駕駛意圖等高級認知屬性，把車輛當前狀態與交通知識作為認知地圖的一部分。要根據場景動態的變化，來形成實踐上的認知地圖的訓練。依賴認知地圖就可以使自動駕駛系統從類人的角度去理解交通場景正在發生的動態隨機變化。這裡進一步給出一種具有選擇性注意機制的自動駕駛認知計算實現架構。在這個計算架構中，利用摺積神經網路提取場景的顯著性空間特徵，這些特徵與先驗知識相結合，形成一種對時間可視化認知地圖，通過長短期記憶的注意機制，界定認知地圖中物體間的關聯，然後通過價值迭代模型將對環境的認知對應到行為空間，給出行駛決策。模擬測試也是自動駕駛重要的關鍵技術之一，自動駕駛汽車在大規模商業化應用前需要進行大量的測試，相關研究報告指出：在不犯錯誤的情況下，自動駕駛汽車需要行駛4.4億公里，才能證明其在車禍致死率和人類駕駛員的水平相當。假設由100輛自動駕駛汽車，每天測試24小時，一年測試365天，測試平均時速60公里每小時，需要耗時8.37年。相當於一輛車在地球與月球之間往返572次，顯然採用實際道路測試將耗費大量時間。而模擬測試可以提供一種高效率、低成本的自動駕駛測試。作為自動駕駛重要的關鍵技術，模擬測試需要關注的一大挑戰為異常交通場景的感知與處理，由於異常交通場景出現機率低、缺乏測試資料，因此需要利用圖形學、電腦視覺生成多樣化測試資料，在模擬環境中對自動駕駛車輛進行充分快速的測試驗證。這裡我們給出了一種基於大模型的自動駕駛模擬技術的基本框架，應用機器學習可以生成多樣性交通場景來評價自動駕駛系統在不同交通場景下的駕駛性能，如安全性、舒適性、協調性，以及演算法的可靠性，以及是否遵守相關法律法規。該基本框架由資料集包括注入的真實感測器資料、機器場景描述、測試場景分類、典型場景選擇與表徵、典型場景生成，包含一些副樣本等五大部分組成。這裡是自動駕駛模擬系統測試生成多樣性交通場景，如前車變道，對交通場景標識識別，夜間會車，以及前方突然出現行人。我們團隊開展自動駕駛研究二十餘年，走到今天我們取得了很大的進步，但實現完全自動駕駛依然是一個令人興奮而又望而生畏的艱難挑戰。 (安慶糧食)

中共中央政治局4月25日下午就加強人工智慧發展和監管進行第二十次集體學習。中共中央總書記習近平在主持學習時強調，面對新一代人工智慧技術快速演進的新形勢，要充分發揮新型舉國體制優勢，堅持自立自強，突出應用導向，推動中國人工智慧朝著有益、安全、公平方向健康有序發展。西安交通大學教授鄭南寧同志就這個問題進行講解，提出工作建議。中央政治局的同志認真聽取講解，並進行了討論。《教育家》雜誌曾專訪鄭南寧教授，談論了人工智慧發展前景、人工智慧與教育的融合、人工智慧背景下的人才培養等話題。現重發專訪文章，以饗觀眾。從歷史深處走來的古城西安，滄桑而厚重。深冬的古城街頭，梧桐葉已枯黃，一枝一葉穿過歲月的脈絡向外延伸。在古城的東南處，西安交通大學興慶校區，梧桐大道與校外街景略有不同，大學獨有的安靜氣質，從擦肩而過的學子身上不自覺地外露出來。在大學人工智慧與機器人研究所，我們採訪了中國工程院院士、西安交通大學前校長鄭南寧教授。步入院士的辦公室，首先映入眼簾的是靠牆的書櫃；辦公室窗檯上擺放著許多照片，其中有一張是多年前溫家寶總理和鄭南寧教授的合影。鄭南寧中國工程院院士，中國自動化學會理事長，國際模式識別協會（IAPR）理事會成員。曾獲“做出突出貢獻的留學回國人員”“國家級中青年突出貢獻專家”“全國優秀教師”“中國青年科學家獎”等榮譽稱號；首批入選國家“百千萬人才工程”，獲何梁何利科學技術獎。兼任國家科技重大專項“核心電子器件、高端通用晶片及基礎軟體產品”（即“核高基”）諮詢專家委員會主任，國家積體電路產業發展諮詢委員會副主任委員，中國人工智慧教育聯席會理事長；曾任國家高技術研究發展計畫（簡稱863計畫）資訊領域首席科學家、國家資訊化第一屆專家諮詢委員會委員、西安交通大學校長、國務院學位委員會委員。採訪中，作為西安交通大學曾經的校長，鄭南寧的話裡飽含著對教育的深情和人文的浪漫；作為研究人工智慧、電腦視覺與模式識別領域的科學家，他灑脫、率性，而又嚴謹求真。他說，科學是奇妙而深奧的，稍微欠了火候就不會有精彩發生，有時再向前多跨一步或許就是謬誤，科學探索的道路永無止境，對科學要懷有敬畏之心。科學家的精神和追求影響著時代，也改變著時代。人工智慧只能是人類偉大的助手人工智慧技術會給人類帶來革命性的變化。1981年，鄭南寧在日本慶應大學攻讀博士學位時，日本機器人領域無論從科學研究，還是產業應用，都處在蓬勃發展的階段，日本現代化的機場、發達的高速公路、便捷的城市交通，大學裡先進的實驗室環境和濃郁的研究氛圍讓鄭南寧震撼不已，並激發了他的學習動力。1985年，鄭南寧學成回國，在碩士生導師、模式識別領域著名學者宣國榮教授的帶領下，在自動控制專業電腦控制教研室的基礎上，經過半年多的努力，組建了西安交通大學在人工智慧領域第一個專職科研機構——“人工智慧與機器人研究所”(簡稱人機所)。多年來，鄭南寧帶領其研究團隊對模式識別與智能系統、機器視覺與圖像處理等重要領域的應用基礎理論及其工程應用進行了長期、系統的創新性研究，為中國模式識別與人工智慧和圖像處理學科及工程技術的發展作出了突出貢獻。在鄭南寧看來，人工智慧是一門綜合性的前沿交叉學科，其發展與資訊科學、認知科學、神經生物學、心理學、數學等學科深度融合，是引領許多領域產生顛覆性變革的使能技術，合理並有效地利用人工智慧技術，意味著價值創造和競爭優勢。鄭南寧對人工智慧技術的發展曾這樣談到，40億年以來，地球上的生命遵循著最基本的自然進化法則，緩慢地演化，然而，隨著人工智慧等科學技術的發展，人類的未來歷史將會出現按照有機化學規則演變的生命和無機的智慧生命並存的形態，或者說人類有可能利用電腦和人工智慧去設計生命。目前，儘管我們無法描述人工智慧技術在未來幾十年後會形成什麼樣的具體形態，但可以確定的是，人工智慧技術的發展一定會給人類帶來革命性的變化，並且這個變化一定會遠超人類過去千年所發生的變化。人工智慧將成為未來30年影響最大的技術革命。人工智慧永遠不能替代人。人工智慧有一個界限無法踰越，那就是擁有人類大腦的思維能力。要想突破人工智慧的技術壁壘，需要從腦科學得到啟發。人腦是宇宙中最為複雜的系統之一，能夠舉一反三，而這正是人工智慧難以企及的能力。鄭南寧指出，對人工智慧而言，解決某些智力挑戰的問題相對簡單，但是解決一些對人類來說習以為常的問題卻非常困難。比如，一般三歲的孩子還不能下圍棋，但機器人可以，但三歲的孩子能迅速從人群中認出自己的父母，而不需要經過大量標註的人臉資料集中訓練。人工智慧研究的重要方向之一就是借鑑認知科學、計算神經科學的研究成果，使電腦通過直覺推理、經驗學習將自身引導到更高層次。人工智慧使社會產業結構發生了很大的變化，正在逐漸取代一些傳統崗位。未來，針對人工智慧將取代那些職業，鄭南寧回答了諸多人的這一“現實之問”。他說，英國有一個網站對365類職業未來能否被人工智慧淘汰做過一個分析，認為有十類職業不可能被人工智慧替代或者是替代的機率非常小。這十類職業是：教師、科學家、藝術家、心理諮詢師、公關、律師與法官、醫生、健身教練、警察、月嫂。他歸納出這些職業的基本特質是交流。溝通與交流促進了人與人之間的關係連接，也關係到人類情感的發展。“人工智慧給我們的社會帶來革命性變化的同時，又引發出另外一個問題，就是社會倫理，所以人工智慧必須要在人類的監督之下，或者說在人類的監督之下去構造一個可信任的‘人’，這一點非常重要。”鄭南寧進一步闡述，人工智慧只能是人類偉大的助手，而永遠不能替代人，人工智慧可以完成人類賦予它的所有任務，甚至超過人類，但靈魂和精神總是來源於人類，心靈的溝通與情感的交流必須依靠人類。任何智能程度的機器都無法完全取代人類，這就需要將人的作用或認知模型引入人工智慧系統中，形成混合-增強的智能形態。這種形態是人工智慧或機器智能可行的、重要的成長模式。智能時代也要允許孩子在課堂上走神。當教育資訊化基礎設施尚在普及完善、網際網路和教育尚在互相催化融合時，人工智慧作為資訊技術的更高發展階段，將深層次推動教育教學改革與創新發展。鄭南寧表示，人工智慧對教育帶來了很大的衝擊，這既是機遇，也是挑戰，人工智慧技術和教育的深度融合，可以重構教育文明的效率體系，使教育更加高效，課堂更加生動活躍，學生學習的途徑更加多元豐富，滿足教育向上生長的養分需求。那麼未來人工智慧將給教師職業帶來那些改變？教師將如何應對這一挑戰？鄭南寧認為，人工智慧對教師帶來挑戰是必然的，教師可以從低附加值的簡單重複工作中自我解放，從而更加專注於建構和諧穩固的師生關係，促進學生全面長遠的發展。教師不僅僅只是知識的傳授者，也是滿足學生個性化需求的教學服務提供者、設計實施定製化學習方案的成長諮詢顧問。比如說教師在課堂上講一個知識點，學生可以通過手機app來確認，如果老師不會融會貫通，完全照本宣科，這個課便沒有了意義。他表示，芬蘭的“現象教學”值得借鑑，老師以生活中的現象結合知識點來講，促進學習者在真實情景下學會知識與應用知識，即解決問題，注重培養學生的橫越能力，增強了教學內容的綜合性。在談到人工智慧是否對學習方式帶來改變時，鄭南寧表示，語音識別和語義分析技術可以用在口語測評；圖像識別技術可以用在作文批改和拍照搜題；人工智慧可以為每個學生提供個性化、定製化的學習內容、方法，激發學生深層次的學習慾望。“人工智慧可以使人類更加聰明，比如採訪錄音，用語音處理軟體很快就形成文字，這是一個生動的例子。”人工智慧和教育的深度融合目前正處於變革的過程，有些地方課堂上出現了人臉識別，或者監督系統，可以捕捉到孩子的每一個表情。對此鄭南寧認為，人工智慧運用到教育中，不是要把人都變成機器，而是要使機器更加人性化。我們不可能要求孩子的思想行為像在操場上走正步那樣整齊劃一，要允許孩子在課堂上分神。孩子的成長過程並不是說像看見清澈透底的湖水，一覽無餘。我們應該給孩子的成長創造一個更加多樣、寬鬆的成長空間，如果事事都去約束孩子的天性，那我們培養出來的孩子與機器何異？所以回答錢學森之問“為什麼我們的學校總是培養不出傑出人才”，不能僅從大學的人才培養角度解釋，基礎教育就要抓好。要將基礎教育和高等教育貫通起來，要有意識地去培養孩子們的活躍性思維，養成良好的思考習慣和表達能力，這點尤為重要，因為這是形成創新能力的思想基礎。教育簡單地說，就是要讓優秀的學生更加優秀，讓後進的學生跟上來，讓每個生命都煥發出其獨特的魅力。教育是植根於內心深處的愛，是心心相印的活動，唯有從心裡發出來，才能走到心靈深處。第四次技術革命背景下的人才培養用積極的態度、寬闊的視野去重新認識人才培養。鄭南寧認為，在當前第四次技術革命的背景下，我們要做出中國人的貢獻，就是要把教育抓好。“中國不僅需要培養出更多的人工智慧領域人才，更要培養出高層次乃至世界頂尖的人工智慧人才。”鄭南寧曾經在西安交大的一次開學典禮上說，學生是大學最寶貴的財富，大學是為學生而辦的，大學就是要把學生作為教育的中心，培養出優秀的學生，源源不斷地為社會輸送優秀的人才，為國家培養出合格的接班人。“現在的大學生就是未來20年我們社會的中流砥柱。現在大學生的思想成長得如何，決定了20年後我們社會的價值取向。”鄭南寧坦言。在鄭南寧看來，更深層次的改革開放是中國整體科技進步以及高等教育的轉型。中國高校在承擔國家的科技創新方面從沒有像今天這樣承擔著如此重要的責任。教育是我們的希望所在，改革開放40年來，我們靠什麼來支撐國家的發展？就是靠我們的教育培養出來的人。我們要客觀地用積極的態度、更寬闊的視野去重新認識人才培養。本科教育是一所大學的立校之本。在本科教育方面，鄭南寧表示，本科教育是一所大學的立校之本，是高等教育發展的基石。本科教育之所以在高水平大學中處於基礎性地位，是因為本科教育是學科發展的基礎，為學科生存與發展提供了豐富的資源基礎。他指出，中國的本科教育面臨著兩大基本問題。一是教師隊伍建設，面向本科教學的這支隊伍，一定要適應時代需求。高校教師隊伍建設一直是高等教育改革和發展的核心環節。習近平總書記指出，教師隊伍素質直接決定著大學辦學能力和水平，建設政治素質過硬、業務能力精湛、育人水平高超的高素質教師隊伍是大學建設的基礎性工作。二是科研成果是否轉化為教學內容，即教材建設。伴隨著科技的發展進步和科研成果，我們要有最新的教材。“2017年，我們創辦了‘人工智慧拔尖人才培養試驗班’，探索培養人工智慧方向的本科生，並於2018年招收第一批人工智慧專業大學生。2018年年底成立人工智慧學院。這是人工智慧與機器人研究所後30年發展的一個重要事件。一個研究團隊，研究工作都是個性化的，但是本科生的培養必須是系統性的，我們要有教學大綱，要有一支教師隊伍來支撐本科生的教學。”鄭南寧說。記者瞭解到，他們集三十餘年來人才培養和科研工作的實踐，編寫了教材《人工智慧本科專業知識體系與課程設定》，這本書充分體現了人工智慧專業知識體系高度交叉融合的特性，為高校建構寬口徑的人工智慧專業和學科交叉的課程體系提供了引導示範。“這本書在國外也有很大影響，一些海外知名學者和教授在與我們交流中或在一些會議上，多次提到中國的人工智慧發展給他們帶來了挑戰，說沒有想到西安交大有這樣一本書，如此系統地介紹人工智慧的本科課程設定和知識體系。所以我們中國人要有信心。我們的國家現在有這麼好的科研環境和舞台，我們能做的事情並不比別人差，我們要有民族的自信，沉下心來，踏踏實實地把人才培養好。”鄭南寧表示。國家的強大，教育均衡很重要。鄭南寧強調，基礎教育階段不能片面強調精英培養，我們需要給那些偏遠地區的孩子更多的成長機會。一個國家的強大，教育的發展，均衡非常重要。偏遠地區的教師資源很匱乏，現在我們用人工智慧的方法，把優質資源送過去，還要給這些孩子更多的機會，讓他們走出大山，有更寬闊的視野和更好的空間與環境。走出大山，不僅是物理空間上的走出，更重要的是思想境界的走出與跨越。人工智慧會給這些孩子帶來改變，但這還遠遠不夠，還要創造更多的資源。比如利用大城市的優質資源，抽調優秀教師去邊遠貧困地區支教。現在很多年輕的研究生去支教，影響畢竟有限。如果我們優秀的、很有經驗的教師去支教，改變的可能就是一所學校的未來。所以，教育要親民，教育不親民就失敗了。院士就是在自己的小院裡做點事鍛鍊和科研都是漫長的過程，要耐得住寂寞並不斷突破極限。鄭南寧不僅是一位有著深厚學術造詣的人工智慧研究領域的科學家，還是一位“一口氣能做五十個伏地挺身”的體育達人。在他的理念裡，科學與體育的結合迸發出的魅力是勢不可擋的，鍛鍊和科研都是一個漫長的過程，需要耐得住寂寞並不斷突破極限。一所合格的大學要注重搞好教育教學，一所好的大學要注重對學生素質的培養，一所優秀的大學除了前兩者之外，還要注重對學生體育精神的培養。比如耶魯大學等名校，在一定程度上將對體育設施的投入放在一個很重要的位置。學校培養學生的體育精神，就是要塑造堅強的人格和體魄，培養追求卓越的意識，這對學生的發展具有積極的啟迪作用。從有著濃厚體育精神大學校園走出的大學生，往往都充滿自信。為此，他大力提倡“為祖國健康工作五十年”的體育精神，在忙碌的工作中，始終堅持和學生一起跑步、游泳、騎車。“人的一生其實很短暫，要健健康康為國家工作50年，如果沒有好的身體怎麼行？在我們所，只要有能夠活動的地方，就有簡單的體育器材。我們這裡就像一所業餘體校，大家一起去郊遊、騎行、游泳、打球，氣氛非常活躍。”鄭南寧笑言。師生關係是學校環境中最基礎的人際關係。“教育本身是一個優雅、緩慢和美妙的過程，優雅是人與人之間心靈的交流。”鄭南寧進一步解釋道，所謂優雅，就是對學生的愛要體現得非常充分；緩慢就是要有耐心——教育是一個“慢”的藝術，不能急功近利，更不能把學生當作“固化的產品”去設計；美妙就是要營造其樂融融的師生關係。師生關係是學校環境中最基本、對教育效果影響最大的人際關係。良好的師生關係是學校教育教學活動取得成功、師生之間資訊傳遞暢通的重要保證。鄭南寧有他的擔心：優秀的教師也會有很多壓力，如果壓力處理得不好，就會轉換成對學生指導上的簡單化。拋開那些熠熠發光的身份和光環，鄭南寧首先是一位“和學生打成一片”的教師，人機所成立33年，只要不出差，鄭南寧大部分時間都跟學生在一起。現在，他還站在講台上給本科生上課。他常常對老師們講：學生幸福快樂，老師才幸福快樂，學生不快樂，老師快樂不了。我們一直講教師是教育的主體，但是在教育的過程中，我們也要看到學生也是主人公。教師要有一個正確的指導觀，我們和青年學生在一起，不僅僅是老師對學生的指導，教師也在學生的指導中不斷獲得新知，在某種程度上，學生也是我們的老師。只有這樣的認識，我們才會感到教育是一個優雅的過程。“我們現在把院士捧得太高。要讓院士走下神壇，院士就是在自己的小院子裡做點事兒。院士是一個榮譽，是公眾做出的評價。他們的的確確為國家做出了重要的貢獻，但是這些貢獻，背後是許許多多默默無聞的人在支援，他們只是這個團隊的代表人物。”鄭南寧如是評價自己的工作。“研究所成立至今已有33年的歷程，前30年我還年輕，跟著大家一起奮鬥。但是舞台總是要落幕的，每一個人都是時間的過客，都會與所有的東西離別，不能違背自然規律。應當讓年輕人把這個班接得更好，讓他們有更好的責任感。因此創造和傳承十分重要。”“在創造新時代的過程中，傳承是文化的綿延不斷。大學教師作為文化的傳承者，使命在於用知識、人格魅力以及學者風範教育和感染學生，做學生健康成長的守護者和引路人。要培養學生對生活和學習的熱情，讓他們靜下心來把書讀好，把社會讀懂，使學生成長為有思想、會思考的人。”作為教師的鄭南寧，會時常透過辦公室的玻璃窗，看著窗外高大渾厚的梧桐和雪松，夏日濃蔭下的學子嬉笑著走過梧桐道，秋日梧桐葉落了滿地的金黃，學子們歡暢地踩著鬆軟的葉毯。他培養了數百名人工智慧領域的畢業生，這些學生奉獻於國家的各行各業，用知識推動著科技的發展。而他慢慢地退後，從主導者到欣賞者，一直退到人機所的“後鄭南寧時代”。 (光明社教育家)