亚洲国产成人欧美在线观看-亚洲欧美日韩中文字幕二区-久久99曰韩国产精品久久99-欧美成人精品第二区在线-成人精品视频一区二区不卡

讓機器也能有創(chuàng )意:人工智能“增強”人類(lèi) 賦能想象力

• 來(lái)源: 轉載 《新浪科技》
• 日期: 2020-05-22

人工智能很多時(shí)候和自動(dòng)化、重復性的工作有關(guān)。其實(shí)人工智能剛剛出現的時(shí)候，很多的學(xué)者和行業(yè)先驅就在思考人工智能能不能幫助我們。

我們在探討人工智能的時(shí)候，尤其是過(guò)去幾年，往往看到兩種場(chǎng)景：一個(gè)是我們可能在很多雜志上都會(huì )看到一個(gè)表格，統計了哪些行業(yè)、工作最有可能被人工智能取代。

2013年一個(gè)牛津大學(xué)學(xué)者做的研究，看哪些行業(yè)最有可能在人工智能興起的時(shí)候被取代，比如說(shuō)像電話(huà)的接線(xiàn)員這些人等等；另一種藝術(shù)化的表達。如上圖右側Adam Levey的作品《一個(gè)未來(lái)沒(méi)有工作的世界》。這個(gè)作品就是把一些工作的從業(yè)者放到博物館成為展品，比如這里是“工廠(chǎng)的工人”，下面寫(xiě)著(zhù)“在21世紀初滅絕了”。

不論是表格還是藝術(shù)作品，都在講一個(gè)充滿(mǎn)“恐慌”的人工智能未來(lái)，這個(gè)未來(lái)中人的工作可能會(huì )受到技術(shù)進(jìn)步的威脅。Elon Musk、比爾·蓋茨、霍金，都指出了人工智能可能會(huì )成為人類(lèi)未來(lái)的威脅。

我們可以用象限圖來(lái)對人機未來(lái)做個(gè)分析。上圖橫軸代表對人來(lái)說(shuō)很簡(jiǎn)單的工作，另一端是很難的工作。雖然我們自己也描述不清楚，為什么做得好的工作都是難的工作，比如我們很難說(shuō)清楚如何把主持做好，可能會(huì )說(shuō)“熟能生巧”或者“天賦運氣”?？v軸代表交給機器完成工作的意愿度，因為并不是工作我們都愿意交給機器做的。

我們講機器取代人，都在講左下角這個(gè)維度的工作，這是一種人與機器的“零和關(guān)系”——機器多做了人就少做了，這里的終極目標就是“自動(dòng)化”。

我會(huì )集中探索右邊這兩個(gè)象限：本來(lái)就對人很難，機器完成度不算太高。機器幫忙的越多，人的能力就越強，我們叫賦能（empowerment）或者增強（augmentation）。

可以看到，很多使用人工智能來(lái)“增強”人類(lèi)工作的例子，比如用word寫(xiě)作時(shí)，機器會(huì )提醒我們錯別字，甚至幫我們完成句子。這都是基于大量的自然語(yǔ)言學(xué)習。這是一種“正和關(guān)系”，有了機器反而讓我們的能力更強。

在過(guò)去10多年里，人工智能蓬勃發(fā)展、家喻戶(hù)曉，既作為概念、技術(shù)，也作為一種社會(huì )狀態(tài)。如果我們把人工智能比作大腦，就像人的左腦右腦一樣，左腦代表了語(yǔ)言、分析、抽象、數字、邏輯。代表更高、更快、更強——是不是意味著(zhù)識別的速度更快，識別的效果更好，分析的結果更準，這都是一些定量的維度。

所以在人工智能左腦的層面上，我們的研究成果還是很豐碩的，很像我們常說(shuō)的“學(xué)好數理化，走遍天下都不怕”。但當我們數理化能力強的時(shí)候，大家開(kāi)始意識到要去培養藝術(shù)修養。那么人工智能是不是也到了要去培養右腦的時(shí)候呢？

右腦是一些比較抽象的、感性的、系統的、真實(shí)的圖像思維，所以人的右腦這些屬性對于機器來(lái)說(shuō)，人工智能能不能讓我們變得更美？人工智能能不能讓我們變得更平等？人工智能能不能讓我們變得更善意？人工智能能不能讓我們具有同理心？

人工智能的右腦，也就是人工智能在過(guò)去一直注重更高、更快、更強以后能不能帶來(lái)更美好的生活，就像我們自己關(guān)注GDP的絕對數字以后，現在關(guān)注到我們的獲得感。人工智能也是一樣，在飛速發(fā)展以后開(kāi)始逐步地幫助我們去思考右腦的問(wèn)題。

創(chuàng )意，這個(gè)詞比較廣義，分為兩種：一種是“表達性的創(chuàng )意”，沒(méi)有專(zhuān)業(yè)訓練的小孩會(huì )用畫(huà)筆表達自己的想法或者感受，所以這種是有感而發(fā)的創(chuàng )意。這種創(chuàng )意往往我們會(huì )把它等同為藝術(shù)，很感性，也不需要計量它到底有沒(méi)有價(jià)值，對了就是對了，別人也只需要去感受它，所以它是一種基于內在的自我表達，可能源自于記憶，可能源自于情感，可以源自于某種沖動(dòng)，很像各種各樣的藝術(shù)形態(tài)，不只是繪畫(huà)，有雕塑也有音樂(lè )，表達性的創(chuàng )意更多的發(fā)自?xún)刃?，不需要計較結果。

另外一種創(chuàng )意，則是類(lèi)似我們看到的廣告，我們使用的產(chǎn)品背后都有創(chuàng )意在，這些創(chuàng )意我們稱(chēng)之為叫“功能性的創(chuàng )意”，就是通過(guò)創(chuàng )意來(lái)解決一個(gè)問(wèn)題，通過(guò)理性的分析創(chuàng )造一個(gè)答案，有明確的功能，有明確的方式可以度量，而且這種功能性的創(chuàng )意的出發(fā)點(diǎn)通常來(lái)自于外部。

這兩張女性圖像，上面這張是繪畫(huà)作品，是表達性的創(chuàng )意，下面是電商的海報，是功能性創(chuàng )意。雖然風(fēng)格似乎有接近的地方，但是出發(fā)點(diǎn)、目的完全不一樣。上面是一種自我意識的表達，而下面是旨在銷(xiāo)售、品牌的觸達，有明確的功能性。

比較直白的說(shuō)：表達性的創(chuàng )意約等于藝術(shù)，功能性的藝術(shù)可能約等于設計，設計都是有目的的，設計都是可衡量的，藝術(shù)都是表達的。

很有意思的是，如果大家用學(xué)術(shù)搜索創(chuàng )意這個(gè)詞creativity，其實(shí)從無(wú)到有只有不到100年的歷史，雖然整個(gè)創(chuàng )意在人類(lèi)的世界貫穿了始終，但是創(chuàng )意這個(gè)詞只有75年的歷史，一開(kāi)始和“想象”有關(guān)，慢慢才變?yōu)橐环N行動(dòng)。所以我們研究創(chuàng )意其實(shí)是一個(gè)非常短暫的歷史，這里面我們會(huì )對創(chuàng )意進(jìn)行各種方式的演繹與延展。

創(chuàng )意這個(gè)詞從無(wú)到有在過(guò)去的幾十年里其實(shí)伴隨著(zhù)這樣的一個(gè)趨勢，我把它稱(chēng)之為叫“創(chuàng )意工具的發(fā)展”和“創(chuàng )意的大眾化”。過(guò)去不講創(chuàng )意，因為不覺(jué)得創(chuàng )意是一個(gè)有意識的創(chuàng )造。但是慢慢隨著(zhù)創(chuàng )意的工具更可觸達，逐步把創(chuàng )意這個(gè)概念、方式放大了，大眾化了。

第一個(gè)幫助藝術(shù)家繪畫(huà)的工具，英文叫Camera Obscura，就是“暗房”，影像的一個(gè)方式。所以藝術(shù)家可以很容易的捕捉到透視，讓更多的畫(huà)家可以畫(huà)更準的透視，是簡(jiǎn)單的工具。慢慢小孔成像Camera Obscura開(kāi)始通過(guò)一些化學(xué)反應有了成像，有了照相機，照相機變成一個(gè)比較方便使用的光學(xué)儀器，光學(xué)相機、傻瓜相機，在30、40年前有了photoshop，然后數碼相機讓拍照變得更容易，現在我們每個(gè)人的手機都可以拍照。

這里舉例的拍照或者圖像維度的工具，其實(shí)變得越來(lái)越容易使用，因為越容易使用，越來(lái)越多的人會(huì )使用。原來(lái)Camera obscura全世界上千個(gè)藝術(shù)家在用，到現在幾十億的人在用手機，所以創(chuàng )意工具的發(fā)展自然而然帶來(lái)的是創(chuàng )意的大眾化和大爆發(fā)。

現在工具都和機器智能發(fā)生聯(lián)系，創(chuàng )意工具也不例外，人工智能成為我們新的工具來(lái)做創(chuàng )造性的工作。

我們希望機器思考的方式和人思考的方式是一致的，所以給機器設定了很多思考的規則，但最后發(fā)現這個(gè)規則并不能帶來(lái)更智能的結果。就像最早人類(lèi)做飛機總想把飛機設計成鳥(niǎo)的樣子，但是類(lèi)鳥(niǎo)的飛機從來(lái)沒(méi)有飛起來(lái)過(guò)，最后把飛行的原理抽象成為空機動(dòng)力學(xué)，慢慢才形成之后的飛行器。

所以看看我們現在的飛行器，包括飛機、包括火箭，其實(shí)和鳥(niǎo)沒(méi)有太多形狀上的關(guān)系。人工智能也是一樣，希望復現人思考的方式是走不通的。在過(guò)去10多年里逐步變成一種統計的邏輯，也就是說(shuō)不追求因果關(guān)系而是追求關(guān)聯(lián)關(guān)系。如果概

率上這些都發(fā)生過(guò)，通過(guò)學(xué)習這些概率，有可能產(chǎn)生新的結果。

所以創(chuàng )意的人工智能也是一樣，我們通過(guò)創(chuàng )意變?yōu)閿祿?，數據形成某種模型，這種模型帶來(lái)運算，運算之后產(chǎn)生的結果進(jìn)行評估，再來(lái)迭代這種運算的過(guò)程，這個(gè)就是人工智能之所以能夠進(jìn)入到創(chuàng )意領(lǐng)域就是走這樣的一個(gè)流程。

如何讓機器和創(chuàng )意發(fā)生聯(lián)系？就像我們教一個(gè)人學(xué)習時(shí)，你要給他一本教科書(shū)，同理教機器能夠進(jìn)入到創(chuàng )意領(lǐng)域，第一先讓機器開(kāi)始理解創(chuàng )意。

10多年前，我當時(shí)還在普林斯頓大學(xué)，有一位年輕的教授李飛飛，現在已經(jīng)是如雷貫耳的人工智能大牛，她做了一件事情，建立了一個(gè)數據集叫ImageNet，來(lái)幫助機器識別圖像。當時(shí)這個(gè)工具是比較早期的，成功的可能性并不大，不像現在ImageNet已經(jīng)成為我們數據里面的基礎。但是當時(shí)看上去并不太完整，有一次李飛飛教授開(kāi)玩笑說(shuō)“早年的時(shí)候如果不是因為她是一個(gè)女性科學(xué)家，她可能連研究經(jīng)費都申請不到”。

ImageNet讓機器開(kāi)始理解圖像，現在絕大多數圖象處理的人工智能都可能原自于ImageNet這個(gè)教科書(shū)，通過(guò)10多年的數據積累，現在準確率已經(jīng)比人眼識別率還要高。這就是機器通過(guò)吸納進(jìn)數據，理解圖像維度理解的越來(lái)越準，理解的越來(lái)越好。

我自己的研究團隊做了一個(gè)數據集叫DesignNet，名字也算是致敬ImageNet。我們的數據集理解的是創(chuàng )意圖像上面有什么字體、內容、風(fēng)格、氛圍、顏色的組合是怎么樣的，所以這個(gè)數據集建立的是基于創(chuàng )意的知識和理解。

想象一下，對沒(méi)有背景知識的人開(kāi)始描述創(chuàng )意時(shí)，可能會(huì )說(shuō)這是什么風(fēng)格，顏色搭配是否互補等，可能會(huì )用一些比較簡(jiǎn)單的視覺(jué)和創(chuàng )意的詞匯去描述創(chuàng )意的內容。我們建這個(gè)數據集，讓機器也開(kāi)始理解這方面的知識。

我們把創(chuàng )意變?yōu)閿祿闹R圖譜，叫做“普羅米修斯”，可以不停的輸入一些設計的問(wèn)題，比如：什么是設計，它會(huì )產(chǎn)生一個(gè)知識圖譜，有顏色、有字體、有大小等等。點(diǎn)進(jìn)每一個(gè)知識圖譜，比如說(shuō)色彩這個(gè)關(guān)鍵字里面會(huì )延展出不同類(lèi)型的知識關(guān)聯(lián)。我們問(wèn)它暖色和綠色有什么關(guān)系，它把綠色和暖色的關(guān)系用多個(gè)維度串聯(lián)起來(lái)，可能是互補的，可能是代表某種文化含義的等等。

也可以問(wèn)它一些設計的知識，它有另一種表現形式。問(wèn)它什么是“襯線(xiàn)體”，襯線(xiàn)體是和曲線(xiàn)骨架有關(guān)的，大量在互聯(lián)網(wǎng)上關(guān)于設計的知識都被聚集在像“普羅米修斯”這樣一個(gè)知識體系里面，可以進(jìn)行詢(xún)問(wèn)，所以我們把創(chuàng )意的知識庫變成一個(gè)可搜索、可聚類(lèi)、可分析、可連接、可關(guān)聯(lián)的一個(gè)知識圖譜，并且通過(guò)“普羅米修斯”前端的應用界面變成一個(gè)人可觸達的創(chuàng )意知識庫，這是我們做的把創(chuàng )意能夠變?yōu)閿祿R的事情。

把創(chuàng )意變?yōu)閿祿罂梢宰瞿男┦?？可以讓機器識別創(chuàng )意的種類(lèi)、識別創(chuàng )意的好壞、識別創(chuàng )意之間的關(guān)聯(lián)；我們可以?xún)?yōu)化創(chuàng )意，比如說(shuō)優(yōu)化廣告的內容、優(yōu)化做出來(lái)的某種設計是不是符合設計的目的；我們還可以生成創(chuàng )意，從一個(gè)創(chuàng )意變?yōu)楦嗟膭?chuàng )意，我們可以預測創(chuàng )意，預測功能性創(chuàng )意的好壞。

講到智能識別，上圖這個(gè)項目是谷歌的研究員Klingemann做的項目，非常有意思。大家看到上圖可能最左邊的是一個(gè)人，是一張油畫(huà)作品，大家可能都能感受到在做什么工作，機器做的是在第一張人臉的雕塑和最后一張油畫(huà)之間，用各個(gè)數據庫里面的藝術(shù)作品做一個(gè)漸變，所以叫x Degrees of Separation，意思就是說(shuō)任何的兩個(gè)藝術(shù)作品都能夠找到這樣逐步轉變過(guò)去的藝術(shù)演進(jìn)，中間可能是5個(gè)作品，8個(gè)作品，能夠很順的把頭和尾銜接起來(lái)。

這件事情有什么作用？大家可能不了解，這么多的藝術(shù)學(xué)者，在沒(méi)有人工智能進(jìn)入到藝術(shù)行業(yè)的創(chuàng )意里面之前，這件事情是不可能發(fā)生的，我們很難把兩個(gè)作品中間的這種類(lèi)似于不同刻度的漸變發(fā)現出來(lái)。恰恰是人工智能幫助創(chuàng )意人去更好理解創(chuàng )意深度，這樣有了一個(gè)科技的武器去理解文科的內容，實(shí)現文理兼修，通過(guò)理科的角度理解文科，這是一件很重要的工作，因為這個(gè)過(guò)程里面創(chuàng )意開(kāi)始被機器理解了，所以它才能夠做這樣的工作。

智能識別在功能型創(chuàng )意上用途很廣泛，很多創(chuàng )意廣告都是“千人千面”，不同的消費者、不同的用戶(hù)畫(huà)像會(huì )看到不同的創(chuàng )意內容。但是這些內容生產(chǎn)上來(lái)之后難免會(huì )出現各種各樣的挑戰和問(wèn)題。所以我們這里的一個(gè)識別引擎叫T.Compliance ，識別這些內容的品牌，比如說(shuō)這張圖里面是清揚，里面的圖像元素的合規情況；比如說(shuō)這兩批洗發(fā)水是不是最新的包裝，如果不是應該替換為最新的包裝，法規是否合規；“去屑拔頭籌，清揚敢出頭”，有沒(méi)有違反廣告法，有沒(méi)有這些很絕對的詞等。

其實(shí)機器通過(guò)識別功能性的創(chuàng )意內容里的核心元素，能夠做到內容的理解和合規檢測。有很多的創(chuàng )意都難免會(huì )撞車(chē)，不管有意還是無(wú)意。有意就是抄襲，無(wú)意就是大家英雄所見(jiàn)略同。這種情況下機器都有可能向提醒你把相似度的東西找出來(lái)。在海量的創(chuàng )意里面，機器其實(shí)可以幫助創(chuàng )意不管是使用者還是創(chuàng )意的生產(chǎn)者做更好創(chuàng )意維度的理解。

另一個(gè)智能生成的例子是在字體設計領(lǐng)域。做一套字體其實(shí)是很耗時(shí)的，尤其是中文的字體還有很多排列組合和修正，但是人工智能逐步的已經(jīng)開(kāi)始學(xué)習到一些字體的方法，可以智能的生成新的字體。過(guò)去每個(gè)字都需要老師傅一個(gè)一個(gè)的寫(xiě)出來(lái)。上圖案例是卡內基梅隆大學(xué)的一個(gè)研究生用業(yè)余時(shí)間做的，它叫Zi2Zi，通過(guò)100個(gè)字的輸入就能產(chǎn)生一套幾千個(gè)字的字庫。所以從100到幾千個(gè)字的過(guò)程是由機器生成的，人進(jìn)行一些修正，這是開(kāi)源的項目，大家可以去找來(lái)嘗試。

阿法狗戰勝李世石是3、4年前的事情，那時(shí)候機器更擅長(cháng)的解決確定問(wèn)題、分類(lèi)問(wèn)題，但是在過(guò)去3、4年里機器逐步開(kāi)始解決開(kāi)放性問(wèn)題，去做創(chuàng )造性的工作，主要就是基于類(lèi)似于創(chuàng )意對抗網(wǎng)絡(luò )等等的技術(shù)，開(kāi)始能夠做創(chuàng )造性的工作，也就是說(shuō)沒(méi)有最優(yōu)解的，更多是多元工作。

是否會(huì )出現創(chuàng )意的機器？

這里就會(huì )產(chǎn)生到我們下一個(gè)思考的議題，是不是會(huì )出現創(chuàng )意的機器？

油畫(huà)作品Edmond de Belamy2019年在佳士得拍賣(mài)行賣(mài)了43萬(wàn)美金，右下角的藝術(shù)家署名是一段代碼，意思是這張畫(huà)是通過(guò)一套算法，主要是對抗生成網(wǎng)絡(luò )做成的一張油畫(huà)。這個(gè)油畫(huà)的算法作者其實(shí)是一個(gè)用算法來(lái)做藝術(shù)作品的工作室。

過(guò)去我們看到人創(chuàng )造出作品，現在我們看到純機器創(chuàng )造出來(lái)的作品。我更想跟大家去探索的是這兩種更復雜的情況：第一個(gè)叫“機器在環(huán)路中（machine-in-the-loop”：人對機器先提出一個(gè)假設，機器給人很多的建議，人再基于這些建議創(chuàng )造出一個(gè)作品。我們在做的一個(gè)蠻有意思的項目叫做“秀色可餐”。

上海張江的人工智能島上有一個(gè)人工智能體驗中心，我們希望能夠不要像常規的體驗中心那樣羅列式的介紹人工智能各種各樣的技術(shù)，而希望大家在里面體驗。我們選擇體驗的場(chǎng)景就是吃飯，所以做了一個(gè)作品叫做“秀色可餐”，如果大家看動(dòng)畫(huà)視頻，其實(shí)是我們后臺的demo，前臺是一個(gè)投影儀。我們把餐館的菜單，比如說(shuō)魚(yú)香肉絲、宮保雞丁、番茄炒蛋，把它抽象轉譯成一種繪畫(huà)風(fēng)格，我們把每一個(gè)菜名變成一個(gè)文字，然后這個(gè)文字有不同藝術(shù)家的風(fēng)格。比如說(shuō)在這里可能能看到的德庫寧，這是一個(gè)荷蘭的當代藝術(shù)家，畢加索，波拉克，羅斯科，或者是我自己特別喜歡的亨利盧梭，風(fēng)格非常迥異的畫(huà)家，這個(gè)字可以換風(fēng)格，然后再變成一種筆觸。

筆觸通過(guò)投影儀投射到餐廳的桌布上，所以每個(gè)餐廳的桌布的形象都和這個(gè)餐桌菜單所下的單有關(guān)，我們希望不要讓人工智能只變成冷冰冰的技術(shù)，而是可以看、可以聞、可以和我們的煙火氣發(fā)生關(guān)聯(lián)的這樣的一種生活的一部分。

這個(gè)就是我們做的一個(gè)工作，這里面用的核心思想方法就叫“機器在環(huán)路中”，用人工智能機器幫助人的藝術(shù)家能夠延展。畫(huà)家畫(huà)畫(huà)是比較漫長(cháng)的，但是在這里，可以迅速地通過(guò)機器把繪畫(huà)復制很多倍，所以這個(gè)叫賦能人的創(chuàng )作。

另一個(gè)邏輯“人在環(huán)路中（Human-in-the-loop），核心觀(guān)念和剛才講的機器在環(huán)路中正好相對。機器算法創(chuàng )作出一些作品，人給予反饋，這些反饋能夠讓機器做更好的作品。機器可能做一千個(gè)、一萬(wàn)個(gè)、一億個(gè)作品，人不同不斷地給反饋，來(lái)訓練機器。

我們與2×4——全球最著(zhù)名的平面設計公司一起，和螞蟻金服支付寶合作。當時(shí)我們提了一個(gè)概念，這個(gè)也是來(lái)自于創(chuàng )業(yè)中我們經(jīng)常講MVP（minimal viable product），最小的可行產(chǎn)品。這些小商家可能也有一個(gè)東西叫MVD（minimal viable design），最小可行的設計。如果商家僅需要一個(gè)設計，會(huì )是什么？我們覺(jué)得是“海報”。所以我們能不能讓全世界最好的設計師通過(guò)機器，產(chǎn)生讓千千萬(wàn)萬(wàn)中小商家不用花很多的設計費用的作品，就能夠得到每個(gè)人不一樣的定制化海報設計。

我們當時(shí)就和2×4等大概有50個(gè)不同的創(chuàng )意工作室合作，讓機器不停的在數據庫里找創(chuàng )意的元素，這些設計大師告訴機器哪些好哪些不好，就產(chǎn)生了一個(gè)海報生成的引擎。這個(gè)引擎任何一個(gè)商家輸入名字，比如這里看到“熊熊奶茶小屋”，輸入類(lèi)型、地域、有一些和風(fēng)格有關(guān)的提示詞以后，就能夠產(chǎn)生一張這個(gè)小店的海報，在支付寶上支付10元，這張海報就能打印出來(lái)，送到店家。所以換句話(huà)說(shuō)，10元就可以擁有一個(gè)世界上最好的設計師訓練過(guò)的作品。

2×4的創(chuàng )始人叫做Michael Rock，他是耶魯大學(xué)的一個(gè)平面設計的教授，他自己的學(xué)術(shù)觀(guān)點(diǎn)和企業(yè)能做的事情存在著(zhù)鴻溝，所以當我們聊起這件事情時(shí)，他非常高興，他覺(jué)得人工智能讓人，讓2×4這樣的設計團隊，成為機器閉環(huán)中的一部分，把更多的能力通過(guò)機器變得大眾化。

我們前面看了很多的案例，各種各樣的內容的制作、識別、生成、創(chuàng )意等等，哲學(xué)家、評論家會(huì )發(fā)出這樣的問(wèn)題：機器真的可以創(chuàng )意嗎？我這里摘取了兩個(gè)觀(guān)點(diǎn)，一個(gè)觀(guān)點(diǎn)來(lái)自著(zhù)名計算機科學(xué)家、圖靈獎獲得者Dijkstra。他講過(guò)一句很意思的話(huà)：“潛水艇能潛水，但是它真的能游泳嗎？計算機會(huì )不會(huì )思考這個(gè)問(wèn)題就像潛水艇會(huì )不會(huì )游泳一樣”。機器不管是做了這么多的創(chuàng )意，還是輔助人做了這些多的創(chuàng )意，它真的會(huì )創(chuàng )意嗎？

另一個(gè)角度是著(zhù)名心理分析學(xué)家卡爾榮格講的，他說(shuō)“任何新的創(chuàng )造都不是通過(guò)思維來(lái)實(shí)現的，而是通過(guò)一種對于像玩東西一樣的內驅”。所以我們沒(méi)有玩具的時(shí)候我們自己想著(zhù)玩，有了玩具之后產(chǎn)生某種互動(dòng)，有更不一樣的玩具我們可能完成新的花樣。人工智能是不是人的一個(gè)新的玩具？這個(gè)玩具能夠讓我們人更有創(chuàng )造？這個(gè)是兩種思考維度沒(méi)有答案的問(wèn)題，但是這是一個(gè)值得討論的問(wèn)題。

我想提一個(gè)比較實(shí)實(shí)在在的角度：?jiǎn)滩妓怪v電腦和人關(guān)系的一段視頻。視頻中講到人的行動(dòng)力特別糟糕，人的行動(dòng)力沒(méi)有馬好、沒(méi)有狗好，沒(méi)有絕大多數動(dòng)物好。但是很聰明的是，人是可以發(fā)明工具的。所以當人騎上自行車(chē)以后就成為這個(gè)行動(dòng)力最強的生物了。

喬布斯講PC個(gè)人電腦就是人類(lèi)思維的自行車(chē)，人工智能是不是在后個(gè)人電腦時(shí)代的創(chuàng )意思維的自行車(chē)呢？麥克盧漢曾說(shuō)“我們先塑造了工具，然后工具塑造了我們，我們先塑造了創(chuàng )意的人工智能，然后人工智能塑造了我們”。

在我們自己的研究里面提了一個(gè)概念，主要想表達的是在創(chuàng )意中人機的正和關(guān)系，我們把它叫“腦機比”。取代關(guān)系就是前面最早《經(jīng)濟學(xué)人》雜志那種表格，多少可能性被取代，這種是零和關(guān)系，正和關(guān)系用腦機比這個(gè)概念來(lái)。就是機器越多機器作為思維的自行車(chē)能夠給我們更多的創(chuàng )意和思維的空間，所以希望用腦機比。

我自己既是學(xué)者也是創(chuàng )業(yè)者，不管在學(xué)術(shù)領(lǐng)域還是做公司，我們的愿景都是一致的，就是用“科技賦能想象力”。我原來(lái)在加州大學(xué)伯克利分校，2015年機緣巧合拿到天使投資開(kāi)始做企業(yè)。之后也有一系列很好的投資人進(jìn)入到我們的公司，讓我們不停的可以做嘗試。在2017年初的時(shí)候我們成立了這個(gè)實(shí)驗室，也是希望能夠把我們自己在產(chǎn)業(yè)里面做的工作跟各個(gè)方方面面進(jìn)行分享。

我自己其實(shí)做大學(xué)老師到現在已經(jīng)快10多年了。大概2010年，我讀到了一篇2004年的文章，這篇文章的作者叫Chris Anderson，他當時(shí)是美國一本雜志叫《連線(xiàn)》雜志的主編，他寫(xiě)了一篇文章，大家如果感興趣在網(wǎng)上可以搜到，叫《理論的終結》。

他說(shuō)可能未來(lái)隨著(zhù)大數據狀態(tài)的出現，我們可能不再需要用假設小樣本結論，就是理論化再通用化的方式來(lái)做研究，我們也許可以做全樣本的研究。這個(gè)觀(guān)點(diǎn)很打動(dòng)我，也建立了希望能夠產(chǎn)學(xué)研結合的方式來(lái)做自己工作的角度，所以我才會(huì )兩只腳都要踏，一邊在學(xué)術(shù)，一邊在產(chǎn)業(yè)。

我們自己的團隊其實(shí)也是一樣的有產(chǎn)業(yè)和學(xué)術(shù)組合，我們實(shí)驗室現在規模挺大的，除了我之外我們還有我的副主任，我們有一系列的研究員，有一堆背景各異的研究生，有些是誤入這個(gè)行業(yè)的工科生，有些是誤入這個(gè)行業(yè)的文科生，我們在這里有點(diǎn)文理兼修的意思，有些會(huì )寫(xiě)代碼，有些人不會(huì )寫(xiě)代碼，有些人是非常厲害的黑客，有些則是不停的反思人工智能對創(chuàng )造性的理解的批評家。我們還有一個(gè)叫腦機工作者的一個(gè)社群，所以組成了這樣一個(gè)很有生機的產(chǎn)學(xué)研結合的環(huán)境。

大家想一想人類(lèi)的發(fā)展歷史，變相就是不停的有新的更高級的工具讓我們的體力消耗變得更少。但是這個(gè)過(guò)程并沒(méi)有讓我們更閑著(zhù)，讓我們人類(lèi)有了《詩(shī)經(jīng)》，有了國風(fēng)，有了藝術(shù)，有了文學(xué)。

無(wú)限的運算力就像無(wú)限的生產(chǎn)力一樣，無(wú)限的產(chǎn)能一樣是不是會(huì )讓我們擁有更強的創(chuàng )造能力？我自己很感興趣，把人工智能的右腦不作為一個(gè)結論，而作為一個(gè)問(wèn)題，能夠提問(wèn)題恰恰是人和機器最本質(zhì)的差異。也希望所有的聽(tīng)眾我們能夠一起在機器越來(lái)越強大的時(shí)代利用好機器，探索更多的未知。

注：本文根據范凌博士在未來(lái)論壇演講整理而來(lái)，有刪減。