当我们谈到未来的时候，每一个人都会有自己的图景，这些图景千奇百异。但是，正如无数描述未来的电影和文字中所展现的：

  如果科学仅仅属于少数人，必须得说是一种悲伤。而让科学精神走入人心，却是一代代智者未竟的事业。未来论坛究竟怎样为科学步布道呢？为了不让普通人望而却步，雷锋网尝试用三个简单的问题来帮助你体会。

  来到论坛的泰斗包括数位诺贝尔奖、图灵奖获得者。领域涵盖物理学，计算机科学和人工智能、生命科学等。

  物理学家，1987年诺贝尔物理学奖获得者。他的成就就是发现了一种高温超导材料。高温超导是物理学的明星领域，已经产生了数位诺贝尔奖得主。以中国为例，电力传输中电阻产生的损耗超过6%。如果高温超导实现突破，可以让人类的电力传输损耗下降为零。

  清华大学教授，他在高温超导材料方面取得了突破性的研究，发现了继 J. Georg BEDNORZ 之后的第二个高温超导材料。

  香港中文大学医学院副院长(研究) 2016年度未来科学大奖-生命科学奖获奖人。他发现的一种产前诊断手段，能够最终靠基因手段在新生儿出生之前，筛查唐氏综合征和其他基因紊乱疾病。这种无创诊断在九十多个国家被采用。让无数父母避免孩子出现基因缺陷疾病。

  美国斯坦福大学计算机科学系终身教授 AI实验室主任。她在计算机视觉方面的研究让人类能利用深度学习的方法，使得计算机得以“看到”并且“读懂”图片。这种技术开创了机器视觉和无人驾驶的新领域。

  哈佛大学讲席教授、高等成像中心主任， HHMI研究员。她用最精密的显微镜技术，第一次拍摄到感冒病毒入侵一枚细胞。完整地在单分子层面，微观呈现了核酸和蛋白的相互作用，揭开了人体运行的最底层秘密。

  当然，赴会的大牛还不仅包括科学大家，还有寻找途径把科学真正带给普通人的商业和产业领袖们。

  篇幅有限，不能一一罗列。当然，即使是“等等”中的大牛，也都真实而坚定地改变了我们的社会和生活。

  在论坛期间北京市朝阳区人民政府和未来论坛正式签署战略合作协议，开展了全面战略合作。根据战略合作内容，未来论坛将在朝阳区设立永久会址。

  在中国，科学奖项并不少，但其中都带有很强的官方背景或商业气息。多数奖项商业背景过于强大，所以人类对于奖项的公信度往往怀有疑虑。

  而未来论坛的“未来科学大奖”被称为民间科学大奖。如果用一个词形容这个科学奖项，应该是“纯粹”。

  根据大奖发起人，中国科学院物理所研究员，北京凝聚态物理国家实验室首席科学家丁洪的介绍，组委会和捐赠人都是中国顶级的科学家和企业家。但是却和企业家和科学家队伍都保持了“距离”。

  大奖在很多方面都参照了诺贝尔奖的评奖方式。例如在投票之前会对领域内专家进行咨询，让专家对提名者进行匿名评价，经过漫长的七八个月认真筛选，最后才能进入专家投票。

  我热爱科学。作为捐赠人，我绝对没参与奖项规则制定和。我想要的是，让年轻人不仅仅喜欢玩游戏、追网红这类流行文化。还给他们多一个选择，那就是追求科学和真理。

  这一届未来科学大奖设立生命科学大奖和物质科学大奖，奖金各为100万美元。这个奖金已经直逼诺贝尔奖奖金。当然，奖金本身并不能说明奖项的含金量，就像清华大学教授高西庆所说：

  商业领袖和科学家们都认同一个事实：中国过去几十年的成功，在商业模式上的创新远大于在基础科学上的创新。

  中国有几千年灿烂的文明，但相比于此，我们在科学领域对世界的贡献还是不足的。

  虽说比肩诺奖，目前只是美好的期望。但是，所有参与奖项的大咖都表示，有信心把这个奖项办一百年以上。当李彦宏、马化腾、徐小平信誓旦旦地发愿时，你会感觉在一瞬间他们距离商业很远，距离梦想很近。

  无数大牛在未来论坛上描绘了自己对未来的想象，雷锋网将会在未来一段时间内逐一放出。

  在这里，简单摘录在人工智能圆桌论坛上，李飞飞、李凯、沈向洋、张钹四位人工智能专家的崇论吰议。

  （张钹，清华大学计算机系教授、中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任）

  以前人工智能只是建立在数学模型的基础上。而推理模型在数学模型的基础上，把问题变成：若能把这样的一个问题清晰地表述出来，用陈述性或过程性的语言，那么计算机就能解决它。

  当这个模型被提出来，人工智能处理问题的能力提高了一大步。这样，可解的问题就远比用数学表达的问题多得多。

  实际上，当时对AI的估计过高。因为人们发现，能“清楚表达”的问题很少。及时是理性思考，有很多问题都不能表述。

  之前，我们大家可以用计算机解决的问题是“知其然又知其所以然”的问题。而有了深度学习，我们也能解决“知其然而不知其所以然”的问题。特别是能解决感知、视觉、听觉等方面的问题，例如：张三长啥样子，这个实在是不好表述。

  我们身边充满“说不清道不明”的问题，用新的深度学习技术能解决很多这类问题。但是，我们的人工智能还没有到顶峰。

  处理带有这三个限制条件的问题，计算机肯定比人类好。但是如果缺一个条件，计算机就非常难完成了。例如打桥牌，答案不是封闭的，计算机就很难做了。

  一年以前，如果我和微软小冰聊天。我说我叫张钹，小冰就会傻眼了。因为他没有我的信息。我如果说我是章子怡，小冰应该可以聊下去。所以，尽管小冰很厉害，但是和人的智能还是差得多。

  1、鲁棒性差。机器学习过的内容，和没学习过的内容，在识别效果方面差距太大。例如一个模式识别系统，经过训练可以很好地识别马、牛、羊。你给它一块石头，它有可能认为是马。

  2、机器数据输入和输出结果差距太大。人的智能是举一反三，而机器是举一百反一。给几百万的数据，识别几万个目标。这和人类是背道而驰的。

  【李飞飞发表主题演讲，上图是她在讲述如何用机器视觉识别出坑爹的各种姿势的猫】

  作为人工智能研究者，我很高兴能体会当妈妈的感觉。之前张钹老师说感知代表了很多“不知其所以然”的问题，在现在大规模数据标注的情况下，都能解决。

  认知包括很多我们还不太清楚怎么用数学和人工智能表达的。比如：知识系统的建立、情感的产生和交流、好奇心和创造力驱动的学习，还有 learning to learn。这些都是认知的范畴。

  我认为下一步人工智能的发展，需要加强对情感，情绪的了解，要走进认知学，心理学。我说的不仅是脑科学，而是认知学。因我们目前对人的情感理解非常少，而这对于人工智能来说是很重要的。

  作为人工智能学者，能获得这么多关注，我很高兴。但是我也担心这样的“泡沫”会带来什么。如果是更多的机会和研发投入，当然是好事；如果是过度承诺或者不切实际的产品研究工作，可能会对这样的领域有些不好的影响。

  （李凯，普林斯顿大学 Paul & Marcia Wythes 讲席教授，美国工程院院士，未来论坛科学委员会委员）

  我参加过很多论坛，大家都在问：人工智能何时能超过人？一般专家都会推断通用AI超过人的时间，一定在他去世之后的某个时点，例如：五十年后。到了要验证正确与否的时候，他已经不在了，也就不会有人追究他了。（笑）

  但人们提出这样的一个问题的时候，有一个假设条件，那就是：假定人自身的智能不再往前走了。

  但是，实际上人的智能还是往前发展的。如果现在我们对人的大脑有了新的了解，就可以很快让我们提升个人的智能。而人堆大脑的了解，也能够在一定程度上帮助提高人工智能的水平。

  深度学习，其实就是把我们对人脑神经网络格外的简单的理解变成算法。然后加之以数据，发现智能效果很好。但是，这些人脑神经的只是都是三四十年以前的知识。而我们在期待脑科学有新的突破，这些新的知识一定能推进人工智能的一大步。所以说，智能这条路是很长很长的。无论对于机器，还是对人。

  （沈向洋，微软全球执行副总裁，微软人工智能及微软研究事业部负责人，未来论坛理事）

  我很赞同各位的说法。在商业上，接下来三五年毫无疑问 AI 能够在一定程度上帮助我们解决很多问题。但是秋天过了，冬天我们要做什么呢？

  第一点，我觉得数据很多、算法互通，确实是取之不尽的。但是在计算能力这件事上，我们该更加重视。几十年下来的摩尔定律，让我们大家可以把AI做到了今天，这是非常了不起的飞速增长的五十年。但是工业界普遍会认为，计算能力会慢慢降下来。这也是大家为什么都在非常认真地去做量子计算，也要到十年、十五年才能看到突破。

  第二点，我们要考虑为什么做 AI。是不是计算能力的增强，就一定会产生智能。从人脑的结构来看，我们该定义一个小目标：利用符号学和深度学习做一些结合，希望在脑科学和人工智能结合上，解决几个了不起的问题。我自己想要解决三个和人脑息息相关的病。

  以上，是几位在AI领域顶级专家对于未来人工智能的预测和期望。而包括李飞飞、沈向洋在内的诸多人工智能专家也在大会做了主题演讲，敬请期待雷锋网的后续文章。