YOTOVR陆续推出AI人物专访系列，本篇为奇点大学的Alison E. Berman采访Hod Lipson是哥伦比亚大学工程学教授、Creative Machines实验室主任Hod Lipson。
　　
创造力是人类独有的吗？那么自我意识和直觉呢？
　　
创业公司、科技巨头以及研究机构纷纷投资下一代更加先进的人工智能，人类与机器之间的界限开始有了一点点模糊。日益复杂的AI系统开始处理更加复杂的工作，比如股票市场预测、围棋比赛、写作文章等。深度学习技术已经用在更加智能的AI系统，但这只是冰山一角。
　　
Hod Lipson是哥伦比亚大学工程学教授，也是Creative Machines实验室主任。该实验室正在研发受生物学启发（Biology-inspired）的智能机器，一种可以进化、自我建模和自我反思的机器，它们能自己产生新的想法。或者说，他们正在研发AI的“圣杯”:一种具有自我意识的机器人。几个世纪以来，神学家和哲学家关于自我意识的本质争论不休。
　　
Lipson 下个月将在奇点大学（Singularity University）指数化制造峰会上发表演讲，奇点大学的Alison E. Berman有机会提前对他进行了一次专访：
　
问：你自己有喜欢的你们研发的机器人？
　　
Lipson ：我最喜欢的是一个会画画的机器人，它会拿起画笔和颜料在画板上画画。它几乎拥有人类一样的创造力，能画出非常有艺术感的作品。它的名字叫PIX18，目前是第三代产品，已经比我画的好很多，也比绝大多数人画的要好。它会画猫，还有我的父母。下面就是PIX18的油画作品：

　　
问：给我们聊下你的Creative Machines实验室吧？
　　
Lipson ：我们是专注生物学启发（Biology-inspired）的工程，向自然界的生物学习，做出一些传统意义上认为只有自然界才会存在的一些事情。我们并不是简单模仿表象，而是在更深层次上向生物学习，学习自然界的生物如何进化。
　　
比如说我们有个课题是：能做出自我修复的机器人吗？通常自我复制不是和机器人相关联的研究课题，绝大多数机器并不会从伤害中自我修复或自我适应。直到最近才出现会学习的机器人。我们的研究方向是人工智能和机器人的终极挑战：有创造力的机器人，能创造出一些新创意的机器人。
　　
创造力是人工智能研究的最新领域之一，人们通常认为人类在这方面优于机器，因为人类有创造力。我们的研究方向就是挑战这个观点。
　　
问：人们此前认为只有人类的直觉才能赢下围棋比赛，直到最近AlphaGo战胜李世石，你怎么看这件事情？
　　
Lipson ：AlphaGo是一个AI时代的终结。上世纪50年代以来，人们就已经在训练AI进行棋类游戏，这次围棋比赛会是机器人参加的最后一个棋牌类比赛。我们可以转向现实生活中更加复杂和更具挑战的事情，比如驾驶汽车通过曼哈顿繁忙的十字路口对计算机来说还是很难，显然这比学会下围棋更难。再比如在股票市场是该买还是该卖也是很难的决策。这是完全不同类型的AI系统，它具有探索性，是发散性AI，不是收敛的AI。
　　
问：你们实验室研发的发散性AI的一个具体应用是什么？
　　
Lipson ：我们经常问这样的问题：AI能设计一个与我们此前从未见过的机器人吗？它可以创作油画吗？它可以创作我们人类能欣赏的音乐吗？
　　
问：具有自我意识的AI对你们的实验室很重要吗？
　　
Lipson ：我认为自我意识是AI的终极形态和挑战，人们通常会给人工智能和机器人设定一些中间目标：它会下棋吗？它会开车吗？但是我认为AI的终极目标就是自我意识。这几乎就是一个终极哲学问题，甚至就像炼金术试图起死回生一样。
　　
几个世纪以来，神学家和哲学家关于自我意识的本质争论不休。我认为机器人或者AI会给这场讨论打开一扇新的窗户，一个可以量化并且实用的窗户。我们想说的是，不仅仅讨论什么是自我意识，我们还能利用它。如果我们最终能做到的话，我想才能最终理解到底什么是自我意识。
　　
总之，创造力对AI来说是很大的挑战，自我意识是终极挑战。
　　
问：我在你们网站看不到这些信息？
　　
Lipson ：我们平时不这么宣传，这对我们自己来说也是神话般的，它如同圣杯（Holy Grail）。我们团队才刚刚开始破解自我意识和意识，我们肯定它就在那，但是我穷尽一生会看到吗？这是大多数人心里也想知道的问题之一。
　　
问：这种先进的AI如何影响未来十年的数字化制造？
　　
Lipson ：从两个角度看待这个问题。一种是简单的自动化：我们已经看到机器人可以和人类一起工作，工厂的自动化很容易就能做到。你可以用低于一个工人一年工资的成本买一台机器人，教会它做一些工作，这类情形我们在制造行业已经看到很多了。这类机器人随着指数化因素影响，会变得更加便宜和更有效率。另一方面是设计类AI：当一种具有创造力的AI应用到设计领域，你会惊叹于AI可以以新的方式利用现有的制造工具。
　　
问：你在2007年TED演讲时说过，我们要摆脱手工设计机器，而是让它们像孩子一样自己进化和学习。如今快十年了，你现在怎么看这个话题？
　　
Lipson ：它发生的比我预想的还快。现在AI有两大思想流派：一类是自上而下，基于可编程、逻辑和搜索的方法；另一类是机器学习方法。前者是程序员写出算法，然后给机器人编好程序，让它做需要做的事情。后者是忘掉编程机器人，忘掉编程AI，你只是让它去学习，它自己会从数据中找到所有东西。
　　
在很长一段时间内，人工编程方法的确优于机器学习。我们只能让机器学习做一些小事情，如果想做一些复杂、困难的事情，你还是得依赖专家编程。
　　
但是2007年以来的十年间，机器学习的能力在一些案例上超过了人类编程。比如无人驾驶汽车，靠人工编程的方法无法做到让计算机理解路上发生的事情。但是2012年以来，机器学习算法可以识别并理解实际道路的复杂情况，甚至比人做的还好。这也是我们认为未来几年一定会出现无人驾驶汽车的原因。
　　
我认为机器学习方法只是刚开始，它目前正在加速发展。
　　
问：如果机器学习最终超过了人类的能力，那么你们所讨论的下一代AI需要克服的障碍是什么？
　　
Lipson ：计算机并不能理解他们看到的，尽管我们有相机、更快的运算，但是计算机并不能理解他们所看的。这是一个主要的障碍。这意味着计算机无法处理开放环境下不确定性的任务，只能应用在工厂、矿山、农业等相对静态的工作环境。
　　
我们要开发创造力的AI，不仅能理解和分析所见场景，还能创造并想象出新事物，这是最终通向自我意识的路径。