今天小編分享的教育經驗：對談張亞勤：我預演中的AGI地圖，歡迎閱讀。
以下文章來源于騰訊科技 ，作者張小珺
作者| 張小珺
來源 |騰訊科技 管理智慧
咨詢合作| 13699120588
文章僅代表作者本人觀點
"未來會有新的物種，它将是人類的延伸，然而終究是一個全新物種。"
人人都談論AGI，但未來AGI到底是一幅什麼樣的畫面？
針對這個話題，我們在2024年底訪談了清華大學智能產業研究院（AIR）院長、前百度公司總裁張亞勤院士。
在他的腦海中，人工智能會按照"信息智能>物理智能>生物智能"的圖譜逐步逼近和實現AGI。這種構想和信仰之下，AGI呈現的是一個樂觀的前景畫面。
在他看來，信息智能的AGI5年内可達到；物理智能的AGI分階段達成，如人形機器人大約需要10年達到；而最終的生物智能需要花費15年到20年。
到那時，人類大腦不僅能得到全方位的拓展，人類還能大幅度延長壽命，甚至"未來會有一個新的物種"。
"回顧3萬年前的人類，你會覺得那和現在的人類是同一物種嗎？"張亞勤說，"3萬年前的山頂洞人，屬于猿人階段，那時人類雖已開始使用工具，石器時代也有了火，但工具極為原始。如今，我們擁有手機、電腦與互聯網。倘若再過100年，後人看我們現今的手機、互聯網以及個人電腦，或許就如同我們看待3萬年前的火與石器一般。而且，這種進化的速度正變得愈發迅速。"
故而他認為，"或許只需30年，至多100年，到那時，新的物種會比現在的人類聰慧得多。但它依舊由人類掌控，受我們的意識支配"。
以下是對張亞勤院士的訪談。
信息智能：是大腦的智商
張小珺：你之前提過未來20年在實現AGI的路上，會逐步實現信息智能、物理智能和生物智能，能不能推演一下你腦海中AGI路線圖？
張亞勤：我一直認為，新一代人工智能是信息智能+物理智能+生物智能。
信息智能很簡單，就是ChatGPT，所有文字、影像、視頻，是信息世界的智能。
物理智能是把它用到無人車、機器人、現在講的具身智能，用到基礎物理設施去。
生物智能是把人工智能用到比如腦機接口。像ElonMusk的Neuralink，連到生物體、生命體，包括醫療、手術機器人和新藥研發。這些領網域當然相互有聯系，但它是不同領網域。
我認為5年内，我們在信息智能方面，可以通過圖靈測試，達到AGI水平。ChatGPT出來，在文字方面基本達到，後面要加推理、多模态。Sora，希望很快出來。再過一段時間，在自然語言和自然内容上，我們生成的圖片、視頻，5年内，在信息智能方面達到人類的水平。
張小珺：我們先來講講信息智能，信息智能可以改寫整個現在的商業生态嗎？
張亞勤：人工智能本身并沒有改變商業實質，你該做什麼，還是做什麼。它就是把生產力大幅度提高，會催生出一些新的商業模式，但商業本質并沒有改變。
現在，用AI寫郵件、寫文章更方便，編程效率更高，解數學公式也能靠它。在這些方面，AI會超越普通人，甚至超過數學家、物理學家，其智能水平相當于人類，甚至更高。
人工智能更多體現的是智力。想象一下，有個人腦袋特别聰明，能做很多事。能解題、發明新公式、寫出好文章，還能畫畫、作詩——所以說人工智能就像是我們大腦的智商體現。
以遊泳為例，就算你讀再多的書，不實際去學，還是不會遊泳，必須要在水裡練習才能學會。這個就是物理世界的特性，得在實際的物理環境中實踐。好比你愛喝酒，不管你多聰明，讀多少書，不親自品嘗還是不知道酒的滋味。
信息世界裡，人工智能可以做到像一個博古通今、智商極高的人，這在5年内就能實現。
物理智能再需要點時間，物理智能比較高的等級是我們講的人形機器人，可能還需要10年。10年是不是完全比人厲害？肯定在大部分任務上會超越人類。
物理智能：與其叫機器人，
不如叫"機器anything"
張小珺：物理智能第一個落地的是自動駕駛。
張亞勤：是。無人駕駛是一個相對來講可控的領網域。
機器人領網域屬于開放性問題，而自動駕駛則是封閉性問題。就自動駕駛而言，它只專注于開車這一件事，并且能把這件事做得特别出色。但機器人不一樣，它需要具備常識，要理解人類的行為，還要應對諸多復雜的環境。
可以這樣講，無人駕駛其實是一個會開車的機器人，屬于垂直領網域的機器人，也是應用于特殊場景的機器人。
舉個例子，開車技術好的司機，不需要會寫詩，不需要有超高的智商，也不需要會唱歌或者懂生物知識，只要把開車這件事做好就行。這就跟工廠裡負責焊接的工人一樣，專注做好手頭這一件事。然而，人形機器人面臨的要求就要多得多。
在機器人的應用方面，我将它抽成三種大場景：一種是家庭機器人，一種是工業機器人，一種是社會機器人。
家庭機器人的概念很容易理解，它主要在家中照顧老人、幫忙做家務，還能陪人聊天。不過，家庭機器人的研發肯定是難度最大的。
社會機器人應用的場景，像警察、保安執行任務，送外賣，還有開車等，都屬于社會行為的範疇。未來，警察隊伍可能依然需要一些人類警察，但大部分警務工作由機器人來做就很不錯。機器人保安或許會比人類保安更出色，當然，它得聽從人類的安排，充當人類的助理角色。或許過不了多少年，開車的人就會越來越少，無人駕駛将成為主流。
張小珺：無人駕駛也是社會機器人？
張亞勤：對，那些在街上穿梭、能與大眾頻繁互動的機器人，屬于社會形态的機器人。
除此之外，還有工業機器人。像在危險環境中，比如礦山裡，或是在工廠内部從事精細作業的機器人，都屬于這一類。相對而言，工業機器人的目标較為明确，且是在特定場景下執行任務。
但我們希望後台的技術是通用的。即便在前端，比如在具身智能方面，或是在邊緣計算環節，表現形式可能有所不同，但底層技術最好能通用。
張小珺：你說的是家庭、工業、社會都是通用的？
張亞勤：對。一個通用的後台大模型。我希望它70%-80%的後台技術都實現通用。
張小珺：這個巨大的模型會是今天像OpenAI這樣的模型？
張亞勤：是。這些模型必須要多模态，要從物理世界學習東西，然後大模型再把它變成智能。
最後做的時候還是每個地方不一樣。但這個後台基本是統一的後台，所以是通用平台。
張小珺：今天大模型和自動駕駛還是兩套架構，現在是沒有辦法融合在一起的，但未來是肯定會融合的。
張亞勤：對，我們現在後台都是大模型。在此基礎上，又針對自動駕駛構建了一個垂直模型，這些都部署在雲端。而在車上，還配備了一個小型的邊緣模型。我将其歸納為三個層級。
就像作業系統一樣，作業系統是一個雲端作業系統，上面搭載着SuperApps，當部署到手機端時，又有相應的應用程式。今後，不管你把它們稱作App還是Agent，本質都是為了完成特定的任務，只是這些任務在不同領網域會有所差異。
舉例來說，工業機器人完全沒必要做成拟人形态，只要能把相應的工作完成就可以。但家庭機器人的話，拟人形态可能是最佳選擇。不過，家庭服務機器人也并非一定要是人形，可能會是類似狗或貓的形态。就像盲人出行，以後或許有機器狗就能引導其行走。
所以說，與其局限于"機器人"這個稱呼，不如把這類機器統稱為"機器萬物（機器anything）"。
張小珺：為什麼家庭機器人最好是人形？
張亞勤：人形機器人和非人形機器存在着明顯區别。以家庭場景為例，家中老人在與人形機器人進行溝通時，會比與電腦或其他非人形機器的交流更為自然順暢。
随着技術發展，未來人形機器人的外形會與人類高度相似，甚至達到以假亂真的程度，進一步提升人機互動的自然度。你可以跟它談心，把它當作伴侶，還能讓它幫你處理各種事物。它就變成像你的管家一樣。
另外，為什麼要有人形機器人？這是因為當下的社會環境，包括各類基礎設施，都是依據人類的特點和需求來設計建造的。像爬樓梯、按按鈕這類操作，對于人形機器人來說相對容易實現，因為這些設施本就是按照人類的使用方式來設計的。但這更多的是一種選擇吧。
再看社會機器人，就拿警察機器人舉例，如果它的體型過小，會讓人覺得缺乏威嚴；若體型過大，又會給人帶來壓迫感，讓人感到不舒服。而設計成人形的話，就會給人一種仿佛是人與人在交流的感覺，更符合人們的心理預期。
張小珺：避免"恐怖谷效應"。
張亞勤：對。這更多是一種社會進化，你看到的是你的同類。
我一直講，或許10年之内，機器人的數量就會超過人類，而且每個人可能自己都有一個你的copy，你的機器人。像你的替身一樣。這個機器人能幫你處理很多事，簡直就像是你的分身。希望以後每個人配備一個分身，畢竟分身太多可能會引發一系列問題。
這個分身從屬于你，對你唯命是從，扮演着助理的角色。這個助理十分聰明，甚至比你都厲害，但它始終會聽從你的指令。
張小珺：它屬于家庭、工業，還是社會？
張亞勤：都可以。你如果在家裡就是家庭機器人。你如果到工廠上班，工廠裡面可能有你的機器人，幫你做事。這兩個場景不一定要是同一個機器人，但它必須要适應不同的場景。
張小珺：社會機器人和家庭機器人，哪個更難達到？
張亞勤：看情況。所有人形機器人都不容易，需要很長時間。所以我覺得，大概5年或者10年，慢慢地就能看到人形機器人的一些初步樣子了。
在機器人這塊兒，無人駕駛機器人算是我們已經有成果的領網域。
我剛從舊金山回來，坐了Waymo的無人駕駛車，體驗特别棒，它開起來比人開得還平穩順滑。關鍵是，現在舊金山的市民都樂意坐這種車，已經不覺得這是什麼新鮮玩意兒了，甚至把它當成出行的首選。
張小珺：今年蘿卜快跑在武漢，公眾還不太能接受這件事。
張亞勤：對，現在蘿卜快跑安全性比有人駕駛要高至少10倍，同時開得也很好。雖然落地時間比較短，但乘客評價卻很高。目前來看，大眾還是認為它是一個新興技術。
對比中美，阿波羅和Waymo是屬于走在最前的，你看到了就會說這是未來的無人駕駛。但無人駕駛可能放到現在車裡，也可以作為出租車的一種服務，這是商業模式問題，因為技術能力已經實現了。
張小珺：你怎麼看馬斯克代表的L2+路線和Waymo代表的L4路線，馬斯克也認為他的L2+能夠上升到L4。
張亞勤：可以上升到，但現在仍處于發展階段，還需要進行大量測試，并且要依靠新技術的支持。就目前而言，它還存在一些局限性。
當下的FSD（完全自動駕駛）系統還沒辦法實現真正意義上的Robotaxi功能，因為FSD設計的是有人參與的駕駛模式，在行駛過程中，人依然可以接管車輛操控。而真正的Robotaxi是完全不需要人接管的，甚至未來連方向盤都不會配備。這對技術的要求相當高。
不過，值得一提的是，這個看似很高的技術要求其實已經有人實現了。要是特斯拉着手去做這方面的業務，以它的規模，影響力會更大。而且以後，其他汽車企業也都有能力做到這一點。
張小珺：車企以後都可以做到？
張亞勤：都能。Waymo和百度在中國和美國證明無人駕駛技術是可行的，這個我覺得很重要。這個時候大家就是看誰跑得快點，跑得慢點，商業模式怎麼落地。
看到曙光了。
兩年之前我覺得還看不到。像我是一直有信心的，但你問我什麼時候發生，我也不知道，現在很清楚了。
張小珺：如果車企能做的話，他們自己本身就有車隊，對比Waymo或者百度阿波羅這樣的產品，商業模式會不一樣嗎？最後這個賽道屬于誰？
張亞勤：大致想來，存在三種類型的企業：
一種企業是提供服務的企業，例如當下的滴滴，以及傳統的出租車運營公司，它們都致力于提供運營服務。
一種是做整車制造的企業。
還有一類企業專注于生產車内相關產品，比如芯片，像地平線、英偉達這類公司便屬此類。有些公司可能選擇只專注于汽車制造，不涉足Robotaxi服務；而有些公司則僅開展服務業務，使用其他公司生產的車輛。這種情況在行業中都會出現。
就像特斯拉宣稱自己什麼業務都做，這當然也可行。如此一來，企業之間便會形成一定的競争态勢。但最終誰能脫穎而出，還需拭目以待。而且，最終勝出的不會只有一家，而是會有多家企業在市場中占據一席之地。
張小珺：李想（理想汽車CEO）和何小鵬（小鵬汽車CEO）都說他們做L4的技術，但不會做Robotaxi的平台方。
張亞勤：可能很多車廠不做這個事。就像現在一樣，不做出租車生意，只是銷售汽車而已。這種情形在未來依舊會存在。總之，整個產業包含三個關鍵部分：其一是服務，其二是車輛，其三則是車内的芯片、元件等部件。
張小珺：為什麼自動駕駛、具身智能在今年這麼火？
張亞勤：如今大家都看到行業發展的曙光了。其中，大模型成為了一個關鍵的促進因素，可以說是引發變革的導火索。我先講無人駕駛，再講具身智能。
多年來，無人駕駛一直面臨着幾個主要難題：第一個問題是數據量匮乏，要大量的測試數據；其次，存在諸多極端情況（cornercase），在實際駕駛過程中，許多場景下的安全問題并不容易遇到，然而在測試時，卻又會遭遇各種新問題，這反映出無人駕駛技術的泛化能力較差；最後，人工智能技術方面，各類模型較為分散，例如地圖構建是一個模型，視覺識别是一個模型，語言處理又是另一個模型，呈現出碎片化的狀态。
這些碎片化的模型，要将它們整合在一起，既要進行感知，又要完成融合，還要做規劃以及決策，只能逐個部分去處理。而且其中包含大量規則，有人工智能算法、神經元算法，還有許多固定規則，拼湊得雜亂無章。
大模型出來之後，不能講完全解決，但能加速解決這些問題。
針對數據不足的問題，生成式AI能夠依據真實數據生成大量數據，這使得整個模拟、仿真的速度大幅提升。
關于場景不足的難題，大模型自身具備出色的泛化能力，也就是所謂的常識。大模型不僅擁有常識，還能通過模拟器學習這些常識。因此，即便遇到許多未曾接觸過的情況，它也能較為輕松地解決問題。
大模型推動了端到端解決方案的探索。将所有這些模型整合起來，只需一個輸入，就能得到一個輸出，最多利用一些規則來保障安全。
所以，這三個大的挑戰不能講完全解決，但至少得到了很大程度的緩解，大幅度加速了無人駕駛的這種開發的進程。
張小珺：馬斯克提出的端到端模型是一個讓大家看到曙光的重要產品。
張亞勤：端到端的方案大家都在研究推進，而且很快就能投入應用，我們現在也已經開始采用。
大模型的出現，極大地加速了相關技術的發展，徹底改變了整個行業生态。以前，我們雖然也有類似的想法，但缺乏足夠的認知與技術支持。如今大模型問世，讓我們有了實現這些想法的可能。
現在大家都采用Transformer架構。過去可不是這樣，一會兒用卷積編碼（ConvolutionalCode），一會兒又用循環神經網絡（RNN），算法繁雜多樣。這其實就是上一代人工智能，深度學習第一代和第二代的區别所在。那時針對不同的輸入，要采用不同的算法，產生不同的輸出後，再進行融合處理。但現在，無論輸入是什麼，都用同樣的Transformer來處理，也就是基于Token進行處理。
無人駕駛領網域如此，具身智能領網域同樣如此。
就拿機器人來說，機器人面臨的問題，基本上和無人駕駛類似。只不過機器人領網域的數據更為稀少。而且，在過去，機器人在數字空間進行模拟時，通常采用強化學習的方式，設定一個環境和智能體，讓智能體通過學習找到一種策略，然後應用到實體機器人上。然而，實際應用中卻常常發現這種策略并不奏效。
現在，AIR(清華大學智能產業研究院)正在研發RSR技術，這項技術将真實世界與物理世界緊密連接起來，從而加快了機器人技術的發展。也就是說，在模拟世界、數字空間裡進行學習所獲得的成果，能夠更好地應用到實際中，讓機器人技術更快落地。
張小珺：這個叫世界模型？
張亞勤：你可以講構建了個世界模型。我把它叫RSR，就是RealtoSimtoReal。
這裡的"Real"指的是真實世界中的事物。我們從真實場景出發，通過分析将其轉化為數字世界的内容，這就是"從真實到模拟（RtoSim）"，也就是模拟（simulation）過程。在模拟階段，我們能夠運用各種AI生成工具，比如StableDiffusion這類當下新型的生成式AI工具，生成大量内容。借助這些工具，我們把數字世界與真實世界緊密相連。
如此一來，在數字空間裡學到的東西便能立刻應用到實際中，這就如同無人駕駛領網域那樣，有效地彌補了數據不足的問題。
張小珺：它像是積累了一堆的常識，然後再灌給它。
張亞勤：第三點至關重要，即擁有一個大型模型。在過去，機器人面臨的最大難題是無法理解人類意圖。它或許能識别聽到的字詞，卻不明白背後的含義，缺乏基本常識。
機器人既沒有理解力，也不太具備推理能力。然而，大型模型出現後，情況就大為不同了。這就好比大模型充當了一個"大腦"，可以對前端的機器人進行指揮。這是一個巨大的飛躍，歸功于大模型所具備的常識。
舉個例子，對于家庭機器人，我下達指令："你幫我把髒衣服拿下來，送到幹洗店洗好後再拿回來。"放在過去，機器人完成這樣的任務難度極大。但現在相對輕松很多，因為像ChatGPT或者GPT這類模型，在接收到指令後，能夠理解其含義，并将指令分解為具體動作，進而指揮機器人去執行。
張小珺：加了個"腦子"。
張亞勤：現在機器人就好比多了個"腦子"，而這個"腦子"，在過去可是機器人最難具備的東西。過去，每一項任務對機器人來說，都是巨大的挑戰。但現在不一樣了，我們實現了很自然的人機對話，大模型能理解我說的話，然後把任務分解，指揮機器人去執行。
機器人的應用場景特别繁雜。就好比做早飯的機器人和掃地機器人，它們的任務完全不同，不能一概而論。但我們希望機器人的"大腦"，也就是後台系統是通用的，只是前端執行部分有所差異。
過去的做法是，掃地機器人是一套獨立的系統，和做飯機器人毫無關聯。洗衣服、焊接元件、質量檢測、開車等不同功能的機器人，各自都是專用的，相互之間沒有聯系。但現在，後台本質上是一樣的，只是前端根據不同任務有所區别。
這就好比人，一個人具備多種能力。人通過學習擁有基本常識和智能後，既能學開車，也能學掃地。
無論做什麼，還是同一個人，不需要每次換個"腦子"。
張小珺：今天開車這個場景是相對确定的，其他工作還不好說。
張亞勤：打個比方，以前我常開玩笑說，機器人會開車卻不會開門，就算能開門，又開不了微波爐，即便打開了，還不知道怎麼關上。諸如此類的小細節問題，要是每個都專門設定一種新算法，那可太麻煩了。
早期，人們嘗試用各種規則來解決這些問題，但現在不同了。現在有了大模型，機器人一看就學會了。學會之後，不管遇到什麼東西，它都知道怎麼開，也知道該用多大勁。比如說它給你端茶，知道茶是熱的，還會提醒你小心。類似這樣的事它都能做到，這就是所謂的具備了常識。
那常識從哪兒來呢？就是從大模型中來的。不需要在每個細節上都教它，過去那種一個規則接一個規則地設定，得定多少規則啊！現在不用這麼麻煩，機器人學會之後就能舉一反三，就跟人一樣，學會了就會自己推理。
比如說，你告訴它你餓了，想吃點東西。要是它知道你愛吃香蕉，就可能在房間裡找到香蕉拿給你。要是訂餐，知道你不吃羊肉，點餐的時候就不會給你點羊肉。它會具備這些常識，不需要把每個細節都記下來。它就像人一樣，能理解你，知道這些最基本的生活常識。
張小珺：今天落地自動駕駛和後面的具身智能分别的難點是什麼？
張亞勤：為什麼我覺得信息世界相對簡單些呢，因為在信息世界裡，你只要有一部手機或者一台電腦就基本能開展相關活動了。然而，信息世界在部署場景方面，自身的周期會比較漫長，而且難點眾多。
以無人車為例，要讓無人車能在路上正常行駛，首先就會面臨政策法規方面的問題，同時還得解決如何與有人駕駛車輛在道路上相互協調的問題。所以，在這樣的物理場景中，要打造一個完整的世界模型。但如果是做虛拟世界，就不需要考慮這些，只需要構建一個物理模型就行，可這也并非易事。
機器人的情況也是如此。比如說，要是用輪足式機器人送外賣，那它該如何上下樓？又要怎麼開門？這些具體場景對技術的要求更為復雜。
在每個場景落地的過程中，這些細節問題都需要耗費更多精力去解決。這就好比上學，上課的時候有書本就夠了。大模型在信息世界裡就如同讀書，讀了很多書後變得很聰明，能夠總結出各種道理，也能表達出來。但真正要付諸實踐的時候，還是得實實在在地去做。正所謂"行萬裡路"，做事還是需要具備相應的技能。
對于機器人而言，關鍵就在于如何将技術真正落地？數字世界和物理世界怎樣才能實現良好的互動？不同場景下情況各異，有些場景可能相對簡單，有些則可能難度更大。
張小珺：信息智能，似乎該去的公司都已經入局了，自動駕駛也是，今天不可能再說我要做一個自動駕駛的公司。
張亞勤：不能一概而論地說信息智能就簡單。信息智能領網域同樣存在不同方向，也有垂直細分領網域。比如說，有的是做橫向發展的，但在這個範疇内，可能又會細分出諸如生成圖片，或者幫人編寫代碼這類垂直場景。
當下，自動駕駛正處于爆發階段。你看相關的公司如地平線這類做芯片的，正逐步崛起。它們已經邁上新台階，成功上市，不僅有了產品，還能提供服務，大眾也開始認可它們。
未來5年，這些公司有着廣闊的發展前景。不過，要做好任何一個項目，确實都需要相當長的時間，1-2年通常難以達成目标。就機器人領網域而言，尤其是人形機器人，目前在做的公司，可能要八年甚至10年之後才能有所成果。
我之所以說物理世界的通用人工智能（AGI）會在10年内實現，是因為我認為到那時，AGI将成為主流趨勢。
張小珺：做自動駕駛的車企直接開始做機器人會更容易嗎？
張亞勤：裡面很多共性，最後可能還是看你怎麼落地。
機器人整體來講，要稍微更復雜一些，需要的東西更多。但做無人駕駛是需要更精準一些，因為比如說有的機器人它速度很慢，它比如随便講做早餐吧。做早餐，它整個速度慢點、快點沒關系，但你開車不行的，開車你在多少這個毫秒中犯錯就不行了，它的實際需求和要求不一樣。所以每個場景的技術也不太一樣。
但這裡面後台東西都是一樣的。首先你需要一個感知模型，你要感知環境，你要理解，你要有action——vision、language和action（VLA模型），這個model還是有的。
生物智能：
拓展大腦，延長壽命，誕生新物種
張小珺：再往後，生物智能呢？
張亞勤：生物智能的實現需要更長時間，因為生物智能需要通過或者植入或者非植入的方式，把我們的大腦和機器連在一塊。
我更看好非植入的，看好用更好的、更敏感的傳感器，包括一些機器和大腦的接口，新的技術發展很快。
張小珺：我們能在有生之年看到嗎？
張亞勤：可以看到，我認為20年之内可以實現。到那個時候，我們人類的大腦将得到全方位的拓展。
大腦的拓展體現在多個維度上。首先，在記憶方面，我們将擁有近乎無限的存儲能力。這意味着，很多事情我們無需再依靠自身有限的記憶去記住，存儲設備能夠幫我們記錄下海量信息，極大地減輕了大腦的記憶負擔。
其次，智能化發展會讓我們變得更加聰明。最初，它可能更多地應用于醫療健康領網域。例如，對于盲人，相關技術可以通過刺激對應的神經細胞，幫助他們恢復一定的視覺能力；對于聾人，能夠刺激聽覺神經，改善聽力；針對殘疾人，還能嘗試連通并修復受損的神經以及大腦中樞神經，助力他們恢復部分身體機能。
不僅如此，像老年人常患的阿茲海默症，以及小孩的多動症、自閉症等病症，也可能借助這些技術得到有效的治療或改善。
随着技術的不斷發展，其作用将不僅僅局限于醫療康復，後續還能夠拓展正常人的智能。不過，要實現這一系列的發展，需要漫長的時間與持續的技術積累。
在這個過程中，我們不可避免地會面臨一些問題。一方面，倫理道德問題會逐漸凸顯，比如如何确保技術應用的公平性、安全性以及對人類尊嚴的尊重等。
另一方面，還會涉及到未來矽基生命（以矽為基礎的智能機器）與碳基生命（人類等以碳為基礎的生命形式）如何共存的問題。因為這些技術不再是與人類無關的外在事物，而是會與人類更加緊密地連接在一起，深刻影響人類的生活與發展。
張小珺：我們有可能在有生之年把自己的生命留給矽基世界，對嗎？
張亞勤：這是有可能的。這裡面既包含哲學層面的思考，也涉及到信仰範疇的問題，我堅信這種可能性是存在的。
就目前而言，我并不覺得人工智能已經能夠產生意識。然而，我認為矽基生命與碳基生命相互連接是切實可行的。通過這種連接，有望讓人類變得更加聰慧、更加健康，并且延長人類的壽命。
是不是會永生我不知道。但是肯定壽命會更長。
張小珺：壽命長是矽基的長，不是碳基的長？
張亞勤：它可以延長碳基生命。
張小珺：這是怎麼做到的？
張亞勤：比如說，未來或許我們的器官都能夠進行替換，大腦也能通過各種技術手段變得更為健康。當下，許多人離世是因為癌症，還有老年期的精神疾病等這些老年病症。但我堅信，假以時日，不管是依靠藥物治療，還是借助其他先進的醫療技術，這些疾病都有被治愈的可能。
不過，對于人工智能會自行產生自我意識，或是所謂全新的靈魂，我對此持否定态度。
張小珺：為什麼你不相信？——它聰明到一定程度，不應該能產生意識嗎？
張亞勤：因為人類意識是如何產生的，我們都不知道，因此我認為這更多是信仰問題。
但我們現在人已經有意識了，我們加了個東西，對吧？這個東西讓我們變得更聰明、更健康、生命更長，這個是有可能的。
張小珺：去年我采訪以太坊的聯合創始人VitalikButerin，他講了一個觀點挺有意思。他說未來生物和矽的技術會合并在一起。他認為這是我們人類唯一可以參與的Super-intelligence（超級智能）。否則，就是一個單獨的計算機，比我們都聰明，主宰這個世界。
張亞勤：這是另一個話題了。我想說的是，未來将會實現數字、物理與生物的融合，并且矽基和碳基也定會走向融合。但具有意識的，依舊是我們碳基生命。
這是目前我們對碳基意識的理解。就矽基而言，即便擁有再多的算力與海量的數據，本質上與意識并無關聯。或者說，我們無法創造出自己尚未理解的事物，亦或是對于不了解的東西，我們無從創造。
到底未來人類會怎麼樣？我認為未來會有一個新的物種。這個新物種雖仍處于人類的掌控之下，但其智能化程度極高，能力也極為強大。它将是人類的一種延伸，然而終究是一個全新的物種。
回顧3萬年前的人類，你會覺得那和現在的人類是同一物種嗎？我覺得差異極大。3萬年前的山頂洞人，屬于猿人階段，那時人類雖已開始使用工具，石器時代也有了火，但工具極為原始。如今，我們擁有手機、電腦與互聯網。倘若再過100年，後人看我們現今的手機、互聯網以及個人電腦，或許就如同我們看待3萬年前的火與石器一般。而且，這種進化的速度正變得愈發迅速。
人類的進化速度相當有趣。從狩獵時代步入農業社會後，在這2000-3000年間，人類整體的生活方式并無太大改變。但我認為，真正意義上的重大變革發生在過去的300年間，也就是工業革命之後。首先，人類掌握了能源，從而獲得了強大的動力。其次，信息社會的到來，又帶來了另一次巨大轉變。而現在，人類正經歷着智力的快速拓展。
所以說，自蒸汽機誕生之後，人類的進化便不再遵循達爾文所描述的自然進化模式。如今的進化是非線性的，呈現出指數型增長，速度迅猛。故而我覺得，或許只需30年，至多100年，那時再看今天的人類，當下的這些事物都會顯得極為簡單。
到那時，新的物種會比現在的人類聰慧得多。但它依舊由人類掌控，受我們的意識支配。
張小珺：它是矽和碳結合的，它可能不是只是碳？因為靠碳基我覺得很難實現30年更換一個物種。
張亞勤：這就得看你如何定義"物種"了。就好比如今你看猿人，會思考他們算不算新物種呢？其實從某種角度講算，可又和我們現在的人類截然不同，對吧？
如今時代發展迅速，不需要像過去那樣歷經3萬年，也許短短30年，最多100年，就會演變出一種全新的形态。
張小珺：能不能構想一下10年後我們的社會會是什麼樣？
張亞勤：10年之後，我們現在想象的好多東西實現就實現了，路上就會很多車就是無人的了，對吧？
會看到很多車無人駕駛的汽車，很多機器人。選擇親自開車的人會大幅減少，不少人會摒棄自行駕車的方式。
就像現在，大城市裡的很多年輕人就選擇不買車，他們覺得使用優步出行更為便捷。到那時，或許更多人會選擇不再自己開車。
30年之後你看到有個人開車，像現在有人開馬車一樣，變成新奇的東西了。你現在去紐約，紐約現在還有馬車，你去看紐約趕個馬車挺新奇的。
30年之後，你看到個人開車就是這樣的。以後可能人開車需要特殊批準。30年前電梯裡面還要坐人的，有人幫你運營的，現在你看電梯裡有沒有人？沒有人，但我後來發現在英國電梯，它對于這種服務，你看上去就很新鮮的這種。
張小珺：這是一個高端服務。
張亞勤：沒錯，所以到最後，親自開車說不定反而會變成一種極為特殊的場景。
可以預見，會有大量機器人真正走進千家萬戶。我想，每個家庭都會擁有一個機器人，就如同如今冰箱、電視一樣普及。這種機器人能夠承擔起家庭安保職責，當你不在家時，它可以查看窗戶是否關好，留意是否有外人闖入。
張小珺：可能以後買車的錢就花在買機器人上，是嗎？
張亞勤：對。我覺得這些都會實現的，包括教育、醫療等領網域也都會有徹底改變。AIR現在就在做AIHospital無人醫院。
我們當下所做的諸多嘗試，未來大多會變為現實。
不過，人類自身并不會發生根本性的轉變。我預計，30年後人類的壽命将會大幅延長。30年的時間，雖不太可能實現永生，但活到100歲或許會成為普遍現象，甚至有些人能夠活到120歲，乃至150歲。
張小珺：這會帶來社會結構性的變化嗎？能推演嗎？
張亞勤：這一點我雖無法确切預知，但我認為它必将引發社會結構的一些變化。
比如說，未來人們的工作時長會越來越短。在工業革命剛剛結束的時候，我們每周要工作7天，後來變成了6天。我出國那段時間，國内還是每周工作6天，等回來就變成5天了。現在歐洲一些地方已經實行每周工作4天，照這樣發展下去，以後人們說不定一周只需工作1天。
一周僅工作1天，其餘時間人們就可以去做自己感興趣的事。這裡要說明的是，這并非意味着部分人工作7天，而其他人失業，致使6個人沒工作。
我的意思是，随着社會生產力的大幅提升，社會結構發生改變，人類社會會步入老齡化，人均壽命增長，自然出生率則會降低。由于人均壽命延長，人口總數可能不會減少，但新生兒數量會下降，這已然成為一種大趨勢。
留意觀察，你會發現相對發達的國家人口都在呈減少态勢。目前人類的平均壽命中位數大概是多少呢？現在是40歲，而以後可能會達到80歲。所以到那時，80歲的人或許還算是青年人或壯年人，一切都會發生改變。
并且，未來老年人的身體狀況可能也會相當良好，因為不管是身體上的疾病，還是腦部的疾病，都會逐漸被攻克治愈。
張小珺：所以，應該盡早找到自己喜歡幹的事，要不然怎麼度過這麼漫長的人生。
你會給現在的年輕人什麼樣的建議嗎？你會告訴他們現在科技發生了什麼樣的變化，教育會發生什麼樣的變化，你們應該怎麼應對？
張亞勤：我提議，今後每堂課除了配備一位人類教授，還應增設一位AI教授。這位AI教授就如同助手一般，但它所掌握的知識或許遠比人類教授更為豐富。學生不僅能夠與它互動交流，還能向它請教問題。在未來，學習的關鍵方式并非死記硬背或大量刷題，而是學會如何提出高質量的問題。
就拿現在的ChatGPT來說，它給出的回答質量，與你提問的水平緊密相關。要是你随意提問，它可能就敷衍作答。但要是你問得精妙，它便會給出深入的回答，與你展開有深度的互動。
一直以來，我們都在強調提問的能力，倡導批判性學習，鼓勵學生進行辯論，形成自己獨特的新觀點，而這些在未來會變得愈發重要。
張小珺：最後，基于你所有讀過的書，能不能推薦兩本書？
張亞勤：我剛看了一本書叫《Outlive》（《超越百歲：長壽的科學與藝術》），我覺得特别好。剛才我們提到了AI在生命科學領網域的應用，這本書就涉及到長壽生活方式的相關内容。
之前我還讀過一本老書，叫《InSearchofMemory》（《追尋記憶的痕迹》），講的也是相關主題。我還專門向這本書的作者，諾貝爾獎得主哥倫比亞EricKandel教授請教過，那位老先生如今人在美國，已經100歲高齡了。在人類所具備的各種智能當中，記憶力占據着極為重要的位置。
記憶抽成幾個層次，有天生DNA的記憶，有短期的記憶，有長期的記憶。學習的過程，實際上就是如何将知識轉化為記憶的過程。比如知識，要存儲到大腦外皮層形成長期記憶，才算是真正掌握了知識。目前，AI在這方面的理解還很欠缺。這本書對人類如何記憶以及AI對知識的抽象化處理，闡述得十分精妙。
例如，患上失憶症，或者阿爾茨海默病、亨廷頓病等的老年人，往往會發現他們大腦中負責記憶的區網域，像海馬體開始縮小、萎縮。一旦出現這種情況，人的所謂智能就會随之減退。
可見，記憶體尤為關鍵，然而目前AI在記憶方面的表現仍不盡人意。
