问世不足百年，计算机科学已对人类生活产生巨大影响，其未来发展方向如何？11月7日，世界顶尖科学家科学圆桌会议上，计算机科学、人工智能与信息技术领域的世界顶尖科学家“围坐圆桌π”，共议“数智未来新突破”。圆桌会议主持人、1986年图灵奖得主约翰·霍普克罗夫特表示：“我们身处信息时代的起始，而非结束。”
人工智能不应满足于行为模仿
通过训练，人工智能已经能够模仿人类的许多行为，用“琴棋书画全面发展”来形容也毫不为过。兰诺·布鲁姆，2004年美国总统科学、数学和工程指导卓越奖得主在会上指出：“人工智能像是一个‘集成器’，可以和很多领域结合，这值得深思。”
比起模仿，未来人工智能应该更多关注“决策”。首届顶尖科学家协会奖(以下简称顶科协奖)“智能科学或数学奖”得主迈克尔·I·乔丹表示，尽管“模仿人类行为”是人工智能的经典定义，但深度分析才是其关键所在。比如，人工智能可以针对海量数据，用博弈理论进行分析；它还可以对蛋白质折叠的结构进行相关预测，这是人类无法做到的。11月6日，乔丹在首届顶科协奖得主媒体见面会上也表示：“人工智能的意义并不在于让机器人跳舞。”
乔丹塑造的理论框架是机器学习得以应用的基座，他曾先后在心理学、数学、认知科学等领域进行研究，并成功连接计算机科学和统计学。他认为，个人、群体都是智能的主体，都可以产生决策行为。“上海所有的餐厅也可以是一个智能集合体，如果碰上天气变化、城市格局更新，这个智能体会进行相关应答。重要的是，它还是非常具有鲁棒性的智能集合体。”乔丹说，“如果通过个体收集海量数据，我们就可以在经济学方面开拓新的天地。”
鲁棒性是机器学习模型的一项重要评价指标，主要检验模型面对一定变化时，表现是否稳定。
数据将在未来“连点成线”
人类社会由极度复杂的文化连接构成，这是单个数据无法描述的。“未来的计算机科学将‘连点成线’，通过主体间的互动，进行结构上的预测和分析，让人类拥有更美好、更高效的生活。”乔丹表示。
那么，在动态的社会中，机器该如何“提升自己”？这是清华大学软件学院长聘副教授龙明盛长期关注的问题。“‘错误发现率’可能是人工智能科研当中缺失的一环。10多年前，机器学习技术总被现实问题击垮，这促使我去思考机器学习的短处。”
但龙明盛坦言，在他的研究进程中，对人工智能的训练常因环境部署的变化而遭遇失败，人工智能正亟须一些原则和方法论来构成系统。“鲁棒性意味着人工智能需要有不同范式，科学研究则要让这些具备不同优势的范式达成‘合作’。”清华大学计算机系教授朱军表示。
在此背景下，我们将见证“一个新的工程学科”的出现。这一学科依托全球网络和数据，基于智能科学、统计学、经济学原理，将为新型商业、医疗、交通、娱乐提供强大支撑。人类的偏好、价值观和决策是这个学科的关键所在。“计算机科学、经济学、统计学、数学等产生的集合将产生一个对真实世界进行预测的新兴学科。我们一旦能够做好推理，就可以作好决策。”乔丹说。这是他在扎根机器学习和人工智能领域数十年过程中的发现。
人工智能仍在发展之中，许多问题还没有明确的答案。但在攀登科学高峰的道路上，世界顶尖科学家们正寻找新的模型、建立新的基础，这门新兴学科终将“守得云开见月明”。
