专访澳洲院士Toby Walsh：AI 终将领跑数学与科学，但人类艺术创造力难以替代丨智源独家

在 AI 飞速发展的当下，澳大利亚新南威尔士大学桂冠学者、AI 领域权威学者 Toby Walsh，在采访中抛出观点：人类在艺术创造力上的优势无可替代，但在数学与科学领域，AI 终将超越人类。

在他看来，艺术创造力的核心在于 “人类处境”—— 坠入爱河的甜蜜、失去挚爱的痛苦、对生死永恒的思考，这些人类独有的真实体验，是 AI 永远无法拥有的。伟大艺术正因其触及这些深层境遇而动人，AI 即便能写诗谱曲，也难以复刻这种源于生命体验的情感共鸣，人类在这一领域的优势牢不可破。

但在数学与科学领域，AI 的潜力远超人类。Toby Walsh 指出，AI 能处理人类难以应对的规模庞大、细节过于复杂的数据集，它在逻辑推演、数据运算上具备天然优势。如今 AI 已能辅助发明新药物、提出数学新成果。随着技术迭代，未来在科学发现的速度与深度上，AI 必将超越人类 —— 毕竟人类的认知与算力存在生理局限，而 AI 能突破这些边界持续进化。

即便如此，他也强调 AI 的发展方向应当由人类掌控。当下，他正在努力推进一系列因地制宜的 “AI 为善” 项目：澳洲海滩众多，他与当地海滩组织开展合作，构建了一套机器学习模型用来识别危险水流，切实挽救人民何游客们的生命。同时模型还被用来为无家可归者匹配援助服务，这一系列举动正是让 AI 在科学能力框架内，服务人类社会需求的实践。

对于投身 AI 领域的年轻人，Toby Walsh 建议深耕所在领域，成为“专家”。面对AI热潮要有定力，更应该专注于那些短期内没有明显经济回报，但长期对社会更有价值的问题。

Toby Walsh 的观点，既清晰界定了人类与 AI 的能力边界，也为 AI 未来发展提供了理性指引，值得每一位关注 AI 与人类关系的人深思。

编辑：齐会芳

01

因为女儿选择了AI公众科普，责任让他站了出来

 只要我们谨慎部署 AI 技术，它就可以成为一种向善的力量。

李梦佳：你最初是如何被人工智能领域吸引的？在您漫长的职业生涯中，研究方向从约束规划与可满足性这类细节的技术方向，逐渐拓展至AI伦理、政策倡导甚至公众科普。这种转变背后的动机是什么？是什么让您始终保持对AI研究的热情？

Toby Walsh：我小时候看了太多科幻小说了，比如阿瑟・克拉克和艾萨克・阿西莫夫的作品，他们在书中描绘了一个有机器人和智能计算机的未来。也是从那时起，我意识到自己可以帮助创造那个未来，而且那个未来或许能在我有生之年到来。

大约十年前，人工智能开始大行其道，也取得了不少成果。比如 AlphaGo 击败了李世石，大语言模型也相继出现。也就是从这时起，人们更加关注 AI 领域正在发生的事情。我也意识到，作为一名科学家，向公众传递相关信息，参与这场讨论，至关重要。

而且，作为在这个领域有一定声望的人，我有责任利用这个地位，推动舆论朝着好的方向发展。我有一个尚年幼的女儿，我不希望将来她对我说：“你当时有机会发声，为什么不说话？”所以我选择站出来，逐渐将研究方向拓展到 AI 伦理、政策倡导和公众科普这些领域。

图注：Toby Walsh教授和他的女儿组装的 Meccano 机器人

而能让我始终保持对 AI 研究热情的原因，其实还是我小时候的那个梦想。我们终将创造出能够改变生活方式的技术。如果能谨慎地使用这些技术，它们会以积极的方向改变我们的生活，帮助解决贫困、疾病和社会不平等这些问题。我仍然坚信，只要我们谨慎部署 AI 技术，它就可以成为一种向善的力量。

李梦佳：您目前正在推进哪些 AI 研究项目？请介绍下这些项目的核心目标与最新进展？

Toby Walsh：我的研究非常关注AI的负责任使用。AI的挑战在于它是一种双用途技术，同样的技术可以被用于积极或消极的目的。所以，我会尽量把自己的研究聚焦在积极应用的方向上。

下面用两个项目来举例。

• 第一个项目，在澳大利亚这样的国家，海滩数量很多，而溺水是当地存在的一个实际问题。由于海滩太多，没办法实现全部巡逻覆盖。于是，我们和当地负责巡逻海滩的组织 “澳洲海浪救生协会” 开展合作，构建了一套机器学习模型。使用时，人们只需用智能手机的摄像头对准海滩，这个模型就能识别出哪些区域存在危险水流，也就是哪些地方不适合游泳。

• 第二个项目是一套 AI 驱动的推荐系统，它是为无家可归者以及其他有需求的人群设计的搜索引擎，帮助他们找到当地服务、银行、餐饮、慈善机构和商店等。但问题是，刚成为无家可归者的人往往不知道该求助什么，也不知道哪些慈善机构会提供旧手机，或者提供儿童玩具—— 比如有人在逃离家庭暴力时，可能就有这方面的需求。因此我们正在打造一个推荐引擎，根据用户的提问和查询，提供一些他们可能不知道的实用信息。

这是我目前在做的“AI for Good”（AI为善）项目的两个例子。

02

AI研究的最大障碍：融合符号和概率范式

当前的概率基础模型在推理能力上存在一定挑战，而符号系统的强项恰恰是推理，但它们在处理杂乱、模糊的知识时又会面临困难。我认为这可能是当前 AI 研究最大的技术障碍，我们该如何把这两种截然不同的范式结合在一起。

李梦佳：您的新书《The Shortest History of AI》为我们提供了精炼的历史视角。能否为我们简单介绍一下书中描绘的 AI 发展史及关键节点？

Toby Walsh：我在这本书开篇就写道，AI 始于 1956 年 6 月 18 日。或许很多人没意识到，AI是有一个确切的起点日期的，要知道，很少有科学学科能明确说出自己的起始日、起始年，但AI可以。因为那一天，正是著名的达特茅斯会议的第一天。

那次夏季会议汇集了许多人工智能领域的奠基人物，像约翰・麦卡锡（John McCarthy）（美国计算机科学家、认知科学家，人工智能之父）、马文・明斯基（Mara Miski）（美国著名的计算机科学家和人工智能领域的奠基人）等等学者。其中，约翰・麦卡锡 —— 我曾有幸认识他 —— 首次提出了 “人工智能” 这个词，用来描述会议的主题。人工智能就是从那一天正式开始的，因为那是第一次真正用 “人工智能” 来指称这个研究领域。

当然，人工智能的历史其实远远早于此。它可以追溯到艾伦・图灵（Alan Turing）（英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父），甚至更久远的远古时代。事实上，在许多文化中，人们都思考过能否将思维机械化。这类思想的源头可以追溯到莱布尼茨（Gottfried Wilhelm Leibniz）（德国哲学家、数学家）、布尔（George Boole）（英国数学家、哲学家和逻辑学家）、巴贝奇（Charles Babbage）（英国数学家、哲学家兼机械工程师）等人，而且并不局限于西方文化。

图注：Toby Walsh 教授的新书《The Shortest History of AI: The Six Essential Ideas That Animate It 》通过人工智能的六种主要运作方式讲述了人工智能的历史

所以，本书的一个重要目的，就是让人们认识到，人工智能并不是从 2022 年 ChatGPT 发布才开始的。另外，这本书的副标题是《六个关键思想》，全书一共分为六章，每一章都会讲述一个不同的思想。在我看来，这六个思想正是构成人工智能工具箱的核心理念。

•  前两个是搜索，包括启发式搜索，还有在竞争环境下的搜索，比如极大极小博弈搜索。 

• 第三个是基于规则的系统，我们在专家系统和 Prolog 等方面见过这种系统。 

• 第四个是神经网络，这当然是当今像 ChatGPT 这样的系统的基石。 

• 第五个是强化学习，同样应用于 ChatGPT 之类的系统，用来奖励它们回答问题或提供帮助。

•  第六个是贝叶斯推理。世界存在一定的不确定性，而贝叶斯推理正是处理这类问题的出色工具。这是一种非常数学化且令人满意的方法，用于更新概率，也是许多 AI 系统的核心。

以上就是我精选出的人工智能发展中的关键里程碑。

李梦佳：您能否梳理 AI 发展史中，对 “计算创造力” 领域产生关键影响的突破？人类在某些领域是否还具有创造力的独特优势？

Toby Walsh：如果要我指出 AI 发展史中最深刻、最独特的方向，我会说是计算创造力。

事实上，“创造力是人类相较于机器的优势” 这一观点，早在 1956 年之前就已经存在了，最早可以追溯到阿达·洛芙莱斯（Ada Lovelace）（英国著名女数学家、计算机程序创始人）。在艾伦·图灵 1950年的著名论文《计算机器与智能》中，他就把这称作“洛芙莱斯异议”。

图注：艾伦·图灵1950年的论文《计算机器与智能》

在我看来，让计算机具备创造性并不存在根本性的障碍。事实上，我们已经取得了一些进展：计算机已经能发明新药物、提出新的数学成果，还能写出还算有趣的诗歌，甚至谱写出让音乐家感兴趣的乐曲。

但同样地，我认为人类在某些方面确实仍然占有优势。尤其是艺术创造力。艺术创造力往往聚焦于 “人类处境”——比如坠入爱河、失去亲人、思考死亡与永恒。这些都是人类独有的真实体验，机器永远无法拥有。伟大的艺术之所以伟大，正是因为它触及了人类的这些深层境遇。在这方面，AI将始终处于劣势。

但在科学发现方面的创造力上，人工智能会超越人类，尤其在科学和数学领域。AI在处理复杂数据、进行逻辑推演等方面具备更强的能力，能够处理那些规模过于庞大、细节过于复杂，以至于人类完全无法理解的数据集。

李梦佳：过去 20 年 AI 领域变化很快，这期间 AI 研究的核心范式发生了哪些根本性的转变？在您看来，未来 AI 研究继续发展的方向是什么？面临的最大技术障碍又是什么？

Toby Walsh：我认为 AI 研究的范式确实正在经历根本性转变。事实上，我的书《The Shortest History of AI》就是按照两个范式来划分的。

第一个时代，对应的是人工智能研究的最初30到40年 —— 从 1956 年到 2000初，这一阶段可以称为 “符号主义” 时代。我们试图构建推理系统，试图手工编码知识。

第二个时代始于2010年初，也就是“概率机器学习”时代。在这一阶段，我们不再试图手工编码知识，而是构建能够直接自我学习知识的系统。这种方式更多是在概率层面 ，比如用概率向量或者数字向量，去表示相当复杂的概念和想法。我认为这就是 AI 研究的两个主要范式，也是我眼中未来 AI 研究将继续发展的方向。

图注：Toby Walsh 教授与机器人互动

现在的关键问题是，它们各有优势，也各有劣势：当前的概率基础模型在推理能力上存在一定挑战，而符号系统的强项恰恰是推理，但它们在处理杂乱、模糊的知识时又会面临困难。那么，怎样把这两种方法结合起来，从而兼顾两方面的优势呢？

我认为我们目前还没有能实现这一点的完善的体系结构，这种结合后的系统或许可以称为神经符号系统。如果借用丹尼尔・卡尼曼（Daniel Kahneman）（以色列裔美国认知心理学家）的概念，你可以把它看作是系统 1 和系统 2 思维的结合，而这能推动我们向真正的通用人工智能迈进。

图注：系统1和系统2思维是由诺贝尔经济学奖得主丹尼尔·卡尼曼提出的认知模型，描述了人类思考的两种不同模式：系统1是快速、自动的直觉思维，而系统2是缓慢、理性的深思熟虑思维

所以，我认为这可能是当前 AI 研究最大的技术障碍 ，至今我们都还没找到一个好的方法来做到这一点，或许需要一次根本性的概念性突破，才能弄清楚结合的路径。我们可能开始触及到单纯依靠规模扩展的极限了。毫无疑问，GPT-5 带来的失望表明，很多人都看到了收益递减的迹象。所以现在的核心问题是，我们需要什么样的体系结构，才能结合两种范式的最佳之处，帮助我们构建通用人工智能。

03

日投20亿：我们可能低估了AI的长期效益

我们总是高估一项科技所带来的短期效益，却又低估它的长期影响。

李梦佳：在最近的研究或交流中，是否某个观点或技术发现，让您深受启发，甚至颠覆了您过去对AI的某些固有认知？

Toby Walsh：和这个领域里的所有人一样，我对我们推动大语言模型发展的方式，既感到鼓舞、印象深刻，又感到担忧。不过，或许有一点本不该让人如此惊讶 —— 语言会在 AI 发展中占据如此重要的地位。智能似乎确实依赖于语言：我们是唯一拥有复杂语言的动物，我们用语言表达思想、传递知识、分享目标，这一直是人类智能的关键组成部分。所以，一旦我们能让计算机在某种程度上掌握语言，那也该成为通往人工智能的重要一步。但事实是，大多数人在看到这一点时，确实感到了惊讶。

图注：大语言模型的发展历程

我认为我们许多人——包括我自己在内——在大部分人工智能研究生涯中都专注于“推理”，因为推理看起来更容易掌控。逻辑学家、哲学家、数学家已经写下过形式化推理的逻辑体系，这些体系更容易、也能更好地在符号和计算机系统中被捕捉。相比之下，语言就显得困难得多。所以，当我们发现语言问题竟然可以被解决时，确实相当令人意外。语言最终被证明是高度统计性的，并且影响深远。我们能够通过一些相对简单的统计方法，在大量数据和海量参数的支持下，在语言上取得如此重要的突破。而这种“规模”正是我们过去所缺失的。

李梦佳：考虑到当前AI技术的发展趋势与应用潜力，您认为未来5-10年哪些具体领域或新兴子方向最有可能实现重大技术突破？在您看来，推动这些突破的核心驱动因素是什么？

Toby Walsh：从个人角度来说，我最希望看到突破的领域是医学和教育。我认为，人工智能在社会效益层面最有前景的两个方向，就是改变我们保持健康、应对疾病的方式。医学领域未来会发展成高度个性化且极具力量的技术领域，同时它也会建立在其他突破性进展之上，比如 mRNA 疫苗，以及读写基因信息的能力。当然，CRISPR 的出现意味着我们已经能够非常容易地“书写”和“读取”基因信息。而如何解释这些基因代码中的信息，并将其转化为具体功能？这类问题恰恰需要人工智能来帮助解决。

图注：Emmanuelle Charpentier 和 Jennifer A. Doudna因开创革命性基因编辑技术 CRISPR 获得2020年诺贝尔化学奖

很明显，目前推动这些领域发展最关键的因素，就是大量资金的投入，这些资金正在支持前所未有规模的研究和技术开发。现在每天有 20 亿美元投入到 AI 相关领域，这确实极具变革性，也令我十分惊讶。我对技术本身的发展倒没有特别惊讶，甚至原本以为我们会比实际更快走到今天这一步。但过去几年里，这个领域投入的资金规模，以及 AI 从各方面吸引来的巨大兴趣和热情，着实超出了我的预期。

不过，我们或许正处于 “期望膨胀的顶峰”，接下来可能会出现一些反弹。但我对此相对乐观。目前几乎每天都有新的、有趣且令人兴奋的模型出现，我认为这种趋势不会停止。即便我们不再取得更多技术突破，仅仅是把现有技术应用得更实用、更广泛，也能带来巨大的社会效益。如果它能比今天更广泛地普及，而不只是局限在少数几家掌握了使用方法的优秀公司手中，那么它依然会对我们的社会产生相当大的变革性影响。

李梦佳：您如何看待 AI 领域 “短期高估、长期低估” 的认知偏差？未来 AI 又可能从哪些方面深刻改变社会？

Toby Walsh：“我们总是高估一项科技所带来的短期效益，却又低估它的长期影响”，我相当确信，这一点对人工智能同样适用。我们对某些事情的难易程度过于乐观。比如很多人坚信通用人工智能（AGI）几年内就能实现，但我怀疑它实际会更遥远。与此同时，我们又低估了它将带来的影响 —— 它对人们工作方式、教育模式、健康管理方式、社会运作方式的影响，以及它将带来的诸多益处，这些长期影响都被我们低估了。

图注：Toby Walsh教授 与新南威尔士大学的 Baxter 协作机器人

过去，农业社会自给自足的状态已经被工业化与城市化彻底改变，如今人们难以想象百年以前的世界。同样地，现在也很难具体想象人工智能会如何改变我们的未来。或许在未来我们回头看时会惊叹：曾经，我们大多数人竟然都在办公室和工厂里工作。因此，有一点值得记住：我们很可能低估了人工智能未来将给社会带来的影响。

04

技术非“命中注定”：调整制度适应AI发展

技术并不是命中注定的。我们得到的技术，是我们当下选择的结果，而我们完全可以做出不同的选择。

李梦佳：您此前提到，当下科幻作品多带反乌托邦色彩，公众对 AI 发展也普遍悲观。AI带来的挑战涉及心理健康、算法歧视、技术失业等现实问题。结合您最近的研究或接触的案例，目前最突出和紧迫的AI社会问题是什么？ 普通人应该如何应对？

Toby Walsh：我真正担忧的是，我们现在正生活在由人工智能生成的 “真与假、阴谋论交织的信息泡沫” 里，这种影响不容忽视。之前我们也聊到过 AI 对工作的影响，即便长远来看结果是好的，但短期内对一部分人来说，这种影响仍将是破坏性的、痛苦的，如何管理这些过渡期也是一个关键问题。

我认为必须做好沟通，让公众理解技术发展方向以及需要做的选择。很多人似乎会忘记，技术并不是命中注定的。我们得到的技术，是我们当下选择的结果，而我们完全可以做出不同的选择。而且这些选择不仅仅是由硅谷的人来做，而是由那些将会受到这些技术影响的人来做。我相信，我们完全有可能做出正确的选择。其实很多担忧都来自对未知的恐惧，不一定是因为技术会带来坏结果，而是人们总会意识到变化难以管理而感到担心。

李梦佳：从哲学角度来看，未来AI系统变得越来越强大并接管更广泛的任务，您认为哪些工作将对人类而言最有意义和价值？在AI时代，社会应如何重新思考“工作”的概念？

Toby Walsh：答案其实很清晰。首先，凡是枯燥、重复、危险或是肮脏的工作，都应该交给机器去做。而那些与同理心、社会互动以及人性相关的工作，才是人类应该继续从事的。事实上，人类的 “超级能力” 是社会性：我们能聚集在一起，为了共同目标集体协作，这才是带给我们最大满足感的东西。我们是社会性动物，比如疫情期间我们最怀念的是彼此的陪伴，是能和他人面对面相处的时光。所以这类需要社交属性的工作，未来会变得愈发重要。

而且有大量职位都具备这样的特征，哪怕是咖啡师。机器其实能做出比人类更好、更稳定的咖啡，但我们还是喜欢从人类手里买咖啡，因为他们会和我们调情、讲笑话，我们会有社交互动。我们总是重视这种社交互动的价值。

除此之外，我们社会中还有很多工作从未得到应有的报酬，比如照顾儿童、老人、残疾人，或是照料病人，这些工作往往由女性承担，报酬却很低，甚至没有报酬。如果机器或机器人能承担生产中的繁重劳动，为社会创造更多价值，我们就有能力为这类照料工作提供合理报酬了。

图注：Toby Walsh教授接受纪录片《Machine》的采访，这部纪录片探讨了“什么是人工智能？它是如何创造的？它对我们的工作、娱乐、生活和学习方式意味着什么？” 等问题

所以我认为，我们确实该对 AI 时代的 “工作” 进行彻底的思考，并借鉴历史经验。工业革命时期，工作性质发生了根本转变——人们离开农田，进入工厂和办公室。为了确保这一转变真正改善生活，我们实际上对社会运行方式做了很多重大调整，包括建立劳动法、工会、福利体系、全民教育及养老金制度等等。

当我们迈向后工业社会——一个数字化、由 AI 驱动的世界时，我们可能会经历类似的彻底变革。我对这次变革有信心，因为我们之前在工业革命时已经做到过一次，但这次的独特挑战在于速度 —— 工业革命花了大约 50 年才逐步推进，而 AI 带来的变革，似乎在一夜之间就发生了。所以，AI 带来的独特挑战就在于：我们必须快速调整社会，让它适应这个后工业世界。

05

成为“那个专家”：年轻研究者的立身之道

关键是要让别人提到某个方向时，能想到 “你就是那个专家”。

李梦佳：在《2062: The World that AI Made》中，您提醒关注AI的“眼前威胁”。对于今天正在构建AI系统的工程师和开发者，您最想给的一条伦理建议是什么？

Toby Walsh：我的建议是，对高风险决策进行有意义的人类监督。我觉得这是 AI 系统带来的一个全新伦理挑战，因为 AI 可能具有显著的自主性，能在有限或没有人类监督的情况下做决策，像自动驾驶汽车、自主武器。这让我们处于一个全新的道德、伦理和法律处境，毕竟机器无法为自己的决策负责，而人类却必须在法律或道德上为自己的决策负责。

所以，在涉及到如决定谁被雇用、谁被解雇、谁能从政府获得福利、谁能获得签证等这些会产生真实后果的高风险决策时，虽然可以让 AI 辅助决策、提供信息，但最终必须确保由人类进行有意义的监督，因为当这些决策被证明是坏决策时，是要由人类来承担责任的。

图注：Toby Walsh教授与他的书《2062: The World that AI Made》，这本书预测了人工智能将对工作、战争、政治、经济、人类日常生活以及人类死亡产生的影响

李梦佳：在最近的采访中，您提到非常羡慕现在的年轻人正处于一个历史性的时刻，有大量的投资资金涌入AI领域。但面对AI的爆炸式发展和海量投资，许多学生感到焦虑，担心选择的研究方向会很快过时或被大公司所主导。您对他们选择研究方向有什么建议？

Toby Walsh：我建议大家不要盲目追潮流，热门领域优秀人才扎堆，团队和资源常更具优势，个人很难脱颖而出。我认为这一点是非常重要的，作为学术上的建议，不仅适用于当下的 AI 领域，也适用于任何年轻人的学术生涯，那就是你要确保自己在某一方面是有名的。做博士研究的意义就在于此。你要成为世界上某个非常狭窄课题的专家，靠这个领域被人熟知，让别人清楚你擅长什么。这可能是某个特定的应用领域，也可能是某种特定工具，关键是要让别人提到某个方向时，能想到 “你就是那个专家”。我会鼓励你确保自己精通某一门技艺，而不是样样通却都不精。

李梦佳：年轻人如何找到那个既能产生持久影响、又能让自己保持激情的方向？又如何能提高自己的竞争力？

Toby Walsh：第一个问题的答案其实很简单：追随你的热情，找你真正关心的事情。做科研是一项相当孤独且令人沮丧的活动，寻找那些你充满热情的方向，才不会觉得太煎熬、太孤单。

但要确保研究有影响力确实不易，很难预判哪些领域能成功或者有重大价值。学术界工作者有选择研究课题和方向的自由，情况会好于工业界。过去三年我有意识地选择研究对社会有重大益处的问题，也鼓励有课题选择权的人这样做，既能回应公众关切，也能让研究成果更有价值。

再说如何提高竞争力。你可以这样思考：有实际经济价值的问题，工业界有大量资金雄厚的人主动解决。学术界人士应回避这类问题，因为这些问题无论如何都会被解决。我们更应该专注于那些短期内没有明显经济回报，但长期对社会更有价值的问题。这类问题少有人关注，有较大发挥空间且竞争少，它们虽耗时久，但一旦解决价值非常可观。这是我的观点。