人类可以向人工智能学什么？

 面对人工智能这样一股洪流，有些人文社会科学的学者采取一种拒斥的态度，甚至认为技术是浅薄的，从而轻视自然科学的价值。这种对技术的轻视态度阻碍了他们对自然科学领域的学习。事实上，近些年自然科学取得的许多进展，对社会科学的发展也产生了革命性的影响，但是却没有引起人们的广泛注意。例如，根据自然科学的研究，人类来自于智人，而智人起源于非洲的母亲。按照这一主张，人类文明的母亲只有一个，即同一个“非洲妈妈”。这一观点对非常流行的“文明冲突”的论断将产生颠覆性的影响。然而，这一关于人类起源的自然科学界的进展却并没有得到社会科学界的关注。学科之间的壁垒变成了一种传统知识自我强化的工具，也导致了学科内学者对学科外学者的一种轻视。某些学科学者骄傲地认为，只有他所从事的学科才最为重要，其学科内的知识是最为正确的。从学科本身发展角度而言，专业化是一种进步。但是，过于封闭以及学科壁垒的自我强化，也阻止了人类外向学习的可能，继而也产生了学科内的傲慢与偏见。这种傲慢与偏见在人工智能时代变得越来越不合时宜。

 近年来，人工智能领域取得的巨大进展是来自于另外一个学科——神经认知学。简言之，人工智能本身就是一个知识跨界的产物。如果还仅仅局限于某一个学科，那么革命性的创新就不可能到来。人工智能是通过借鉴神经认知学的发展，从而模拟人类智能的一个过程。此外，近年来推动人工智能发展的大公司也在演绎这种知识跨界。例如，美国IBM公司以前是作为从事传统芯片和电脑生产的企业，但在十几年前却将自己的主营业务卖掉而转向人工智能。从芯片到电脑制造再到人工智能，本身就是一种知识大跨界。跨界是那些面向未来、敢于想象的企业的重要特质。传统的人和企业则往往不敢想象，而只有跨界才有新的未来。

 此外，需要指出的是人的深度学习的问题。作为人工智能中的一个专业术语，深度学习是机器学习的一个重要的组成部分。在这样一个机器都要进行深度学习的时代，具有自主意识的人更应该进行深度学习。所谓人的深度学习，是指人需要跳出传统的知识界限，广泛地汲取各学科和领域的知识，然后不断产生新知识技能的过程。如果人没有这种深度学习的能力，终将被人工智能打败。

 人的深度学习主要包括两部分：一是跨界学习；二是团队学习。第一，跨界学习是跳出自己的学科边界汲取与自己学科相关的前沿进展，进而反哺自己学科的过程。信息大爆炸时代为人们跨界学习提供了工具和条件。例如，搜索引擎和网络百科的出现，给予了人们快速接近知识的工具。第二，社交媒体的革命可以以学习小组的形式把相同兴趣的人凝聚在一起。学习者可以通过加入一个VR的社群，学习某种技术，并在此过程中获得认同感。第三，各种开放知识产权的媒体和社交工具便利了人们的跨界学习。例如，网络上有大量的专业性的学习视频、免费软件和开源软件。只要学习者有足够的决心和毅力以及相应的基础，借助这些资源就可以学习掌握一些技能。第四，由网络社群、电子书、网络视频等多维空间组合成的虚拟社群，为学习者提供了一个长期的跨界学习沉浸式的情景。如果学习者真正迷恋上了某个领域的知识，那么这一系列网络条件会帮助他沉浸在这种学习氛围中，从而在更短的时间内更高效地学习。

 在跨界学习的基础上，团队学习可以进一步加速跨界学习的效率。人工智能的能力，实质上是通过分布式学习的方式提高的。机器学习往往先根据学习内容分成不同的小组，然后每个小组再学习各自的算法和可能性，最后机器将不同小组的内容汇集在一起，从而产生一种共同智慧的结果。这种方式同样可以帮助人类进行跨界学习。如果一个人学习一本书的内容比较复杂和艰苦，那么十个学习者就可以把这本书分成十部分，最后十个人再以小组讨论的方式进行交叉学习，相互印证直至最后打通所有的学习要点。需要强调的是，学习小组的规模和学习效率之间存在一个均衡点。学习小组的规模越大，成员间交流的密度就会减弱，同时联系沟通的成本会增加；而学习人员过少，这种学习的规模效应就无法得到体现。因此在一个面对面学习的小组中，五至十人的小组是最佳的规模。

 社会科学的学者与其被动地面对人工智能的挑战，不如主动参与到人工智能的大浪潮中。同时，也只有社会科学的学者对人工智能发展的充分参与，才能保证自然科学的新进展仍然在人类能够掌控的节奏中发展，从而解决我们未来可能面对的问题。