年11月20日，在清华大学刘云浩教授以《人工智能时代的新工业革命》为题的精彩报告之后，我年级同学非常踊跃地以小纸条的方式提出了六十余个问题，除了现场已经回答的几个问题外，刘教授花了整整五天时间，将其余问题也分类整理并一一作答，同时书面反馈至我年级组，还为每位提问的同学送来了自己的亲笔签名书籍。
在感动于刘教授真诚和用心的同时，我们也看到了中国科研工作者对自己所从事的事业的执着与挚爱，以及对将这份事业普及开来，贡献国家，造福社会这一信念的自信与坚守。
在此，将刘教授书面反馈的52个问题全部如实转录如下，并再次对刘云浩教授和清华大学致以最衷心的感谢！
——人大附中高一年级组
--01--
Q：
老师，我的一个思想是：人工智能或计算机的所有运动是需要一个指令的，比如需要输入“6”或按下“Enter”键。而人脑的运动同样需要一个诱因，然而这个诱因是自主观察，比如看见水烧开了，就会去提壶泡茶；或者觉得尿急了就去上厕所。是否人脑与电脑的差异有很大的原因就来源于此？（因为思维方法，就以深度思维、神经思维等技术，似乎是可以模仿的。跳跃性思维，亦可依靠巨型数据库完成。能否用物联网解决这个问题？）
——姚锦文
A：
人脑本身的机理研究还有很多没有弄清楚的地方，模仿人脑就面临很大的困难。诱因或者外界激励只是比较外围的表现。从进化论角度看，动物的存在就是来源对外界环境变化的适应。但是进化论就没有缺陷吗？也不完全是。回过头来我们大致看看AI的两个趋势：一是以计算智能为主导：深度学习其实还是在基于数据、场景、算法等端到端的框架平台上进行的强大计算；二是仿生计算或类脑计算，这里涉及更多神经科学、脑科学、心理认知学以及人因工程等。很多人以为深度学习来源于神经网络，神经网络是由于神经元的相互联结以及神经突触之间的激励传播启发而成的，但现有的深度学习框架其实是强大计算智能的体现而并非类脑科学的雏形，简言之，深度学习是一个端到端的计算框架，里面可以进行各种算法的组合，是一套模型，而不是一个单一的算法，但其中的一些核心算法比如卷积神经网络（CNN）、回复神经网络（RNN）等本身就是一种神经网络。人类的婴儿经常可以通过极少量（1-2次）的认知学习就完成对新事物的识别，但目前再强大的深度学习网络也必须经过大量数据的训练才能完成（或者仍然是部分完成）这样的任务，最终从精确度来看机器在某些领域胜过人类是毋庸置疑的，但这个过程是有本质不同的；人的组成结构是怎样？机器的组成机构呢？在这点上，“模拟”到底是从哪个层面开始，进行到哪里需要严格的界定。物联网或者说传感网就是在尝试解决感知智能问题的，但是走到认知智能，延伸到处理、决策等方面，还需要很多学科的研究协同完成。
--02--
Q：
现在像Alphago这样人工智能是完全信息，而如果像扑克牌并非双方都知道同样的信息，那么人工智能又怎么能或是否能同样比赢人类呢？它又是什么样原理呢？
——高一（16）班李浩语
A：
围棋是完全信息动态博弈，而扑克应该属于非完全信息动态博弈。在这方面确实已经有一些相关的研究和相应的人工智能程序，并且在某些玩法上已经可以接近或者达到采用数学上的最优策略了，但玩扑克牌，对手可能会隐藏自己的真实实力，人工智能现阶段对此还难以判断，同时，优秀的人类扑克玩家都会具备一个当前计算机几乎不可能具备的技能：在现场牌局中观察并研究对手。此外也要具体看扑克的什么玩法，目前还是找零和游戏的nash，关于德扑最新的paper可以看看libratus和deepstack，基本精神还是counterfactualregrets，和最近的深度学习目前关联还不多。之前的德扑大战，AI战胜了龙之队，这是一个例子。
--03--
Q：
（直接编辑脑细胞）您认为“生化脑”相比于机械结构，会不会是一条提升智能的捷径？如果直接在脑细胞的基础操作，会不会比从零开始更容易？
——高一（19）班房家瑞
A：
这是我见过的最有想象力的提问！也确实有科学家尝试过所谓的类似的编辑尝试。目前人工智能的研究还与生物意义上的智能不同，对生物大脑的研究还处于比较初级的阶段，很难称之为捷径，而直接在脑细胞的基础上操作可能就面临着更大的困难。相比之下，我甚至觉得《攻壳机动队》这个科幻里提到的应用更近些。
--04--
Q：
我在网上看到说目前的深度学习技术其实不过是一个计算机能力更强的机器。据说百度的自动驾驶程序中存了几千个“if”，几十上百个“场景”而且人工调参在此类程序中也极为重要。您认为这种程序真的属于AI吗？您认为这种对人工十分依靠的AI真的能达到人对人工智能的预期吗？
——高一（11）班朱家强
A：
“if…else…”难道不是人类在作出判断时的一种思维模式吗，是大家生存的必经过程，存在于我们生活的每一天。如果不依赖于人工，人工智能的算法又如何产生呢？深度学习技术中数据、场景、算法、算力都是非常重要的。在目前的应用领域必须依靠大量的数据、丰富的场景以及对网络的不断优化。人类学习的过程依赖于先天强大的基因和遗传功能加之后天习得能力，家长、老师和前辈的言传身教其实也可以看成是“人工调参”哈：）未来更多自监督学习算法的应用包括对抗式生成网络（GAN）也可能会显示出自身算法的增强性，包括增强学习和迁移学习的融入。AI与人类协同的关系应该是主旋律，至于是否依靠和依靠到什么程度要看具体的场景和条件。由于人类认知的局限性，我们很多时候根本不知道我们不知道什么。
--05--
Q：
随着人工智能的发展，人工智能可能代替人类做更多的记忆化的以及计算推理等工作，就像您提到的数学物理从某种方面来讲是记忆的工作，那么作为人类，我们是否应该减少这方面的学习，而增加人类的创造性或是更为感性的特长？还有您对于对信息领域十分感兴趣的学生发展有何建议？
——高一（14）班孙婉婷
A：
首先学习数学物理绝非只是记忆的工作，我只是说，你想考出好的成绩，从一个学生角度来说，记忆起着重要的不可取代的作用。但是，在学习物理和数学的过程中你有很多收获，比如培养自己严谨的学习态度、培养逻辑思维、锻炼思辨能力等等。学习是相辅相成的，文理兼修与培养创造性是相得益彰的。
至于你所说“我们是否应该减少在数学物理等方面的学习”，我想说，作为学生，尤其是一个还要面临高考升学的学生，哪个都得学啊，不能偏科！！！而且我的体会是,高中的几乎所有学科都是经过多年的经验存留下来的,非常科学,有些知识即使从结果上看今后人生未必用得上,但是掌握这些知识的过程对于一个人的成长非常有益!当然,如果你确实学有余力，又希望提前打一些学习AI的基础，从目前要攻克的主要科研难点来说，你可以多学习一些数学：）你还可以多