人机|瞭望 | 全球首位“赛博格”去世，未来人机融合将走向何处？( 三 ) 技术|融合|机器

受访专家建议，人工智能技术的发展主要依靠学习。未来可考虑增加样本量，鼓励更多专家、患者甚至健全人参与进来，跟踪、学习人类身体运动与生理的变化规律。当学习样本足够充足、技术性能较为稳定时，技术就可能为改善患者生存状态等提供更多机会。
人机如何深度融合
作为机器化人的现实例证，彼得的自我改造为人机深度融合提供了更多想象空间。
浙江大学马克思主义学院教授潘恩荣说， 18世纪60年代以来，现代机器的发明和使用开启了多次机器换人的高潮。
据了解，在机器换人时代，随着自动化、信息化、数字化技术的发展，部分人力被替代，在一定程度上造成人机关系的对立。但机器在替代部分传统岗位的同时也催生出很多新职业，如自动化培训师、数字化管理师、互联网营销师等。人机是互补关系而非替代关系，并将逐步走向深度合作。梁正说。
特别是随着深度学习技术推动人工智能进入新阶段，其再次深度改造人机关系，让机器化人逐渐成为可能。
潘恩荣表示，如果说传统的机器换人是机器介入人与人之间，那么机器化人则是机器介入人类生命本身，构成的后人类——赛博格。
在刘瑞爽看来，机器化人时代，人类的思维或许可以永远延续，在云端实现永生。
美国特斯拉公司首席执行官埃隆·马斯克日前表示，他已将大脑上传至云端，并与其展开对话。对此，受访专家提出，所谓的意识上传只是噱头，技术上仍存在诸多局限。
与云端的大脑对话需依赖众多技术，机器学习是其中的关键。梁正介绍，与目前主要基于深度神经网络和大规模数据训练的机器学习不同，下一步面向人机互动乃至融合的技术路线主要有两种：一种是模拟人类的学习方式学习，但因为目前尚不能准确还原人类的学习过程，对其中的因果关系尚不清楚，所以机器学习的深度和精度都有局限；另一种则试图建立一个穷尽人类所有知识的知识库，并将该知识库注入机器，但由于数据量过于巨大，如何顺畅调用各类数据也存在难度。
显然，相较于一些人的美好愿景，以机器学习为代表的人工智能技术的成熟度还远远不够。打个比方，现在还处于细胞阶段，距离复杂的生命还很遥远。不是说完全没有可能性，只是路还很长。梁正说。
总体来说，人机融合尚处于外围领域，比如为运动功能丧失的患者换上假肢等。对于更深层次的人机融合，全球鲜有成功案例。
在尧德中看来：除技术成熟度不够外，更关键的是，人机融合尚未形成共识。例如机器会否取代人类、可以在哪些方面取代人类，机器会否拥有自己的意识、是否允许它拥有意识等。
和谐的人机关系始终不能脱离人的尊严，要以人的自由意志为核心。如果脱离了服务于人的根本准则，技术将很危险。刘瑞爽说。
怎样划定人机融合的边界
彼得的生命已经终止，但其留下的关于人机融合的边界等讨论仍在继续。
科技是一把双刃剑。在新一轮科技革命助力传统产业转型升级、驱动智能经济快速发展等的同时，当人机融合的触角深入人类生命，也可能引发一些社会风险。
受访专家谈到，相关技术一旦落地，在使用中可能伴随不公平现象，比如是否所有人都有机会平等享受数字化改造的资源，以及改造后的人类在某些领域可能具有天然优势，更易造成两极分化等。因此，人机融合的相关制度规范必须走在技术发展的前面，为社会治理保驾护航。