譚鐵牛院士：人工智能新動態(tài)

　　11月25日，模式識別與人工智能學科前沿研討會上，譚鐵牛院士做“人工智能新動態(tài)”報告，回顧了近代以來歷次科技革命及其廣泛影響，并根據(jù)科學技術發(fā)展的客觀規(guī)律解釋了當前人工智能備受關注的深層原因。報告深入分析了其當前存在的局限性和面臨的瓶頸問題，整理并列舉了2017年人工智能的十件大事，全方位、多維度展示了人工智能所取得的最新進展?；趯@些事件的深入分析，報告總結(jié)了人工智能未來的發(fā)展趨勢和值得關注的研究方向。

　　在科學研究中，從方法論上來講都應先見森林，再見樹木。為了更好地帶領大家認識人工智能的發(fā)展趨勢，報告回顧了近代世界科技發(fā)展的歷史進程，主要包括從16世紀到現(xiàn)在，世界上發(fā)生的兩次科學革命與三次技術革命。

　　報告指出，這五次科技革命對人類文明進程帶來了根本性的變革，也影響了整個國際格局的調(diào)整，伴隨著大國興衰。過去的五次科技革命，我們國家都沒有占據(jù)主導地位甚至嚴重缺席，因此我們國家的GDP從曾經(jīng)占全球的三分之一以上下滑到新中國建立前僅占全球大約百分之幾，我們應該從這慘痛的經(jīng)歷中吸取教訓。

　　最近的一次科技革命是一次技術革命，其開始于上世紀四十年代，以1946年計算機的出現(xiàn)為標志，距今已有六十多年。這六七十年中科學技術沒有大的突破與進展，沒有取得能夠與上個世紀上半葉相提并論的科學與技術成果，譚老師將這段時間稱為科技革命的空窗期。

　　報告認為，科學沉寂了大概60多年，新一輪的科技革命正處于孕育過程中并且已經(jīng)曙光可見。新一輪的科技革命會是一次技術革命，而且人工智能有望引領這一輪新的技術革命。以1776年蒸汽機的發(fā)明為標志的第一次科技革命解放了人類的體力，使人類社會發(fā)展進入第一次重大飛躍，其為第一次機器革命。現(xiàn)在以人工智能為代表的第二次機器革命，以及以其為主要核心技術驅(qū)動的新一輪技術革命和產(chǎn)業(yè)變革將極大的拓展人的腦力，成為人類社會發(fā)展進程的又一次重大飛躍。相比較而言，腦力的拓展比體力的拓展更為重要。

　　報告還回顧了人工智能60多年的發(fā)展過程，并指出應該從曲折的發(fā)展過程中吸取教訓，不要給人工智能設置不切實際的過高目標，尤其是在人工智能特別火爆的時候。報告指出，這兩年人工智能有些過火，應降降溫，回歸理性。

　　圖1 人工智能發(fā)展歷程

　　報告分析了人工智能的發(fā)展現(xiàn)狀，指出現(xiàn)有進展主要體現(xiàn)在專用人工智能方面，而且現(xiàn)有人工智能仍存在一些局限性，將其總結(jié)為以下四點：有智能沒智慧，有智商沒情商，會計算不會“算計”，有專才無通才。

　　報告進一步分析并給出了造成這些局限的瓶頸問題，這些瓶頸問題主要包括：

　　(1)數(shù)據(jù)瓶頸：深度學習需要大量的數(shù)據(jù);

　　(2)泛化瓶頸：這是模式識別、計算機視覺、人工智能方法面臨的一個共同的問題，現(xiàn)有方法在一些實際問題中仍無法取得理想的泛化性能，或者訓練好的模型用在變化的環(huán)境或領域其泛化性能明顯下降;

　　(3)能耗瓶頸：人的大腦盡管是一個通用的人工智能系統(tǒng)但是能耗很低(只有20瓦)，但現(xiàn)有計算機上實現(xiàn)的人工智能系統(tǒng)能耗很高;

　　(4)語義鴻溝瓶頸：目前語言服務大多為簡單查詢，不涉及語義推理問題，缺乏真正的語言理解能力，比如一些有歧義的自然語言句子，人很容易根據(jù)上下文或常識理解其真正含義，計算機卻很難理解;

　　(5)可解釋性瓶頸：現(xiàn)有人工智能系統(tǒng)都是知其然而不知其所以然，其過于依賴訓練數(shù)據(jù)，缺乏深層次數(shù)據(jù)語義挖掘。報告指出，可解釋性非常重要，人工智能不僅要知其然還要知其所以然，知其然只是淺層智能，知其所以然才叫深層智能;

　　(6)可靠性瓶頸：現(xiàn)有人工智能系統(tǒng)可靠性較差，有些錯誤識別結(jié)果會帶來致命后果，比如2016年7月特斯拉自動駕駛(Autopilot)功能不能正確識別反光條件下的卡車導致致命車禍。

　　報告指出，正是因為現(xiàn)在還有這么多瓶頸需要突破，所以人工智能還有很多局限，人工智能還有很多不能，有些事情人工智能可能永遠都不能?；诖?，報告列舉了當前各界關于人工智能的一些炒作和誤解，并對其進行了反駁與澄清，這對我們正確認清人工智能現(xiàn)狀有重要的指導意義。

　　盡管人工智能有一些炒作和誤解，但不能否認人工智能在今年又取得了巨大的進步。報告列舉和解讀了2017年人工智能值得關注的事件。這些事件涵蓋了國家政策、學術界、產(chǎn)業(yè)界、社會科學領域等各個方面，全方面、多維度地為我們展現(xiàn)了人工智能2017年所取得的新進展。這些事件具體包括：

　　(1)中國政府發(fā)布《新一代人工智能發(fā)展規(guī)劃》，這一消息不僅在國內(nèi)備受關注，在國外也引發(fā)了很大關注;

　　(2)Nature發(fā)表DeepMind的圍棋人工智能新成果AlphaGo Zero (2017年10月，AlphaGo Zero不需棋譜數(shù)據(jù)和先驗知識，通過強化學習算法創(chuàng)新以100：0戰(zhàn)勝AlphaGo)，其探索了特定應用中不依賴領域數(shù)據(jù)，通過自我學習獲得強大推理決策能力的人工智能技術發(fā)展新路線;

　　(3)Science發(fā)表概率生成模型Recursive Cortical Network，在驗證碼識別任務上超越了深度學習方法，其意義在于試圖探尋一條非深度學習框架的通用人工智能道路，實際上也是試圖從大腦的機制中尋找啟發(fā);

　　4) Hinton提出的Capsule網(wǎng)絡新概念，探索對傳統(tǒng)神經(jīng)網(wǎng)絡的變革思路，該方法希望提高數(shù)據(jù)的使用效率，同時朝著建設可解釋的人工智能系統(tǒng)來提供思路，并試圖把相互關聯(lián)的多模態(tài)的信息做統(tǒng)一的表達;

　　5)谷歌、微軟分別發(fā)布創(chuàng)作AI算法的AI系統(tǒng)AutoML和DeepCoder(谷歌CEO Sundar Pichai在2017年I/O 大會展示了AutoML，試圖通過自動創(chuàng)建機器學習系統(tǒng)降低AI人員成本;2017年2月微軟研究院與劍橋大學合作成果DeepCoder：一種能根據(jù)問題的輸入輸出自動編寫解題程序的算法)，譚老師認為如果這方面取得成功將是革命性的變化，但其取代人工智能研究者不太可能;

　　(6)Google、Microsoft、百度、IBM等科技巨頭全面轉(zhuǎn)型人工智能發(fā)展戰(zhàn)略，比如2017谷歌I/O大會明確提出發(fā)展戰(zhàn)略從“Mobile first”轉(zhuǎn)向“AI first”;

　　(7)百度Apollo計劃開放自動駕駛平臺，提供一套完整的自動駕駛軟硬件和服務的解決方案，將會對全球自動駕駛產(chǎn)業(yè)發(fā)展產(chǎn)生深遠影響;

　　(8)寒武紀發(fā)布人工智能芯片和系列產(chǎn)品，AI芯片在華為Mate10手機得到成功應用，這對于AI芯片大規(guī)模進入消費級市場具有標志性意義;

　　(9)曠視科技等創(chuàng)業(yè)公司刷新人工智能融資紀錄，表明人工智能技術巨大的產(chǎn)業(yè)發(fā)展?jié)摿?

　　(10)《Nature》開始關注人工智能社會倫理問題，808名科研人員簽署23條“阿西洛馬人工智能原則”，推動人工智能健康發(fā)展。

　　圖2 簡單膠囊網(wǎng)絡CapsNet

　　通過詳盡整理與深入分析人工智能領域中值得關注的熱點事件，報告進一步探索和總結(jié)了人工智能發(fā)展的新動向、新趨勢以及一些值得關注的研究方向。

　　報告還分享了以下內(nèi)容并對其做了細致的解讀，主要包括以下方面：

　　(1)從專用人工智能到通用人工智能是大勢所趨，一些科技巨頭包括國家機構都在布局通用人工智能的研究，比如Google DeepMind創(chuàng)始人Demis Hassabis宣布朝著“創(chuàng)造解決世界上一切問題的通用人工智能”這一目標前進，微軟成立人工智能實驗室以挑戰(zhàn)通用人工智能為主要目標;

　　(2)可解釋的人工智能系統(tǒng)備受關注，也將成為突破統(tǒng)計學習瓶頸問題的一個重要方向。DARPA的報告里面把過去幾十年人工智能技術的發(fā)展和創(chuàng)新分成幾個波次，第一個波次是基于規(guī)則的，例如以專家系統(tǒng)為代表的系列方法和技術;第二個波次就是當前以大數(shù)據(jù)驅(qū)動為代表的統(tǒng)計學習;同時，他們認為第三個波次很可能是可解釋的人工智能，就是人工智能要知其然還要知其所以然，以此可見人工智能可解釋性的重要意義;

　　(3)小樣本甚至零樣本學習成為提高人工智能系統(tǒng)泛化能力的一個重要方向。最近提出的生成對抗網(wǎng)絡、膠囊網(wǎng)絡、生成模型等都是為了降低對訓練數(shù)據(jù)的需求，提高人工智能系統(tǒng)泛化能力的有益嘗試;

　　(4)非深度神經(jīng)網(wǎng)絡計算模型成為機器學習創(chuàng)新的一個重要方向。當前深度學習理論基礎薄弱、模型結(jié)構單一、資源消耗過高、數(shù)據(jù)依賴性強，以非神經(jīng)網(wǎng)絡、資源節(jié)約型機器學習模型有望成為下一個突破口;

　　(5)腦科學與人工智能深度融合、協(xié)同發(fā)展、相得益彰，IBM的TrueNorth芯片、美國DARPA的MICRONs研究項目、以及最近Science和Nature雜志上發(fā)表的一些受腦啟發(fā)的智能計算模型都是這方面的典型例子;

　　(6)人機混合智能是未來的主流智能形態(tài)。隨著人工智能的發(fā)展，機器會從作為我們的工具提升成為我們的伙伴和合作者，這是一個發(fā)展趨勢;

　　(7)情感計算使人工智能更有“溫度”。譚老師認為情感計算方面一定會受到越來越多的關注，因為只有情感，人工智能才更有溫度，更善解人意;

　　(8)人工智能產(chǎn)業(yè)生態(tài)系統(tǒng)的構建成為競爭的制高點。眾多科技巨頭不斷相繼發(fā)布他們的平臺，實際上就是想構建生態(tài)和占領生態(tài)，從而為自己企業(yè)未來發(fā)展搶占先機，這是一種戰(zhàn)略的謀劃和布局;

　　(9)AI的普適應用將重塑人類經(jīng)濟社會的格局，因為AI帶來的影響是深遠的，不一定要等到通用人工智能實現(xiàn)的那一天，專用人工智能就已經(jīng)帶來了一些革命性的變化。人工智能將是未來十年最具變革性的技術，無處不在的人工智能將成為趨勢;

　　(10)人工智能科技教育將面向社會大眾普及，國務院《新一代人工智能發(fā)展規(guī)劃》指出實施全民智能教育項目，在中小學階段設置人工智能相關課程，逐步推廣編程教育，鼓勵社會力量參與寓教于樂的編程教學軟件、游戲的開發(fā)和推廣;

　　(11)人工智能的社會影響將會受到更加廣泛的關注，人工智能社會學和倫理的研究提上議事日程。

　　《Science》2017年發(fā)表一篇新型生成式組成模型RCN，使用小樣本學習在CAPTCHA驗證碼識別上獲突破性進展，遠遠超過深度學習模型。

　　報告總結(jié)指出：2017年人工智能在國家規(guī)劃、創(chuàng)新理論、技術應用、產(chǎn)業(yè)生態(tài)、企業(yè)融資、倫理規(guī)范等方面都取得重要進展;人工智能未來發(fā)展值得關注的方向包括通用智能、類腦智能、可解釋的智能、人機混合智能、情感智能等，需要著力突破在數(shù)據(jù)、能耗、泛化性能、可解釋性、可靠性等方面的瓶頸問題;現(xiàn)有人工智能的發(fā)展水平雖然還遠不足以威脅人類的生存，但其社會影響應得到高度重視。