巨頭紛紛進(jìn)擊人工智能 看華為小米們如何探索未來(lái)

　　窺見(jiàn)未來(lái)

　　在2016CCF-GAIR峰會(huì )上，牛津大學(xué)計算機系主任、賓夕法尼亞大學(xué)工程學(xué)院院長(cháng)、MIT機器人實(shí)驗室主任等國際學(xué)術(shù)巨擘向中國產(chǎn)業(yè)界傳遞了最新的研究動(dòng)向。

　　牛津大學(xué)計算機系主任Michael Wooldridge身兼Oxford-Deep Mind Partnership負責人，他認為目前人工智能進(jìn)展已經(jīng)解決了棋類(lèi)問(wèn)題、SAT等復雜問(wèn)題以及自動(dòng)駕駛等，即將解決實(shí)時(shí)口語(yǔ)理解、騎自行車(chē)、可靠的語(yǔ)言翻譯等問(wèn)題，而理解復雜的故事及回答相關(guān)問(wèn)題、創(chuàng )作笑話(huà)和有趣的故事、解釋一幅圖像的意義等則遠未達到接近解決的階段，強AI和通用AI則是完全開(kāi)放狀態(tài)。

　　Michael Wooldridge認為當前談人工智能奇點(diǎn)還為時(shí)尚早，甚至人工智能奇點(diǎn)有可能永遠都不會(huì )到來(lái)!盡管AlphaGo取得了大幅度的學(xué)術(shù)進(jìn)展，但AlphaGo仍存在諸多問(wèn)題。比如AlphaGo程序本身并“不知道”它在玩棋類(lèi)游戲，它也不能解釋自己的策略，也無(wú)法從AlphaGo代碼中獲取這些策略，基本上AlphaGo就是一個(gè)黑盒子。因此，AlphaGo無(wú)法實(shí)現通用型AI。

　　Michael Wooldridge介紹說(shuō)他的研究領(lǐng)域為“Multi-Agent System”(多個(gè)機器代理系統)，這個(gè)領(lǐng)域其實(shí)也體現了他對AI的觀(guān)點(diǎn)之一，即在窄任務(wù)領(lǐng)域對現有AI服務(wù)和算法的整合。當前，產(chǎn)業(yè)界逐漸把AI嵌入到幾乎所有產(chǎn)品和服務(wù)中，但這些AI服務(wù)都相對獨立和碎片化，那么如何通過(guò)單個(gè)或多個(gè)機器代理系統來(lái)整合這些AI服務(wù)就成為人工智能的下一個(gè)發(fā)展目標。比如個(gè)人通過(guò)手機的機器代理，與其它人的機器代理之間相互協(xié)商、相互協(xié)調，共同決策一個(gè)會(huì )議的日程安排以及各嘉賓的時(shí)間安排。

　　牛津大學(xué)計算機系主任Michael Wooldridge

　　Vijay Kumar是美國國家工程院院士、賓夕法尼亞大學(xué)工程學(xué)院院長(cháng)，他被認為是空中機器人(無(wú)人機)領(lǐng)域開(kāi)山立派的宗師人物，其學(xué)生遍布全球各大無(wú)人機廠(chǎng)商。Vijay Kumar表示對空中機器人或無(wú)人機的研究，能夠為學(xué)習和了解機器人的行為特點(diǎn)和算法積累數據。在Vijay Kumar的最新研究中，提出了空中機器人的“蜂群”效應。

　　所謂“蜂群”效應，就是指一群低智能的機器人聚集在一起，共同完成某項工程或任務(wù)。由于功耗等限制，無(wú)人機等小型和微型機器人無(wú)法配置高級計算資源，因而只能具有較低的機器智能水平。對比自然界的蟻群、鳥(niǎo)群、魚(yú)群等，雖然都是低智能生物，但卻能群聚在一起共同完成令人驚嘆的復雜工程。對空中機器人“蜂群”效應的研究，還對地面機器人甚至海洋機器人的研究有重要意義。

　　美國麻省理工學(xué)院(MIT)一直是機器人科技研究的先驅?zhuān)琈IT機器人實(shí)驗室主任、美國國家工程院院士Daniela Rus認為未來(lái)世界里，每個(gè)人都有可能擁有機器人，機器人就像是在路上跑的汽車(chē)一樣常見(jiàn)，稱(chēng)之為“泛在機器人”世界。這些“泛在機器人”的形式甚至包括類(lèi)似大白或自然界中蛇一樣的軟體機器人，以及水里的機器魚(yú)。而如果誤食了魚(yú)刺等異物的時(shí)候，還可以吞下微型折疊機器人，從腸道中通過(guò)折疊形態(tài)把異物包裹起來(lái)帶出體外。

　　美國南佛羅里達大學(xué)計算機科學(xué)與工程學(xué)院教授、機器人與深度學(xué)習專(zhuān)家孫宇所研究的機械手被認為是非?！昂诳萍肌?，是為數不多能與人手相媲美的重大成果。孫宇介紹說(shuō)，人體206個(gè)骨骼，其中1/4的骨骼都在雙手里，人體的雙手是非常復雜的機械結構，是人體最復雜的器官之一。孫宇表示，機器人智能和計算機智能有所區別，在于機器人要與自然環(huán)境實(shí)實(shí)在在的接觸，這是計算機智能沒(méi)有涉及到的問(wèn)題，因此機械手的研究有重大意義。

　　香港科技大學(xué)教授楊強的遷移學(xué)習無(wú)疑是機器學(xué)習下一個(gè)階段的重要發(fā)展方向，如何能把深度神經(jīng)元網(wǎng)絡(luò )和機器學(xué)習中訓練出的模型提煉出來(lái)，并以較小的代價(jià)應用到新的領(lǐng)域，這是走向通用AI的重要路徑。此外，楊強認為，當前國內的機器學(xué)習和人工智能算法研究沒(méi)有國際上那么均衡，實(shí)際上人工智能算法遠不止深度神經(jīng)元網(wǎng)絡(luò )，而是多元化發(fā)展。

　　當前的大數據可以分為20%的即時(shí)性數據和80%的高時(shí)延數據。對20%即時(shí)性和高重復的數據來(lái)說(shuō)(互聯(lián)網(wǎng)數據為主)，用深度學(xué)習算法能解決大部分問(wèn)題。而對于80%高時(shí)延數據來(lái)說(shuō)(例如工業(yè)數據)則需要用到強化學(xué)習、增強學(xué)習、遷移學(xué)習等多種人工智能算法，才能解決其數據處理和產(chǎn)生數據智能的問(wèn)題。

　　南京大學(xué)計算機科學(xué)與技術(shù)系副主任、機器學(xué)習與數據挖掘研究所(LAMDA)所長(cháng)周志華表示，接下來(lái)機器學(xué)習技術(shù)的一個(gè)大趨勢是要增加機器學(xué)習的魯棒性。目前很多研究中的機器智能可達到人類(lèi)水準，但是如果遇到一些罕見(jiàn)的情況，就會(huì )錯得非常離譜。因此，機器智能在遇到罕見(jiàn)情況的時(shí)候，“不能比一般人的處理水平更低”，這是機器學(xué)習技術(shù)大規模普及的基本前提。

　　當然，整個(gè)人工智能和機器人產(chǎn)業(yè)的發(fā)展，離不開(kāi)創(chuàng )業(yè)群體。國家教育部長(cháng)江學(xué)者特聘教授王田苗教授表示，未來(lái)五年之內，機器人在工業(yè)、服務(wù)業(yè)、智能汽車(chē)和無(wú)人機等高端產(chǎn)業(yè)三大塊將可能迎來(lái)第一波熱潮。由于人工智能技術(shù)和認知技術(shù)的成熟，未來(lái)機器人在銀行、家庭、醫院、賓館等服務(wù)業(yè)的地位將逐漸提高。

　　紫?；鸷匣锶藦埲`特別強調，人工智能創(chuàng )業(yè)的商業(yè)模式這件事，不是在實(shí)驗室里就能想出來(lái)的。金山軟件兼金山云CEO張宏江的觀(guān)點(diǎn)是，中國人工智能公司的創(chuàng )新能力提升的非?？?，與美國等人工智能公司之間的差距正在縮小。一個(gè)公司進(jìn)步的關(guān)鍵不是“看別人”，而應當回歸到自身，搞清楚用戶(hù)到底需要什么，腳踏實(shí)地朝這個(gè)方向努力。

　　從新加坡政府一個(gè)ADAS項目出來(lái)的創(chuàng )業(yè)項目Minieye，對標的是Mobileye。Minieye CEO劉國清認為，人工智能時(shí)代的產(chǎn)業(yè)分工將更加專(zhuān)業(yè)化，每一個(gè)供應商專(zhuān)注在某一項或幾項人工智能技術(shù)上并做到極致，智能汽車(chē)等整機廠(chǎng)商的角色更像是PC集成商而無(wú)法大包大攬所有的技術(shù)。