譚鐵牛院士談人工智能發(fā)展動(dòng)態(tài) 全方位展示最新進(jìn)展

　　[導讀]11月25日，模式識別與人工智能學(xué)科前沿研討會(huì )在自動(dòng)化所召開(kāi)。會(huì )上，譚鐵牛院士做“人工智能新動(dòng)態(tài)”報告，回顧了近代以來(lái)歷次科技革命及其廣泛影響，并根據科學(xué)技術(shù)發(fā)展的客觀(guān)規律解釋了當前人工智能備受關(guān)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(wèn)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(jìn)展?；趯@些事件的深入分析，報告總結了人工智能未來(lái)的發(fā)展趨勢和值得關(guān)注的研究方向。

　　以下內容由楊紅明、張煦堯根據譚鐵牛院士報告整理。

　　在科學(xué)研究中，從方法論上來(lái)講都應先見(jiàn)森林，再見(jiàn)樹(shù)木。為了更好地帶領(lǐng)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(jìn)程，主要包括從16世紀到現在，世界上發(fā)生的兩次科學(xué)革命與三次技術(shù)革命。

　　報告指出，這五次科技革命對人類(lèi)文明進(jìn)程帶來(lái)了根本性的變革，也影響了整個(gè)國際格局的調整，伴隨著(zhù)大國興衰。過(guò)去的五次科技革命，我們國家都沒(méi)有占據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(shù)革命，其開(kāi)始于上世紀四十年代，以1946年計算機的出現為標志，距今已有六十多年。這六七十年中科學(xué)技術(shù)沒(méi)有大的突破與進(jìn)展，沒(méi)有取得能夠與上個(gè)世紀上半葉相提并論的科學(xué)與技術(shù)成果，譚老師將這段時(shí)間稱(chēng)為科技革命的空窗期。

　　報告認為，科學(xué)沉寂了大概60多年，新一輪的科技革命正處于孕育過(guò)程中并且已經(jīng)曙光可見(jiàn)。新一輪的科技革命會(huì )是一次技術(shù)革命，而且人工智能有望引領(lǐng)這一輪新的技術(shù)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(lèi)的體力，使人類(lèi)社會(huì )發(fā)展進(jìn)入第一次重大飛躍，其為第一次機器革命?，F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(shù)驅動(dòng)的新一輪技術(shù)革命和產(chǎn)業(yè)變革將極大的拓展人的腦力，成為人類(lèi)社會(huì )發(fā)展進(jìn)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(guò)程，并指出應該從曲折的發(fā)展過(guò)程中吸取教訓，不要給人工智能設置不切實(shí)際的過(guò)高目標，尤其是在人工智能特別火爆的時(shí)候。報告指出，這兩年人工智能有些過(guò)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)展現狀，指出現有進(jìn)展主要體現在專(zhuān)用人工智能方面，而且現有人工智能仍存在一些局限性，將其總結為以下四點(diǎn)：有智能沒(méi)智慧，有智商沒(méi)情商，會(huì )計算不會(huì )“算計”，有專(zhuān)才無(wú)通才。

　　報告進(jìn)一步分析并給出了造成這些局限的瓶頸問(wèn)題，這些瓶頸問(wèn)題主要包括：

　　(1)數據瓶頸：深度學(xué)習需要大量的數據;

　　(2)泛化瓶頸：這是模式識別、計算機視覺(jué)、人工智能方法面臨的一個(gè)共同的問(wèn)題，現有方法在一些實(shí)際問(wèn)題中仍無(wú)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(lǐng)域其泛化性能明顯下降;

　　(3)能耗瓶頸：人的大腦盡管是一個(gè)通用的人工智能系統但是能耗很低(只有20瓦)，但現有計算機上實(shí)現的人工智能系統能耗很高;

　　(4)語(yǔ)義鴻溝瓶頸：目前語(yǔ)言服務(wù)大多為簡(jiǎn)單查詢(xún)，不涉及語(yǔ)義推理問(wèn)題，缺乏真正的語(yǔ)言理解能力，比如一些有歧義的自然語(yǔ)言句子，人很容易根據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：現有人工智能系統都是知其然而不知其所以然，其過(guò)于依賴(lài)訓練數據，缺乏深層次數據語(yǔ)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：現有人工智能系統可靠性較差，有些錯誤識別結果會(huì )帶來(lái)致命后果，比如2016.7特斯拉自動(dòng)駕駛(Autopilot)功能不能正確識別反光條件下的卡車(chē)導致致命車(chē)禍。

　　報告指出，正是因為現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(guān)于人工智能的一些炒作和誤解，并對其進(jìn)行了反駁與澄清，這對我們正確認清人工智能現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(jìn)步。報告列舉和解讀了2017年人工智能值得關(guān)注的事件。這些事件涵蓋了國家政策、學(xué)術(shù)界、產(chǎn)業(yè)界、社會(huì )科學(xué)領(lǐng)域等各個(gè)方面，全方面、多維度地為我們展現了人工智能2017年所取得的新進(jìn)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)展規劃》，這一消息不僅在國內備受關(guān)注，在國外也引發(fā)了很大關(guān)注;

　　(2)Nature發(fā)表DeepMind的圍棋人工智能新成果AlphaGoZero (2017年10月，AlphaGoZero不需棋譜數據和先驗知識，通過(guò)強化學(xué)習算法創(chuàng )新以100：0戰勝AlphaGo)，其探索了特定應用中不依賴(lài)領(lǐng)域數據，通過(guò)自我學(xué)習獲得強大推理決策能力的人工智能技術(shù)發(fā)展新路線(xiàn);

　　(3)Science發(fā)表概率生成模型RecursiveCortical Network，在驗證碼識別任務(wù)上超越了深度學(xué)習方法，其意義在于試圖探尋一條非深度學(xué)習框架的通用人工智能道路，實(shí)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(luò )新概念，探索對傳統神經(jīng)網(wǎng)絡(luò )的變革思路，該方法希望提高數據的使用效率，同時(shí)朝著(zhù)建設可解釋的人工智能系統來(lái)提供思路，并試圖把相互關(guān)聯(lián)的多模態(tài)的信息做統一的表達;

　　(5)谷歌、微軟分別發(fā)布創(chuàng )作AI算法的AI系統AutoML和DeepCoder(谷歌CEOSundar Pichai在2017年I/O 大會(huì )展示了AutoML，試圖通過(guò)自動(dòng)創(chuàng )建機器學(xué)習系統降低AI人員成本;2017年2月微軟研究院與劍橋大學(xué)合作成果DeepCoder：一種能根據問(wèn)題的輸入輸出自動(dòng)編寫(xiě)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等科技巨頭全面轉型人工智能發(fā)展戰略，比如2017谷歌I/O大會(huì )明確提出發(fā)展戰略從“Mobilefirst”轉向“AIfirst”;

　　(7)百度Apollo計劃開(kāi)放自動(dòng)駕駛平臺，提供一套完整的自動(dòng)駕駛軟硬件和服務(wù)的解決方案，將會(huì )對全球自動(dòng)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A(yíng)I芯片大規模進(jìn)入消費級市場(chǎng)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(shù)巨大的產(chǎn)業(yè)發(fā)展潛力;

　　(10)《Nature》開(kāi)始關(guān)注人工智能社會(huì )倫理問(wèn)題，808名科研人員簽署23條“阿西洛馬人工智能原則”，推動(dòng)人工智能健康發(fā)展。

　　圖2 簡(jiǎn)單膠囊網(wǎng)絡(luò )CapsNet

　　通過(guò)詳盡整理與深入分析人工智能領(lǐng)域中值得關(guān)注的熱點(diǎn)事件，報告進(jìn)一步探索和總結了人工智能發(fā)展的新動(dòng)向、新趨勢以及一些值得關(guān)注的研究方向。

　　報告還分享了以下內容并對其做了細致的解讀，主要包括以下方面：

　　(1)從專(zhuān)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GoogleDeepMind創(chuàng )始人DemisHassabis宣布朝著(zhù)“創(chuàng )造解決世界上一切問(wèn)題的通用人工智能”這一目標前進(jìn)，微軟成立人工智能實(shí)驗室以挑戰通用人工智能為主要目標;

　　(2)可解釋的人工智能系統備受關(guān)注，也將成為突破統計學(xué)習瓶頸問(wèn)題的一個(gè)重要方向。DARPA的報告里面把過(guò)去幾十年人工智能技術(shù)的發(fā)展和創(chuàng )新分成幾個(gè)波次，第一個(gè)波次是基于規則的，例如以專(zhuān)家系統為代表的系列方法和技術(shù);第二個(gè)波次就是當前以大數據驅動(dòng)為代表的統計學(xué)習;同時(shí)，他們認為第三個(gè)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(jiàn)人工智能可解釋性的重要意義;

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

　　(4)非深度神經(jīng)網(wǎng)絡(luò )計算模型成為機器學(xué)習創(chuàng )新的一個(gè)重要方向。當前深度學(xué)習理論基礎薄弱、模型結構單一、資源消耗過(guò)高、數據依賴(lài)性強，以非神經(jīng)網(wǎng)絡(luò )、資源節約型機器學(xué)習模型有望成為下一個(gè)突破口;

　　(5)腦科學(xué)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(lái)的主流智能形態(tài)。隨著(zhù)人工智能的發(fā)展，機器會(huì )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(gè)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(huì )受到越來(lái)越多的關(guān)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)系統的構建成為競爭的制高點(diǎn)。眾多科技巨頭不斷相繼發(fā)布他們的平臺，實(shí)際上就是想構建生態(tài)和占領(lǐng)生態(tài)，從而為自己企業(yè)未來(lái)發(fā)展搶占先機，這是一種戰略的謀劃和布局;

　　(9)AI的普適應用將重塑人類(lèi)經(jīng)濟社會(huì )的格局，因為AI帶來(lái)的影響是深遠的，不一定要等到通用人工智能實(shí)現的那一天，專(zhuān)用人工智能就已經(jīng)帶來(lái)了一些革命性的變化。人工智能將是未來(lái)十年最具變革性的技術(shù)，無(wú)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(huì )大眾普及，國務(wù)院《新一代人工智能發(fā)展規劃》指出實(shí)施全民智能教育項目，在中小學(xué)階段設置人工智能相關(guān)課程，逐步推廣編程教育，鼓勵社會(huì )力量參與寓教于樂(lè )的編程教學(xué)軟件、游戲的開(kāi)發(fā)和推廣;

　　(11)人工智能的社會(huì )影響將會(huì )受到更加廣泛的關(guān)注，人工智能社會(huì )學(xué)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(xué)習在CAPTCHA驗證碼識別上獲突破性進(jìn)展，遠遠超過(guò)深度學(xué)習模型。

　　報告總結指出：2017年人工智能在國家規劃、創(chuàng )新理論、技術(shù)應用、產(chǎn)業(yè)生態(tài)、企業(yè)融資、倫理規范等方面都取得重要進(jìn)展;人工智能未來(lái)發(fā)展值得關(guān)注的方向包括通用智能、類(lèi)腦智能、可解釋的智能、人機混合智能、情感智能等，需要著(zhù)力突破在數據、能耗、泛化性能、可解釋性、可靠性等方面的瓶頸問(wèn)題;現有人工智能的發(fā)展水平雖然還遠不足以威脅人類(lèi)的生存，但其社會(huì )影響應得到高度重視。