來源：中關(guān)村互聯(lián)網(wǎng)金融研究院、天成智匯
什么叫人工智能呢？人工智能是人類智能的一個計算機的實現(xiàn)，從對決的角度，它永遠(yuǎn)不可能超過人類智能，只是說在某一個特定的方面它可能勝出，但從智能本身它沒辦法勝出。其實，智能有很多方面，包括邏輯能力，語言能力、空間能力、感知能力、包括音樂感知的能力，肢體的控制能力。后面這幾個是比較難的，包括人的內(nèi)省、自我反省，包括人際關(guān)系的能力，包括自然探索的能力，比如發(fā)現(xiàn)一些新的東西，完全沒有任何線索，你能想出我要做這個，我把這個問題解決掉。自然探索的能力，包括圖像、圖形的感知能力。智能分為九個能力，而現(xiàn)在的人工智能在這九個方面只有三個做得還可以，有六個方面還相當(dāng)?shù)倪h(yuǎn)，所以我們說現(xiàn)在的人工智能要想挑戰(zhàn)人類智能，路還很長。
1956年，達特茅斯會議是一個里程碑。當(dāng)時，人工智能的元老們還很年輕，他們集聚到一起開了兩個月的會，討論怎么樣讓機器具有人的智能、定出了人工智能的最終目標(biāo)以及什么叫人工智能。現(xiàn)在看起來1956年定義的人工智能的白皮書，到現(xiàn)在一點都不過時。這次會議開了以后，全世界很多學(xué)校都開始跨入到人工智能熱潮當(dāng)中，典型的像斯坦福大學(xué)、CMU、MIT、哈佛大學(xué)很多人都在做相關(guān)的研究，那個階段大家采用的技術(shù)手段，主要是邏輯主義或者符號主義。什么叫邏輯或者符號呢？實際上就是認(rèn)為一切的推理，都可以用邏輯演算的方式來實現(xiàn)，只要定義了整個邏輯演算的體系，做一個規(guī)則，就可以完成任何事。比如可以進行推理、數(shù)學(xué)證明，可以創(chuàng)作、奏樂等。目前，主要的自然科學(xué)定理都是用演繹推理的方式來完成的。比如說亞里士多德的三段論體系就是非常典型的演繹推理。所有演繹推理的基礎(chǔ)是滿足三段論方程，什么叫三段論，有一個大前提，這是一個一般的原理，有一個小前提是要研究的特殊情況，根據(jù)大前提、小前提得到一個結(jié)論，這個結(jié)論是根據(jù)一般情況，對特殊情況做出一個判斷，這就完成了演繹推理，這就叫三段演繹推理。所有的基礎(chǔ)邏輯的方法都是這樣做的，為了做這個當(dāng)時設(shè)計了很多的人工智能語言，用這種語言可以寫人工智能的方程，機器就可以去證明。當(dāng)然這聽起來很好，當(dāng)時大家都認(rèn)為十年之內(nèi)人工智能一定可以完成很多事，但一直到1976年前后，大家發(fā)現(xiàn)一開始定的那么高調(diào)的東西絕大多數(shù)都實現(xiàn)不了。1973年有一個英國人發(fā)了一個報告，給AI潑一大盆冷水。他把AI研究分為三類系統(tǒng)，A是指自動機、B是機器人、C為中央神經(jīng)系統(tǒng)。自動機和中央神經(jīng)系統(tǒng)研究是有價值的，但進展太慢;機器人的研究毫無價值，而且非常令人失望，所以他建議把所有的機器人研究都取消掉;A和C因為它本身令人失望，所以也是非常低調(diào)。這個報告出來以后各國政府把對人工智能投入的經(jīng)費全部砍掉，人工智能馬上就進入了嚴(yán)冬。所以1976年實際上是人工智能第一次的嚴(yán)冬的到來。1976年之后盡管沒有經(jīng)費，但學(xué)者的可愛之處是給錢也做，不給錢也做。因為做邏輯的，前面已經(jīng)把自己的體量拉得很大。當(dāng)時做神經(jīng)網(wǎng)絡(luò)的，基本上沒有得到什么錢，所以本身就是教授帶幾個學(xué)生在玩，這個領(lǐng)域雖然面臨寒冬了，但對他來講沒有變化，盛夏的時候沒有錢，寒冬的時候還是沒錢，所以帶著學(xué)生繼續(xù)玩。這一玩玩出花樣來，1976年開始有很多做神經(jīng)元網(wǎng)絡(luò)的，不停地寫東西、發(fā)東西，一直到1986年出來一個讓人眼睛一亮的東西，這個東西叫BP算法（即誤差反傳網(wǎng)絡(luò)）。以往的神經(jīng)元網(wǎng)絡(luò)只能做非常小的事，做不了大事。但這個東西出來以后可以做大事了，所以就推動了這個領(lǐng)域發(fā)展。但它也只能解決一部分問題。一開始人們也期待要解決很多問題，但遙遙無期，到最后又來了第二次的低谷，包括日本第五代機的失敗，當(dāng)時在斯坦福大學(xué)要建一個知識百科全書的項目都失敗了，使得第二次人工智能又跌入了低谷。第三次是從2006年開始的，現(xiàn)在人工智能的三個大牛，一位多倫多大學(xué)地Geoffrey Hinton，一位是蒙特利爾大學(xué)的Yoshua Bingeo，一位是紐約大學(xué)的Yann LeCun，這一年他們分別發(fā)表了三篇文章在講一件事。這個文章出來了以后，當(dāng)時大家并不知道這個東西要怎么用，這個東西被誰給激活了？李凱和李飛飛做的ImageNet，主要操刀是李飛飛。ImageNet是一個全球的圖像識別比賽，在2012年以前都是用常規(guī)的方法，2012年開始有一個參賽隊用了這個方法，比別的隊錯誤率馬上降低了一半。到2013年其它方法全部退出，全都是深度學(xué)習(xí)，2014年不停地改進。2015年，錯誤率已經(jīng)降得非常多，深度學(xué)習(xí)的網(wǎng)絡(luò)也非常多。到2016年的時候幾乎做到不光人沒法比，錯誤率已經(jīng)低到不需要再做了，所以李飛飛選擇2017年宣布這個比賽停止，不再做了，因為其實已經(jīng)沒有太大促進意義了。所以，由于深度學(xué)習(xí)的發(fā)展，由于產(chǎn)業(yè)界的熱情參與，產(chǎn)生了很多新的企業(yè)，有很多新的機遇，這是非常好的事。
在這個機遇下，中國干了什么？中國有一個中國人工智能2.0的發(fā)展戰(zhàn)略研究，這是中國工程院一起來搞的，并發(fā)布了一個重大研究計劃，主要是做五個關(guān)鍵技術(shù)和一批應(yīng)用。第一個是大數(shù)據(jù)智能。第二個是群體智能，依靠群體的力量推進智能的研究。第三個是跨媒體智能，要把聲音、圖像、文字、自然語言所有這些東西聯(lián)結(jié)在一起來研究智能，這是跨媒體智能未來所希望達到的目標(biāo)。第四個是人機混合增強智能，人和機器混合起來怎么讓智能更高能力更強。第五個是自主智能系統(tǒng)，其實就是無人機。我們有五個支柱，上面是應(yīng)用，下面是基礎(chǔ)支撐。這個輪廓和布局看起來很圓滿，但遠(yuǎn)遠(yuǎn)不夠。如果看整個人工智能學(xué)科的輪廓，包括計算機視覺、語言識別、自然語言、人機交互、機器人學(xué)習(xí)等方向，目前大的布局是沉浸到應(yīng)用這個方面。涉及到人的九類智能，我們在邏輯語言文字和圖形圖像來說現(xiàn)在已經(jīng)做得相當(dāng)不錯，中間六類還是有相當(dāng)?shù)木嚯x需要探索。歷史總是這樣螺旋前進的，人工智能的三次浪潮也是從符號主義到連接主義。這個符號主義到現(xiàn)在為止已經(jīng)有寂寞了30多年，但它作為人類智能的一個高等抽象，應(yīng)該是發(fā)揮作用的，所以怎么發(fā)揮作用，未來大家可以慢慢觀察。連接主義，就是神經(jīng)元網(wǎng)絡(luò)、深度學(xué)習(xí)，目前是非常大行其道的，但怎么樣解決小數(shù)據(jù)甚至沒有數(shù)據(jù)的學(xué)習(xí)？實際還是有相當(dāng)大的挑戰(zhàn)，特別是很多的學(xué)習(xí)結(jié)果是不可解釋的，這是最大的挑戰(zhàn)。行為主義是注重自適應(yīng)和進化，這是從人從猴子演化過來，它可能更接近。它怎么樣在學(xué)習(xí)方面做得更好，還是需要探索的。不管是企業(yè)、國家投資，大家利用好天時地利要好好干一場。人工智能至少還有10年到20年左右的好日子過，大家要珍惜這個機會。當(dāng)然人工智能既然是一個少年，少年主要的成長靠什么？靠學(xué)習(xí)，靠知其所以然的學(xué)習(xí)研究，中國下一代人工智能也會在這個方面進行一些布局，知道今后的方向，也許對大家有點幫助。
下載APP