人工智能下一步棋怎么走

　　計(jì)算機(jī)的運(yùn)算能力和存儲記憶力已經(jīng)完勝人類，甚至在感知能力，如聽覺、視覺系統(tǒng)構(gòu)建上，也取得了飛速發(fā)展，但是在認(rèn)知智能上，計(jì)算機(jī)還有很長的路要走。

　　對大腦科學(xué)深度的研究有利于人工智能再認(rèn)知方面的突破。胡郁介紹說，“人的大腦是一個非常神奇的系統(tǒng)，計(jì)算機(jī)深度學(xué)習(xí)的基礎(chǔ)深度神經(jīng)網(wǎng)絡(luò)就是來自于人腦的啟發(fā)。但人類對人腦的認(rèn)識還不夠，深度神經(jīng)網(wǎng)絡(luò)與人腦的真正神經(jīng)網(wǎng)絡(luò)相比還存有很大的差距。從這方面尋求突破需要很長的時間”。

　　“當(dāng)前微軟、IBM、Google等則走了不一樣的道路，在人工智能方面取得了巨大成績，全依賴于現(xiàn)在工業(yè)上所使用的弱人工智能的方法，利用大數(shù)據(jù)尋求認(rèn)知智能的突破。”胡郁說。

　　在大數(shù)據(jù)的背景下，人工智能需要改變傳統(tǒng)發(fā)展思路，應(yīng)該更加注重學(xué)習(xí)。李德毅表示，人工智能的核心不僅僅是算法。傳統(tǒng)的思路認(rèn)為，軟件等于程序加數(shù)據(jù)，程序是最重要的，把數(shù)據(jù)放到程序里，進(jìn)而形成人工智能。然而，隨著大數(shù)據(jù)的發(fā)展，要形成數(shù)據(jù)驅(qū)動的人工智能，用記憶認(rèn)知、技術(shù)認(rèn)知和交互認(rèn)知形成決策腦，才會出現(xiàn)當(dāng)前人工智能井噴的局面和燦爛的前景。

　　除了要充分利用大數(shù)據(jù)的優(yōu)勢發(fā)現(xiàn)新的應(yīng)用，開疆拓土，還需要更多地研究小數(shù)據(jù)。香港科技大學(xué)冠名講座教授、國際人工智能學(xué)會FELLOW楊強(qiáng)表示，未來人工智能的成功并不一定需要大數(shù)據(jù)，小數(shù)據(jù)是否也可以讓人工智能成功？這是發(fā)展人工智能需要進(jìn)一步研究的問題。

　　除了軟件方面的突破，人工智能的實(shí)現(xiàn)顯然還需要更多的硬件支持。張代君表示，人工智能不可能“平地起高樓”，它仰賴配套的基礎(chǔ)設(shè)施。“計(jì)算機(jī)的運(yùn)算與控制核心是CPU（中央處理器），隨著人工智能的發(fā)展，我們是否需要專為人工智能而生的‘APU’（人工智能處理器）？”

　　實(shí)際上，這樣的深度學(xué)習(xí)所需專用芯片，已經(jīng)在一家新生企業(yè)寒武紀(jì)中誕生。

　　寒武紀(jì)科技創(chuàng)始人及首席執(zhí)行官陳天石介紹說，“現(xiàn)在人工智能深度學(xué)習(xí)成功的全部應(yīng)用都是基于通用處理器，如CPU或者GPU處理器。但是，使用通用處理器去執(zhí)行智能負(fù)載，效能比很低。5年前，谷歌大腦項(xiàng)目耗費(fèi)了7天時間，動用了1.6萬個CPU訓(xùn)練貓臉識別的模型。而今，中科院計(jì)算所研發(fā)的寒武紀(jì)專用芯片，其性能功耗比可達(dá)通用芯片的數(shù)百倍以上，而且今后還會進(jìn)一步提高”。

　　陳天石表示，在未來的智能時代，不管是云服務(wù)器還是終端計(jì)算機(jī)設(shè)備，可能都需要像深度學(xué)習(xí)這樣的專用處理器，它不會去替代從前已有的通用芯片，但是會專門處理智能任務(wù)這樣重要又及其特殊的領(lǐng)域。

　　人工智能面臨怎樣的挑戰(zhàn)

　　人工智能經(jīng)歷了60年的發(fā)展，尤其最近10年間，其語音識別、手寫文字識別、人臉識別這樣的傳統(tǒng)識別技術(shù)，在大數(shù)據(jù)的引導(dǎo)下已經(jīng)逐步商業(yè)化并形成了一個很大的風(fēng)口。“雖然人工智能在60年間經(jīng)歷了三次發(fā)展高潮，但因沒有標(biāo)準(zhǔn)化，人工智能的發(fā)展還處于比較初級的階段。”張代君說。

　　百度深度學(xué)習(xí)研究員徐偉指出，人類智能的核心，是自我學(xué)習(xí)和創(chuàng)造的能力，這方面恰恰是現(xiàn)在人工智能系統(tǒng)的短板。

　　人工智能的進(jìn)步，往往依靠大量數(shù)據(jù)的“投喂”。為了讓機(jī)器認(rèn)出一只貓，動輒需要準(zhǔn)備成千上萬只貓的圖片。這種學(xué)習(xí)過程，顯然和人類的學(xué)習(xí)方式相去甚遠(yuǎn)。“人工智能還很難從少量標(biāo)注數(shù)據(jù)中學(xué)習(xí)。”徐偉指出。

　　相比人類而言，人工智能在某些方面還顯得相當(dāng)“笨拙”。谷歌的自動駕駛車，目前已經(jīng)行駛了數(shù)百萬公里，還是沒法實(shí)現(xiàn)徹底“自主駕駛”；而開車?yán)锍?000公里的人類駕駛員，便算得上“老司機(jī)”，可以游刃有余地面對路上的突發(fā)情況。

　　即便當(dāng)前人工智能十分引以為傲的AlphaGo，也存在很多缺陷。李德毅指出，從技術(shù)上說，AlphaGo的卷積神經(jīng)網(wǎng)絡(luò)有太多的學(xué)習(xí)參數(shù)，在學(xué)習(xí)中不能保證算法是正確的。此外，還有非常直觀的不足表現(xiàn)在，AlphaGo程序還沒有手、沒有眼睛、沒有感受和行為能力，下棋時還要有一個助理員拿棋子。它還沒有情緒和情感，不能現(xiàn)場分析對手的心理狀態(tài)，不能夠現(xiàn)場和對手展開心理戰(zhàn)，缺少交互認(rèn)知的能力。

　　雖然AlphaGo的成功震驚世界，但李德毅還是對AlphaGo提出幾點(diǎn)假設(shè)：如果讓AlphaGo和李世石再下一次，AlphaGo能不能復(fù)盤？在比賽之前以及比賽之后，AlphaGo的程序變了沒有？如果AlphaGo從此以后不再跟高棋手下棋，AlphaGo的程序水平會不會降低？

　　“AlphaGo的學(xué)習(xí)能力很強(qiáng)，因其是我們圍棋手教出來的。因此，我認(rèn)為人工智能深度學(xué)習(xí)發(fā)展至今，不管是卷積神經(jīng)網(wǎng)絡(luò)還是其他的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法，都不是人工智能的終結(jié)者。未來，圍棋機(jī)器人要發(fā)展成為人類的伙伴，他們有智慧、個性和行為能力，甚至還有情感。”李德毅說。

　　“盡管人工智能當(dāng)前遇到很多挑戰(zhàn)，但未來，機(jī)器人給人類帶來的影響將遠(yuǎn)遠(yuǎn)超過計(jì)算機(jī)和互聯(lián)網(wǎng)在過去幾十年間對人類的影響。人工智能已經(jīng)在改變世界，曾經(jīng)的很多工作崗位都將被機(jī)器人替代，但同時又自然地涌現(xiàn)出新的工作崗位。人類應(yīng)該善于更好地調(diào)教幫助機(jī)器人，利用機(jī)器人的優(yōu)勢，彌補(bǔ)機(jī)器人的不足，用新的機(jī)器人淘汰舊的機(jī)器人。機(jī)器人一定會讓人類自身更智能，各色各樣的機(jī)器人為我們迎來了人與機(jī)器人共舞的新時代，在這樣的時代，人類始終是領(lǐng)舞者。”李德毅說。（杜 芳）