AI發(fā)展至今已有60年光景，已處于高速成長階段。60年的光陰里AI都取得了哪些進(jìn)展？有哪些制約因素？我國AI發(fā)展到了什么水平？

6月21日晚間，由北京智源人工智能研究院主辦的2020北京智源大會(huì)在線上舉行，圖靈獎(jiǎng)獲得者、中國科學(xué)院院士、中國工程院院士、國內(nèi)外AI頂尖學(xué)者齊聚一堂，共同描畫了下一代AI的模樣。

AI的下一次突破何時(shí)到來？

世界范圍內(nèi)，AI已經(jīng)發(fā)展了60年左右的時(shí)間。然而從上世紀(jì)60年代開始30多年的時(shí)間里并沒有研究出可以比肩人類的技術(shù)。直到1997年，IBM研發(fā)的深藍(lán)超級(jí)計(jì)算器擊敗國際象棋世界冠軍加里·基莫維奇·卡斯帕羅夫，至此AI終于實(shí)現(xiàn)了里程碑式的突破。2005年，在斯坦福大學(xué)時(shí)任副教授的Sebastian Thrun帶領(lǐng)學(xué)生打造的一款名為“斯坦利”的機(jī)器汽車，成功穿越300英里沙漠，成為歷史上第一個(gè)完成DARPA無人駕駛汽車挑戰(zhàn)賽的自動(dòng)駕駛汽車，業(yè)內(nèi)公認(rèn)“斯坦利”是AI應(yīng)用的又一次突破，Sebastian Thrun也因此成為了谷歌自動(dòng)駕駛汽車系統(tǒng)的專家，幫谷歌打造出自動(dòng)駕駛的原型車，谷歌也憑此成為了自動(dòng)駕駛領(lǐng)域的領(lǐng)軍者。

到了2012年，也是AI迄今距離最近的一次突破——深度學(xué)習(xí)。當(dāng)時(shí)機(jī)器學(xué)習(xí)已經(jīng)非常流行，但是還不足以達(dá)成AI的最高目標(biāo)，而深度學(xué)習(xí)的理論已經(jīng)存在了幾十年，直到2012年終于取得突破，它可以構(gòu)建AI已知的所有功能，包括決策理論、規(guī)劃和推理，讓AI距離真正解決問題又近了一步。

深度學(xué)習(xí)可以解決什么問題？比如有一輛自行車，深度學(xué)習(xí)可以將自行車進(jìn)行結(jié)構(gòu)性的拆解，對(duì)車座、車把、車輪等組成部分進(jìn)行識(shí)別。“但是當(dāng)遇到一件與自行車十分類似的物品時(shí)，深度學(xué)習(xí)會(huì)把它自動(dòng)歸為同類。”圖靈獎(jiǎng)獲得者John Hopcroft指出，深度學(xué)習(xí)的問題在于它不能告訴你自行車每個(gè)部分的功能是什么。

下一代人工智能要取得突破，可以在深度學(xué)習(xí)的基礎(chǔ)上附加相應(yīng)的邏輯，實(shí)現(xiàn)讓AI知道腳踏板可以驅(qū)動(dòng)車輪，區(qū)分有用郵件和垃圾郵件。

康奈爾大學(xué)教授Bart Salmen認(rèn)為，深度學(xué)習(xí)還有很大的提升空間，它是一種基于數(shù)據(jù)訓(xùn)練的學(xué)習(xí)方法，但是人類是有感知能力的，要達(dá)到人類水平，就要學(xué)會(huì)感知。張鈸認(rèn)為，感知=感覺+認(rèn)知，目前深度學(xué)習(xí)方法只觸及到了感覺層面，還未達(dá)到認(rèn)知高度，需要真正的知識(shí)灌輸，下一代AI要明確地把知識(shí)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)結(jié)合起來才能真正取得突破

那么AI的下一次突破何時(shí)到來，又一個(gè)十年、二十年？

John Hopcroft認(rèn)為，歷史上農(nóng)業(yè)發(fā)展花費(fèi)了上千年，制造業(yè)發(fā)展花了幾百年，AI首次取得成功只用了幾十年，所以下一次突破會(huì)很快。

專家們紛紛表示，下一代AI一定要具有可解釋性，使用者需要知道AI究竟是怎樣運(yùn)作的，這也是增強(qiáng)人類對(duì)AI信任度的關(guān)鍵。

John Hopcroft指出，AI的下一次突破不一定是計(jì)算能力的突破，也有可能是生物學(xué)層面的突破。

AI需要解決什么問題？

隱私和安全問題是人工智能技術(shù)應(yīng)用大規(guī)模鋪開所面臨的一大挑戰(zhàn)，這是很多用戶在接受使用AI應(yīng)用前最擔(dān)心的問題之一。

中國科學(xué)院院士張鈸認(rèn)為，要解決這個(gè)問題，首先要從兩個(gè)層面來探討。一是如何正確合理運(yùn)用隱私，這需要AI開發(fā)企業(yè)的高度自律。隱私保護(hù)是為了防止傷害集體和個(gè)人的利益，涉及到保護(hù)和使用的關(guān)系，可以很嚴(yán)也可以很松，不一定一步到位制定出完整的規(guī)則，需要逐步的改進(jìn)。

二要避免人工智能濫用的問題，這是目前深度學(xué)習(xí)無法解決的問題，需要談到人工智能治理這個(gè)層面。張鈸指出，一方面要定義規(guī)則，制定嚴(yán)格的法律法規(guī)，二要發(fā)展安全可靠、可信、可擴(kuò)展的人工智能技術(shù)，這樣才能真正保護(hù)人工智能的安全。“人工智能治理非常重要，只有想清楚如何治理，才能知道技術(shù)往哪些方向發(fā)展”張鈸談到。

此外，還要建立讓用戶信任的AI應(yīng)用機(jī)制。香港科技大學(xué)教授楊強(qiáng)認(rèn)為，開發(fā)者和應(yīng)用方不可能隔絕開來，需要共同協(xié)作、互相交流。開始可以先采用加密模型參數(shù)，對(duì)于使用者來說，可能會(huì)不清楚傳遞是參數(shù)還是數(shù)據(jù)，那么就可以引入一個(gè)中心機(jī)構(gòu)，讓每一個(gè)參與者在這個(gè)中間機(jī)構(gòu)中傳遞信息。另外也可以引入區(qū)塊鏈的管理模式，借助其透明化且不可篡改的機(jī)制對(duì)隱私加以保護(hù)。

中國工程院院士高文認(rèn)為，開源是解決AI隱私問題最好的辦法，沒有一蹴而就的解決方法。“就像武術(shù)一樣，要想做到厲害就要不停攻防。”高文強(qiáng)調(diào)，不要太過擔(dān)心數(shù)據(jù)共享有可能帶來的惡意攻擊，因?yàn)榧夹g(shù)發(fā)展過程中一定會(huì)考慮到針對(duì)性的解決辦法。

中國AI發(fā)展痛點(diǎn)在哪里？

新基建浪潮下，國內(nèi)各大企業(yè)通過興建大量基礎(chǔ)設(shè)施，強(qiáng)調(diào)大算力來搶占技術(shù)高地，那么AI到底需要多大的算力？

楊強(qiáng)認(rèn)為，大算力是AI突破的方式。學(xué)術(shù)界很多專家開始嘗試采用遷移學(xué)習(xí)的方法解決通用問題，如果算力足夠大，那么遷移學(xué)習(xí)就可以適配到各個(gè)領(lǐng)域，符合縱深發(fā)展的條件。

高文指出，下一代AI要解決高效能的問題。AI的下一階段要求是超過人的精度，但是人本身并不需要太大的算力。所以下一步應(yīng)提高計(jì)算機(jī)的學(xué)習(xí)能力，減少低效學(xué)習(xí)所消耗的大量電力，不要過分追求大算力。

我國在AI科研平均水平已經(jīng)接近世界水平，但是最高水平和世界領(lǐng)先仍有較大差距。“沒有從0到1的發(fā)現(xiàn)。”張鈸指出，我國AI研究尚未突破創(chuàng)新的瓶頸，基礎(chǔ)研究落腳點(diǎn)在發(fā)表論文的數(shù)量上，與過去相比有巨大的進(jìn)步，也是制約因素。

楊強(qiáng)認(rèn)為，有責(zé)任心有志向的學(xué)者應(yīng)該在創(chuàng)新上努力，重點(diǎn)是選題質(zhì)量而不是文章數(shù)量。研究方向一要足夠新，二要足夠難，三要讓人很容易理解。楊強(qiáng)指出，這樣的研究還需要運(yùn)用方法把問題分解成可以解決的階段，每個(gè)階段設(shè)立一個(gè)小目標(biāo)。另外，計(jì)算機(jī)的發(fā)展離不開數(shù)據(jù)，觸手可及的數(shù)據(jù)更容易實(shí)現(xiàn)落地。“不要跟風(fēng)熱門領(lǐng)域，有很多新領(lǐng)域更值得探索。”楊強(qiáng)說道。
責(zé)任編輯：tzh