“日常生活中，人類視覺系統受很多任務所驅動，視覺表達和計算機制等都源自于各種各樣的任務。物體和場景的設計都由潛在的功能（Functionality）和物理（Physics）所決定，人類活動由潛在的社交意圖（Intents）、因果（Causality）、和價值取向（Utility）所決定。這些潛在的、不可見的FPICU就是一種智能的暗物質“Dark Matter”，這些因素和變量在感知中是看不見的， 卻控制著那些看得見的物體和場景的幾何和外觀特征。”

朱松純

全球著名計算機視覺專家、統計與應用數學家、人工智能專家。美國洛杉磯加州大學(UCLA)統計系兼計算機系教授，任視覺、認知、學習與自主機器人中心主任。長江學者、千人計劃專家、IEEE Fellow。在計算機視覺、統計建模與推理， 認知機器人等方面發表論文260余篇。在美國獲得多項國家級與世界級獎勵，包括三次獲得計算機視覺大會（ICCV）頒發的Marr prize、Helmholtz Test-of-Time Prize，和國際模式識別學會（IAPR）頒發的Aggarwal prize，目前主持多項美國重大研究計劃。

7月28日至29日中國人工智能大會（CCAI2018）將于深圳舉行，朱松純教授將在主會場中做題為《智能“暗物質”與“小數據、大任務”范式》的精彩報告，向國內外各界人士分享其關于人工智能范式轉換的顛覆性觀點。

下面收集整理了朱松純教授近期的主要觀點，讓我們跟隨朱教授的思想一起走向人工智能的研究前沿。

“讀不懂AI的歷史，就無法預測未來”

朱松純教授曾多次強調：要搞清楚人工智能的發展趨勢，首先得回顧歷史，正本清源。朱教授曾將人工智能發展的60年總結為三個階段，經過三次興起的熱潮，每次興盛期都有不同的技術在里面起作用。

第一次熱潮是在1956-1974年，以命題邏輯、謂詞邏輯等知識的表達、啟發式搜索為代表。

第二次熱潮是在80年代初期，一些教授專家主要做專家系統、知識工程、醫療診斷等方面的研究，到了80年代末期又出現了一個短暫的神經網絡研究熱潮。

在此之后人工智能這個詞在公眾視野中消失了將近30年的時間。當然研究者對于其的探索并沒有停止，像朱松純教授所說的這30年人工智能處于一個“分治時期”，相當于中國歷史的“春秋時期”，“分治時期”形成了計算機視覺、自然語言理解、認知科學、機器學習、機器人學這五大學科獨立發展，被他稱為“春秋五霸”。

第三次熱潮是從2012年興起的深度學習推動的。被稱為“春秋五霸”的這五個領域不斷的擴展，領域之間出現了融合，類似于中國的“戰國時期”，這個時期總結起來一共有“六個領域”， 包括：計算機視覺、自然語言理解與交流、認知與推理、機器人學、博弈與倫理、機器學習。朱松純教授通過大量的實驗數據的研究試圖尋找它們之間統一的目標，解決當下人工智能發展各自稱雄的局面

“小數據，大任務”范式是人工智能統一的目標

朱松純教授認為人工智能這一學科涵蓋非常廣泛，包含的這六大領域正在交叉發展，最終的目標都是希望它們能夠形成一個完整的科學體系，成為一門真正的科學（Science of Intelligence）。朱松純教授提到這六大領域就像是處在“戰國時期”的“戰國六雄”，是否將其統一起來，它們的研究方向究竟在哪里？這一問題也是朱松純教授一直以來思考研究的內容。

朱教授認為，基于統計概率模型的大數據分析方法，包括機器學習和深度學習等，可以針對某個特定的任務，例如人臉識別，設計一個簡單的價值函數，用大量數據進行訓練這一特定的模型，這一模式的應用可稱為“大數據、小任務范式”，并不能產生真正意義上的智能。這種方法對某些具體的問題上很有效果，但是這個模型不能適用于更廣泛的任務，更不能適用復雜的任務執行，這一思路對于人工智能的發展并不能起到跨越式的前進。朱教授認為，“小數據 大任務”范式是人工智能統一的目標。

朱松純教授曾在90年代率先將概率統計建模與隨機計算方法引入計算機視覺研究，提出了一系列圖像與食品的結構化解譯框架、數理模型和統計算法，發展了廣義模式理論。在認知科學領域，如視覺嘗試推理、場景理解及人工智能等領域做出卓越貢獻。從“大數據 小任務”到“小數據 大任務”，在CCAI2018的報告中，朱教授將深入闡釋他所提出的顛覆性的模式：僅使用少量樣本，但可以泛化到多種任務中。報告中會以示例對上述觀點進行闡述。

“暗物質”概念極大的拓展了人類對物理世界的認知邊界，“智能暗物質”概念的提出，又將為人工智能的研究與應用帶來哪些顛覆與變革？讓我們一起期待朱松純教授在2018中國人工智能大會的精彩演講！