牛津大學(xué)計算機科學(xué)系主任、DeepMind-Oxford Partnership負責(zé)人Michael Wooldridge教授做了題為《Routesto Artificial Intelligence》的大會報告，這個演講引起了筆者長時間的思考，總結(jié)出以下一點點感想。

 

　　人工智能（Artificial Intelligence）簡稱AI，在1955年達特茅斯特會議上被提出，約翰·麥卡錫將其定義為“制造智能機器的科學(xué)與工程”（science and engineering of making intelligent machines）。

 

 

　　上世紀70年AI泡沫破滅后，這個概念沉寂了一段，相關(guān)研究者和工程師都不好意說自己是研究人工智能，而是變成機器學(xué)習(xí)、數(shù)據(jù)挖掘、自然語言處理、語音識別、圖像識別等各個領(lǐng)域。機器學(xué)習(xí)是方法，數(shù)據(jù)挖掘、自然語言的理解、語音識別和圖像識別是目標和具體應(yīng)用。目前為止，AI的進步主要是機器學(xué)習(xí)的進步。近年計算能力的提高、互聯(lián)網(wǎng)大數(shù)據(jù)的積累，深度學(xué)習(xí)被應(yīng)用在語音識別、圖像處理等領(lǐng)域并取得非常大的突破。人工智能的概念再度被學(xué)術(shù)、產(chǎn)業(yè)、投資人甚至普通民眾關(guān)心，特別是今年AlphaGo戰(zhàn)勝李世石，更是將AI推向了歷史的最高點，各具體領(lǐng)域的人又紛紛回歸人工智能的懷抱，筆者才能厚著臉皮說自己是人工智能從業(yè)者。

 

　　先不糾結(jié)人工智能的各種定義，目前學(xué)者們將AI分成強AI和弱AI。強AI是通用型的、有自我意識的，是自主的，簡單說就是一個跟人一樣的智能，星球大戰(zhàn)中的R2-D2、多啦A夢都是強人工智能，有自己的意識、能做自己做決定，強AI目前仍然是科幻片里的人工智能。

 

　　弱AI目標沒有那么高遠，專注在一些原來只有人或者動物的大腦能做的具體任務(wù)上，目前的突破仍是各個弱人工智能做得更好。語音識別、圖像分類、AlphaGo等為解決某一特定任務(wù)的系統(tǒng)都是弱人工智能。

 

 

　　弱人工智能需要有明確的優(yōu)化目標：語音識別的優(yōu)化目標是字符識別的準確率，圖像分類的優(yōu)化目標是圖像識別的準確率。目前的AI幾乎都是弱AI，當有明確的可以量化的優(yōu)化目標時，可以通過機器學(xué)習(xí)實現(xiàn)逐步迭代接近優(yōu)化目標，在很多這樣的領(lǐng)域，AI可以接近甚至超過了人類的水平。說完AI適合解決什么樣的問題后，再看看AI目前做不好什么。

 

　　1）處理定義不清晰的問題：計算機可以按照精準的指令進行運算，并且執(zhí)行非?？?，但是需要指令是清楚明確的；

 

　　2）感知：人可以感知周圍的環(huán)境，同樣的會議室大家都不說話，一個新進入的人可以感覺到里面之前是經(jīng)歷了激烈地爭吵還是愉快的討論，盡管機器可以通過不同的傳感器捕捉到溫度、光線、濕度的具體數(shù)字，這些人也無法做到如此精確，但還不能將這些各種信息真正的結(jié)合起來達到人的水平。

 

　　3）決策：很多決策是沒有精確的規(guī)則，要涉及判斷者的直覺、心態(tài)、猜想，這些對于計算機來講是非常復(fù)雜的。而這些是強AI的必要條件，所以個人認為強AI可能在可見的未來不會實現(xiàn)。

 

　　目前的各種所謂智能機器人更多的是一些弱AI的整合，可以集成一個系統(tǒng)，可以實現(xiàn)語音識別、圖像識別、語音合成、下棋等具體任務(wù)，但這些組合到一起只能解決每個具體的任務(wù)，并不能構(gòu)成自我意識，并進行真正的思考。

 

　　下面舉幾個簡單的例子：

 

　　當在地鐵上，你站在門口，后面的人問“您下車么”，潛臺詞是“如果不下，請給我讓下路”。這時如果下車，需要回答“下”；不下車時不需要回答，只需要把路讓開。

 

　　當男生跟女生說咱們分手吧時，女生更多的會說“她是誰？”

 

　　上面介紹過當我們做弱人工智能時，需要對于每一個任務(wù)定義優(yōu)化目標，這些優(yōu)化目標都是人的一個基本功能，有些功能，甚至動物也可以實現(xiàn)，有可能比人做得更好。而一個智慧的人的優(yōu)化目標是什么，這更加復(fù)雜，可能是個哲學(xué)和社會學(xué)問題。權(quán)利、金錢、異性、被認可、世界大同，甚至宗教里面的“空”、“道”、“涅槃”等等都是人追求的目標。

 

　　首先我們不能知道自己到底有多少目標，可以列出目標的并集，并不是人所有追求的總和。

 

　　其次這些目標只有一部分可以用一個優(yōu)化函數(shù)來描述，進而化解成各種指令，這種可以認為是一個弱AI系統(tǒng)——

 

　　比如在準備英語考試時，考試的結(jié)果可以用分數(shù)衡量，背更多的單詞，掌握更多的語法，書寫更流利的文本，發(fā)更正確的讀音，能得到更高分。

 

　　這樣我們可以以獲取高分為目標，做一個英語考試的系統(tǒng)，讓這個系統(tǒng)參加考試，會取得不錯的成績，而且在未來的幾年內(nèi)，考試的水平會超過人類的最好水平。

 

　　而回歸這些目標本身，一個人可能同時追求這些目標；在人生的不同階段，或者具體到不同時刻，這些目標也會發(fā)生變化：對于大多數(shù)人年輕時追求權(quán)力、金錢，年紀稍長追求家庭和睦，年老時追求健康長壽。對于具體的每一個人，教育、周圍的人、社會變化都會導(dǎo)致人生目標的動態(tài)變化，但每一件事對具體優(yōu)化目標影響究竟有多大，可能自己也不知道。

 

　　這里插句題外話，雖然我們無法確定每一本好讀書，交一個更牛的朋友，更積極的看待社會，這些會給我們帶來多大的改變，但持續(xù)做下去，人肯定會更好。不能把人的各種追求量化并窮盡并整合，不是所有的優(yōu)化目標都可以被量化，這些都是目前的AI框架無法解決的問題。

 

　　從AI概念提出到現(xiàn)在，AI的發(fā)展基本都是量變，科學(xué)家們并沒有跳出現(xiàn)在的整體框架。所以個人認為強人工智能在幾十年內(nèi)，不會實現(xiàn)，大家尚可不必擔(dān)心強AI誕生并取代人類。很多大小公司、某些專家出于各種考慮，提出自己的“AI相當于幾歲小孩的智商”，有失偏頗。在各個弱AI領(lǐng)域，可以超過人類最好的水平；在感知決策等方面，AI不如初生的嬰兒，所以現(xiàn)在一切以人類年齡宣稱自己AI產(chǎn)品智能水平的行為，都是耍流氓。

 

 

　　上面務(wù)虛的侃了自己一點粗略的想法，再介紹一些大神們的干貨。

 

　　香港科技大學(xué)教授楊強：AI成功的五個必要條件

 

　　香港科技大學(xué)楊強老師做了《人工智能成功的幾個必要條件》的主題演講。楊強老師認為深度學(xué)習(xí)之后的算法模型有三層結(jié)構(gòu)：

 

　　第一層就是遞歸的深度學(xué)習(xí)（RNN）；

 

　　在這之上的第二層是一個強化學(xué)習(xí)的學(xué)習(xí)器（RL）；

 

　　而第三層是遷移學(xué)習(xí)（TL），它能把一個已有的模型遷移到一個新的領(lǐng)域。

 

　　深度學(xué)習(xí)訓(xùn)練需要大量的數(shù)據(jù)，強化學(xué)習(xí)也需要大量數(shù)據(jù)進行反饋。利用遷移學(xué)習(xí)，可以有效的減少對數(shù)據(jù)量的需求。

 

　　比如人騎自行車的經(jīng)驗有助于學(xué)習(xí)騎摩托車，一個會打羽毛球的人學(xué)習(xí)網(wǎng)球也會更快一些。目前已經(jīng)將該模型應(yīng)用在對話系統(tǒng)和股票預(yù)測等領(lǐng)域上。

 

　　楊強老師認為目前成功的人工智能的應(yīng)用還是在機器學(xué)習(xí)，從數(shù)據(jù)中找到規(guī)律，把重復(fù)的工作替代掉。最后給出了他認為的AI成功的五個必要條件：

 

　　微軟亞洲研究院常務(wù)副院長芮勇：計算機視覺從感知到認知的長征

 

　　在演講中，芮勇老師提到現(xiàn)在可以根據(jù)輸入圖像的內(nèi)容給出描述，如生成“小河旁邊停了一輛自行車”，并將繼續(xù)研究根據(jù)視頻內(nèi)容生成描述文字。更令人興奮的是可以回答關(guān)于圖像內(nèi)容的自然語言問題。

 

　　例如：在一片泥濘的土路上，什么東西在拖著馬車？答案是馬在拖著馬車。方法是同時用一個問題的文本的深度學(xué)習(xí)模型，一個圖像的深度學(xué)習(xí)模型，最后將兩個模型融合。

 

　　筆者想到今年一次聽合唱時，不同人唱不同聲部，可以很快的根據(jù)口型動作和聲音確定聲音的發(fā)出者，從直觀感受來講，這應(yīng)該是大腦將連續(xù)的圖像和聲音一起作為輸入，做了一個聯(lián)合模型的識別。隨著研究的深入，未來語音、文字、圖像等輸入源的聯(lián)合輸入，一定會做出更加有趣和實用的產(chǎn)品。同樣，最后芮勇老師也給出了計算機視覺進一步發(fā)展的三個關(guān)鍵因素：機器學(xué)習(xí)算法的進步、各個垂直領(lǐng)域的科學(xué)家和從業(yè)者合作、高質(zhì)量的海量數(shù)據(jù)。

 

　　滑鐵盧大學(xué)教授李明院士、前Google seniorstaff科學(xué)家林德康老師也分別介紹了用深度學(xué)習(xí)做自然語言處理和自動問答技術(shù)的主題演講，這里不過多介紹。

 

　　如何做好AI產(chǎn)品？

 

　　目前做AI的創(chuàng)業(yè)公司很多，各種語音助手、各種功能的機器人公司風(fēng)起云涌，各個團隊都有很強的學(xué)術(shù)背景和技術(shù)能力。好技術(shù)不意味著能夠做出好產(chǎn)品，做好產(chǎn)品仍需很多其他因素。

 

　　小米聯(lián)合創(chuàng)始人黃江吉先生在演講中表示小米對于人工智能的觀點是：產(chǎn)品+大數(shù)據(jù)+機器學(xué)習(xí)。制造各種智能硬件的產(chǎn)品，生成高質(zhì)量的大數(shù)據(jù)，利用機器學(xué)習(xí)創(chuàng)造人工智能，進而應(yīng)用在各個產(chǎn)品上，使產(chǎn)品更加智能。

 

　　搜狗CTO楊洪濤先生認為好的產(chǎn)品要滿足三個條件：叫好、賣座、賺錢。并提出“只有使用AI技術(shù)的好產(chǎn)品才能創(chuàng)造價值，一個是給用戶提供一個好的辦法，第二個是真正能生產(chǎn)數(shù)據(jù)，從而使自己迭代。”

 

　　這點跟小米黃江吉先生的看法一致。“欲望先于手段”。用產(chǎn)品和功能來滿足用戶在特定場景下的欲望，而并非用已有技術(shù)手段去尋找用戶的需求，欲望在手段之前，反過來“拿著錘子看哪里都是釘子”就是走錯了方向。

 

　　個人認為好的人工智能產(chǎn)品要能落地，有載體，能切實改善人們的生活。

 

　　拿筆者所在的出門問問為例，我們一直致力于做場景化的語音搜索，有獨立的語音識別、語義分析、垂直搜索、智能推送技術(shù)。14年底發(fā)布了自主的智能手表系統(tǒng)Ticwear，并提供Androidwear在中國的語音搜索技術(shù)。我們自己的硬件產(chǎn)品Ticwatch和將要上市的智能車載產(chǎn)品問問魔鏡，就是希望人工智能技術(shù)落地，方便用戶使用人工智能技術(shù)提高生活品質(zhì)。這次大會上也給問問頒發(fā)了人工智能&機器人Top25企業(yè)獎杯。

 

　　可能誰也無法預(yù)測AI的未來，作為一個從業(yè)者，我們能做的是腳踏實地做好AI技術(shù)和產(chǎn)品，一點點地提高全社會的生產(chǎn)效率，并將人們從單調(diào)可重復(fù)的工作中解放出來。

 

　　希望AI能讓生活更美好。