今年4月以來，支付寶、微信、銀聯(lián)相繼推出了自己的刷臉支付產(chǎn)品，刷臉支付儼然已成為備受青睞的下一個(gè)戰(zhàn)場。有數(shù)據(jù)顯示，預(yù)計(jì)到2022年，人臉支付使用用戶將突破7.6億人。
然而，隨著人臉識(shí)別、語音識(shí)別等人工智能技術(shù)的發(fā)展，其安全問題也日益凸顯。近日，在接受《中國科學(xué)報(bào)》采訪時(shí)，中國科學(xué)院院士、清華大學(xué)人工智能研究院院長張鈸表示，隨著人臉支付應(yīng)用場合日益重要、應(yīng)用規(guī)模日益擴(kuò)大，其被盜用的潛在風(fēng)險(xiǎn)也越來越大。“為什么到現(xiàn)在還沒有人盜用？是因?yàn)楂@得的收益太小了，不值得。”
算法、數(shù)據(jù)和計(jì)算是驅(qū)動(dòng)人工智能前進(jìn)的“三駕馬車”。但是，在香港科技大學(xué)講席教授、微眾銀行首席人工智能官楊強(qiáng)看來，就核心算法而言，人工智能距離“現(xiàn)代化”還有很長的路要走。
從初階到現(xiàn)代
在近日于蘇州舉行的第九屆吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)?lì)C獎(jiǎng)典禮暨2019中國人工智能產(chǎn)業(yè)年會(huì)上，楊強(qiáng)獲得了吳文俊人工智能杰出貢獻(xiàn)獎(jiǎng)。在發(fā)表獲獎(jiǎng)感言時(shí)，浸淫在人工智能領(lǐng)域30多年的他坦言，人工智能研究距離理想目標(biāo)還有很長的路要走。
他以物理學(xué)為例，“物理學(xué)的終極目標(biāo)之一是用一個(gè)理論解釋所有的宇宙現(xiàn)象，但當(dāng)我們打開一本人工智能領(lǐng)域書籍時(shí)，會(huì)看到里面有各種各樣的算法，而且每一種算法只針對(duì)一個(gè)現(xiàn)象”。他認(rèn)為，這種做法類似物理學(xué)發(fā)展初期時(shí)呈現(xiàn)的現(xiàn)象，而當(dāng)物理學(xué)已發(fā)展到現(xiàn)代物理學(xué)時(shí)，人工智能未來也應(yīng)該發(fā)展到現(xiàn)代人工智能，向通用型人工智能理論發(fā)展，用一個(gè)理論來解釋N個(gè)智能現(xiàn)象。“這是我們應(yīng)該做的事情。”
作為中國人工智能學(xué)會(huì)理事長，中國工程院院士戴瓊海也提出了這樣一個(gè)問題：當(dāng)下人工智能繁榮的背后一定潛藏著隱患。例如，多學(xué)科交叉促進(jìn)了人工智能飛速發(fā)展，但在新方法、新原理、新技術(shù)、新應(yīng)用不斷涌現(xiàn)的同時(shí)，“我們應(yīng)該深入思考，僅只順應(yīng)這一潮流是否會(huì)導(dǎo)致錯(cuò)失人工智能發(fā)生重大變革的機(jī)遇，是否應(yīng)該將交叉融合從工程層面推進(jìn)到基礎(chǔ)科學(xué)層面”。
結(jié)合近兩年來學(xué)術(shù)界申請(qǐng)國家自然科學(xué)基金的情況，國家自然科學(xué)基金委員會(huì)人工智能處處長吳國政認(rèn)為，目前人工智能還處于弱人工智能的初級(jí)階段。其標(biāo)志之一是，以目前的基礎(chǔ)理論或核心算法現(xiàn)狀，人工智能在做數(shù)據(jù)標(biāo)識(shí)時(shí)主要靠人工、手動(dòng)，而機(jī)器學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)是100層還是1000層，實(shí)際上并沒有科學(xué)依據(jù)，還是在“跟著感覺走”。他希望，能夠與學(xué)術(shù)界和產(chǎn)業(yè)界通力合作，“調(diào)研出人工智能的根本科學(xué)問題”。
新問題與新方向
在獲頒2019年度吳文俊人工智能最高成就獎(jiǎng)這一獎(jiǎng)項(xiàng)后，張鈸很快接受了《中國科學(xué)報(bào)》采訪。談及作為人工智能核心的算法和算力所存在的問題時(shí)，他表示 “深度學(xué)習(xí)有兩個(gè)階段是出人意料的”，一個(gè)階段是深度學(xué)習(xí)剛問世的時(shí)候，它在降低相關(guān)領(lǐng)域知識(shí)要求方面表現(xiàn)出極大的優(yōu)勢(shì)。例如，以前做人臉識(shí)別，在向計(jì)算機(jī)輸入信號(hào)時(shí)要做很多預(yù)處理，要花很多時(shí)間研究它。而深度學(xué)習(xí)出來后，輸入原始數(shù)據(jù)就可以了。這就使得剛從事深度學(xué)習(xí)的人和在這一領(lǐng)域做了很長時(shí)間的人沒有區(qū)別。“深度學(xué)習(xí)一夜之間就成了大家都能用的工具。這一點(diǎn)是大大出乎大家意料的。”
第二個(gè)階段是應(yīng)用了一段時(shí)間之后，發(fā)現(xiàn)這個(gè)方法問題很大。張鈸告訴《中國科學(xué)報(bào)》，這主要體現(xiàn)在四個(gè)方面。一是不可信，表現(xiàn)在算法的結(jié)果無法解釋。二是不安全，如非常容易受攻擊、被欺騙。三是不可靠，會(huì)出現(xiàn)重大錯(cuò)誤。例如，人類可能會(huì)把騾子看成驢，而機(jī)器卻可能把石頭看成驢，這導(dǎo)致其在關(guān)鍵的時(shí)候是不可用的。四是推廣能力差，不能舉一反三。
基于此，張鈸及其團(tuán)隊(duì)提出發(fā)展“第三代人工智能”，即將數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)結(jié)合起來，突破目前人工智能所存在的局限，解決知識(shí)自動(dòng)獲取、表達(dá)及推理等三個(gè)問題。張鈸告訴記者，“僅靠數(shù)據(jù)是不可能產(chǎn)生智能的。人類智能的基石是知識(shí)。如果計(jì)算機(jī)處理知識(shí)的能力達(dá)到了人類的水平，那么它的智力就可以達(dá)到人類的水平。”
而在楊強(qiáng)看來，雖然深度學(xué)習(xí)確實(shí)存在短板，例如無法解決數(shù)據(jù)孤島的問題，對(duì)于分布式、零散數(shù)據(jù)無法有效利用，但是他認(rèn)為，深度學(xué)習(xí)繼續(xù)向前發(fā)展的話，“還是有很多財(cái)富可以挖掘”。例如，跟工業(yè)等各行各業(yè)深度結(jié)合。而對(duì)研究者而言，除了深度學(xué)習(xí)，也可以另辟蹊徑，如關(guān)注小數(shù)據(jù)，分布式、零散數(shù)據(jù)等。
“卡脖子”問題何解
在東南大學(xué)儀器科學(xué)與工程學(xué)院院長宋愛國看來，“人工智能領(lǐng)域‘卡脖子’的關(guān)鍵技術(shù)還是挺多的”。例如，人工智能是模仿人的感知、認(rèn)知等智能行為的，但是現(xiàn)在我們對(duì)于人的感知和認(rèn)知機(jī)制并不是很清楚。而之所以不清楚，既是科學(xué)問題，也有技術(shù)瓶頸的原因。“因?yàn)樵谔綔y人類大腦的思維過程方面，缺乏相應(yīng)的儀器，使得我們無法獲悉人類思維過程中大腦神經(jīng)元的動(dòng)態(tài)成像過程。”
平安集團(tuán)首席科學(xué)家、吳文俊人工智能杰出貢獻(xiàn)獎(jiǎng)獲獎(jiǎng)?wù)咝ぞⅰ翱ú弊印奔夹g(shù)分為兩種，一種是屬于從0到1的，全世界都沒有解決方案，我們要進(jìn)行開拓性研究。還有一種是人家有而我們沒有的，例如開源軟件等。“實(shí)際上，在‘卡脖子’領(lǐng)域我們有很多機(jī)會(huì)，這是我們的機(jī)遇。”
“現(xiàn)在很多學(xué)生都在做人工智能方面的工作，而且做得很快，但基本上是用國外的開源軟件，收集的數(shù)據(jù)也都是國外的。這兩方面我們要從根本上加以改變。”楊強(qiáng)告訴《中國科學(xué)報(bào)》。他建議，為了解決“卡脖子”問題，我們要多多鼓勵(lì)國內(nèi)人工智能從業(yè)者開源并使用他們的軟件，同時(shí)提倡貢獻(xiàn)自己用于測試的數(shù)據(jù)集。“這些工作往往都是沒有光環(huán)的，失敗的可能性很大，希望各方面都給予他們支持。”
另外，要有更多的人來做基礎(chǔ)研究。“因?yàn)楝F(xiàn)在以深度學(xué)習(xí)為核心的人工智能只是人工智能很窄的一個(gè)方面，還有很多新的方向有待我們研究。在國外，很多學(xué)者都在從事非常冷門的研究，而這樣的現(xiàn)象在國內(nèi)很少看到。”楊強(qiáng)說。他希望，從事人工智能研究的青年學(xué)子們除了計(jì)算機(jī)知識(shí)，還要跨學(xué)科學(xué)習(xí)心理學(xué)、認(rèn)知學(xué)、大腦神經(jīng)學(xué)、醫(yī)學(xué)等方面知識(shí)，因?yàn)椤斑@樣的人才既具有‘深’的能力，又具有‘廣’的能力，才能更好地進(jìn)行知識(shí)遷移”。
摘自《中國科學(xué)報(bào)》
