“人工智能”這個被一時間帶火的“熱詞”，已成為當下最火熱的產(chǎn)業(yè)之一，從蘋果Siri到谷歌的AlphaGo等，AI的大規(guī)模運用，將給當下的社會生產(chǎn)力帶來爆炸式的增長，我們曾經(jīng)憧憬的未來世界，都在人工智能的撬動下，已悄然掀開了序幕。
人工智能的核心：深度卷積神經(jīng)網(wǎng)絡(luò)&深度強化學習
什么叫人工智能？迄今有許多定義。智能這個詞已經(jīng)變得很大眾化隨處可見，那什么是真正的人工智能？這個問題比較大，但還是可以說清楚。
人工智能也就是人造的智能。意識不是人造的，其中的自我意識可感知整體的自我，并與自我之外的環(huán)境清晰分隔，是“生命存在”的主要體感。意識的物質(zhì)基礎(chǔ)仍然是生物神經(jīng)元及其脈沖編碼，是遍歷整合大腦中各功能模塊、皮層各通道之巨量神經(jīng)回路集體投射的結(jié)果。
換句話說，現(xiàn)在復興的人工智能更多僅限于最底層的，比如說視覺、聽覺的目標分割（定位）與識別部分，而且還完全有別于生物智能，是一種“大數(shù)據(jù)智能”。超人類水平的AlphaGo屬于博弈類決策，但也只是模擬了人與動物的強化學習方法，并且依舊是建基于大數(shù)據(jù)深度學習之上的。其他更高級的“認知智能”和“創(chuàng)造性智能”，人類大腦是怎么做到的，有什么原理？我們現(xiàn)在還知之甚少，就更別提模仿了。
如果說人工智能接近于人類水平——達到或超過就更不用說了，那我們就可以說它是真正具有智能的。把簡單的邏輯判斷稱之為智能顯然是不科學的。畢竟接近于人類水平的人工智能技術(shù)更具應用與商業(yè)價值。但在現(xiàn)階段的所有算法中，只有大數(shù)據(jù)驅(qū)動的深度卷積神經(jīng)網(wǎng)絡(luò)，還有深度強化學習，就某個“點”的特定應用場景來說，確確實實達到了人類水平，甚至超過了人類水平。這兩部分目前是人工智能的核心，可以做產(chǎn)品開發(fā)和產(chǎn)業(yè)發(fā)展，但同樣這兩部分本身也有許多缺陷。
深度卷積神經(jīng)網(wǎng)絡(luò)現(xiàn)在涌現(xiàn)出許多極其成功的例子，包括人臉識別等；基于深度強化學習的 AlphaGo 也打敗了人類最強圍棋冠軍；Facebook發(fā)布的神經(jīng)機器翻譯系統(tǒng)僅用了純粹的深度卷積神經(jīng)網(wǎng)絡(luò)，不僅翻譯準確度進一步提高，而且翻譯的速度還大幅度提高了九倍。第三次人工智能的復興不是虛幻、不是泡沫，而是實實在在的進步，至少有深度卷積神經(jīng)網(wǎng)絡(luò)和深度強化學習這兩個革命性的進展，盡管算法仍不完美。其他的前沿技術(shù)目前還在探索之中。
人工智能那些未來發(fā)展之路
展望前沿技術(shù)探索，未來三到五年最有可能出現(xiàn)突破的就是半監(jiān)督的學習方法。現(xiàn)在深度卷積神經(jīng)網(wǎng)絡(luò)很好，但是它有缺點，即依賴于帶標簽的完備大數(shù)據(jù)，沒有大數(shù)據(jù)喂食就不可能達到人類水平，但是要獲得完備的大數(shù)據(jù)，需要付出的資源代價太大，很多應用場景甚至得不到，比如把全世界的火車照片都搜集起來，這是不可能的事。我們希望能夠做一些小數(shù)據(jù)、小樣本的半監(jiān)督學習，訓練數(shù)據(jù)不大，但是還能夠達到人類水平。
我們做過很多實驗，人為地去掉一半甚至去掉1/4的標簽數(shù)據(jù)去訓練深度卷積神經(jīng)網(wǎng)絡(luò)，希望網(wǎng)絡(luò)能夠具有舉一反三的能力，通過小樣本或小數(shù)據(jù)的學習同樣能夠達到人類水平。這方面的研究不管是利用生成式對抗網(wǎng)絡(luò)，還是與傳統(tǒng)統(tǒng)計機器學習方法相結(jié)合，或者是與認知計算方法的結(jié)合，證明難度都挺大。比如我們看到了土狗的照片，從來沒見過藏獒、寵物狗，但通過舉一反三就能夠識別出來。這靠什么？靠推理。人類不完全是基于特征提取，還靠知識推理獲得更強的泛化能力。而現(xiàn)在的深度卷積神經(jīng)網(wǎng)絡(luò)是靠多級多層的特征提取，如果特征提取不好，識別結(jié)果就不好，就達不到人類水平。總之，特征提取要好就必須要有完備的大數(shù)據(jù)。但不管怎樣，相信具有“特征提取+知識推理”的半監(jiān)督或者無監(jiān)督的深度卷積神經(jīng)網(wǎng)絡(luò)三到五年會有突破，而且還是基于端到端學習的，其中也會融入先驗知識或模型。相對而言，通用人工智能的突破可能需要的時間更長，三到五年能不能突破還是未知，但是意義非常重大。
在半監(jiān)督、無監(jiān)督深度學習方法突破之后，很多行業(yè)應用包括人工智能場景研發(fā)都會快速推進。實際應用時我們一般都通過數(shù)據(jù)迭代、算法迭代向前推進。從這個角度來說，AlphaGo中體現(xiàn)的深度強化學習代表著更大的希望。因為它也是基于深度卷積神經(jīng)網(wǎng)絡(luò)的，包括以前用的13層網(wǎng)絡(luò)，現(xiàn)在用的40層卷積神經(jīng)網(wǎng)，替代了以前的淺層全連接網(wǎng)絡(luò)，帶來的性能提升是很顯著的。
為什么深度強化學習更有意義？首先它有決策能力，決策屬于認知，這已經(jīng)不僅僅是感知智能了。其次AlphaGo依賴的僅僅是小數(shù)據(jù)的監(jiān)督學習。3000萬的6-9段人類職業(yè)棋手的棋局，對人類來說已經(jīng)是大數(shù)據(jù)了，但對圍棋本身的搜索空間來講則是一個小數(shù)據(jù)。不管柯潔還是聶衛(wèi)平，都無法記住3000萬個棋局，但19x19的棋盤格上，因每個交叉點存在黑子、白子或無子三種情況，其組合數(shù)或搜索空間之巨大，超過了全宇宙的粒子數(shù)。對具有如此復雜度的棋局變化，人類的3000萬個已知棋局真的就是一個小數(shù)據(jù)，AlphaGo首先通過深度監(jiān)督學習，學習人類的3000萬個棋局作為基礎(chǔ)，相當于站在巨人的肩膀上，然后再利用深度強化學習，通過自我對弈、左右互搏搜索更大的棋局空間，是人類3000萬棋局之外的棋局空間，這就使AlphaGo 2.0下出了很多我們從未見過的棋譜或者棋局。
總的來說，深度強化學習有兩大好處，它尋找最優(yōu)策略函數(shù)，給出的是決策，跟認知聯(lián)系起來。第二，它不依賴于大數(shù)據(jù)。這就是前面說的小數(shù)據(jù)半監(jiān)督學習方法。因為在認知層面上進行探索，而且不完全依賴于大數(shù)據(jù)，因此意義重大，魅力無窮。相信深度強化學習非常有潛力繼續(xù)向前發(fā)展，將大大擴展其垂直應用領(lǐng)域。但是它本身并不是一個通用人工智能。AlphaGo只能下圍棋不能同時下中國象棋、國際象棋，因此還只是專注于一個“點”上面的，仍屬于弱人工智能。
實現(xiàn)通用人工智能，把垂直細分領(lǐng)域變寬或者實現(xiàn)多任務而不是單任務學習，對深度神經(jīng)網(wǎng)絡(luò)而言，沿什么樣的技術(shù)途徑往前走現(xiàn)在還未知，但是肯定要與基于學習的符號主義結(jié)合起來。通用人工智能現(xiàn)在沒有找到很好的線索往前走，原因一是因為神經(jīng)網(wǎng)絡(luò)本身是黑箱式的，內(nèi)部表達不可解析，二是因為傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)本身不能完成多任務學習。可以考慮跟知識圖譜、知識推理等符號主義的方法結(jié)合，但必須是在新的起點上，即在已有大數(shù)據(jù)感知智能的基礎(chǔ)上，利用更高粒度的自主學習而非以往的規(guī)則設(shè)計來進行。另外從神經(jīng)科學的角度去做也是可能的途徑之一。
前面說過，我們可能需要從隱含特征的學習邁向隱含規(guī)則的學習。對于經(jīng)驗性規(guī)則人類是通過自主學習獲得的，不是靠人工設(shè)計。例如一名司機從駕校畢業(yè)到開了幾十萬公里里程變成很有經(jīng)驗的老師傅，整個過程其實是通過“試錯式”的長期實踐或強化學習得到的，駕駛技巧或規(guī)則被模糊分割得越來越細，對極端與緊急情況的處理，也拿捏得越來越細膩與及時，但是這些代表經(jīng)驗或知識的規(guī)則顯然是隱含的，只可意會不可言傳，很難被人為地總結(jié)成基于顯式規(guī)則的專家系統(tǒng)。而我們希望基于深度卷積神經(jīng)網(wǎng)絡(luò)和深度強化學習，與知識工程、概率圖模型或與傳統(tǒng)機器學習方法相結(jié)合，在更高的粒度上進行學習，實現(xiàn)隱含規(guī)則的自動學習以及更高知識粒度的學習推理。從某種意義上說，認知水平的推理機制或能獲得更強的泛化能力。例如，我們倒車入庫的時候不是都靠視覺感知，如果后面因盲區(qū)看不見，我們就靠隱含規(guī)則推理，看車的后視鏡跟側(cè)方泊車差不多平行，不用感知智能，靠認知智能也能把車停得很好。
被人工智能取代？ 你恐懼嗎？
在這個“人工智能”爆發(fā)的時代，有很多人表現(xiàn)出對人工智能發(fā)展的恐懼，人們最為普遍的憂慮以及最為熱門的話題始終是，它是否會造成大規(guī)模失業(yè)，是否會搶奪人類的飯碗？
過去20多年，我們已經(jīng)先后感受過PC、互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)對我們社會的沖擊，其實人工智能的沖擊可能會更大。現(xiàn)在我們?nèi)耸忠慌_智能手機，相當于人手一臺高性能電腦，隨時隨地就可跟地球上的另一個人聯(lián)系，現(xiàn)金都不用帶就可上街，這個變化已經(jīng)很大而且已經(jīng)成為現(xiàn)實。人工智能極有可能給我們的社會帶來更大的改變，一些工種或職業(yè)可能會消失，但同時也會產(chǎn)生一些新的職業(yè)。
那些很短時間內(nèi)能夠完成、不需要深思熟慮或者僅依靠人類視聽覺與簡單腦力勞動就能完成的工種，確實很有可能會被取代，比如電話客服或者前臺咨詢員等，也有可能是長途貨車司機，出租車司機，快遞員，產(chǎn)線工人，金融從業(yè)者，翻譯，會計，稅務人員，審計人員，醫(yī)生，傳媒從業(yè)者，教師，司法從業(yè)者等。在移動互聯(lián)網(wǎng)時代，人工智能掌握的資料和知識又多又快，它每天收集與“閱讀”海量涌現(xiàn)的大數(shù)據(jù)，而人類由于精力的限制只能看到少量的碎片化信息，能及時消化的信息就更少；而人工智能則可以每天24小時不吃飯不睡覺，快速進行大量的基于深度學習的數(shù)據(jù)自動化處理，其時效性、規(guī)模性和實際產(chǎn)出等，肯定比人類好很多。
按我的說法就是，在馬車時代，突然汽車問世了，你不用恐懼，新時代來臨，也會產(chǎn)生很多新的工種。你當不了馬車夫，但你可以去當汽車司機，也可以當個汽車售票員，還可以修馬路、造汽車，這些都是全新的職業(yè)機會。隨著人工智能的不斷發(fā)展，由于算法的自主性與環(huán)境適應性提高，很多較復雜的體力勞動以及更多的簡單腦力勞動，不需要人去做，這其實是對人類生產(chǎn)力的大解放。
摘自《科學大家》
