“他們的驕傲啊/與生命又縮短一節了/青春就是人生的美酒地球只是天空的一片流云/像偉大的理想消滅給湖水底下/我們的生命是不可的。”
10月26日，當美國國家工程院院士、微軟全球執行副總裁沈向洋在2017中國計算機大會（CNCC2017）上讀出這首詩的時候，全場反響熱烈。有誰會想到這是一首人類與人工智能機器人“小冰”合寫的一首詩？“我只改了一個字。”沈向洋笑著說。
經過60多年的發展，人工智能（AI）儼然已侵入我們的生活，變得觸手可及。但是，隨著熱度不斷創歷史新高，業界也不乏“AI過熱”的擔憂。如何理性、客觀地看待人工智能目前的發展，成為這一“大咖”云集的盛會上最引人注目的看點。
定義人類和世界的關系
作為目前國內規格最高、規模最大的計算機領域盛會，10月26日~28日在福州舉辦的2017中國計算機大會參會人數再次刷新紀錄，達到6000多人，其中特邀到會演講的計算機界知名專家、企業家就有近400人。鑒于人工智能近兩年來的熱度，由中國計算機學會（CCF）主辦，福州市人民政府、福州大學承辦的此次大會，主題就是“人工智能改變世界”。
總體而言，“人工智能的發展有兩個方向：一是感知，二是認知。”沈向洋說。目前感知中的計算機視覺和語音進展飛速，而認知和語言、理解的發展則速度有限。
沈向洋舉了一個例子，就計算機語音識別而言，微軟目前在標準測試上的精度已經達到人類水平，最新的誤差率達到5.1%。他特別強調，即便是人類的誤差率，也分普通人的誤差和專家的誤差。而微軟的誤差率比專家的水平都要低。
“我認為，在下一個十年里，人工智能的突破在自然語言理解，我最近老講的一句話就是‘懂語言者得天下’”。沈向洋說。
李飛飛毫無疑問是此次大會的“明星”之一。這位斯坦福大學副教授、谷歌云首席科學家簽名簽到“手軟”。她因為創辦了ImageNet挑戰賽而成為機器學習界的標桿人物之一。ImageNet從2010年創辦至今共舉辦了八屆，2017年是挑戰賽舉辦的最后一年，從最初算法對物體識別的準確率只有71.8%，已上升到現在的97.3%，錯誤率已遠低于人類水平。
在此次大會上，李飛飛演講的題目是《ImageNet之后的視覺智能》。她首先介紹了構建視覺智能的第一個里程碑，即物體識別。她在現場與聽眾們做了一個小互動，在屏幕上閃過一系列持續時間只有0.1秒的照片，不加任何特別的說明，而觀眾們還是能夠識別到有一張中有一個人。
這種對復雜物體的快速視覺識別能力是人類視覺系統的基本特質，也是計算機視覺中的“圣杯”。在過去的20年中，物體識別都是計算機視覺領域研究的重要任務。ImageNet就是作出重要貢獻的數據集之一。
李飛飛表示，在ImageNet之后，下一個方向就是視覺關系的識別。這項任務的定義是：“把一張照片輸入到算法模型中，希望算法可以識別出其中的重點物體，找到它們的所在位置，并且找到它們之間的兩兩關系”。
除了在學術上“屢獲戰功”，人工智能在交通、醫療、金融等應用領域也“收獲良多”。滴滴出行高級副總裁章文嵩說，滴滴的本質是“大數據人工智能公司”。滴滴每天的訂單量達到2500萬單，每日的路徑規劃請求為200多億次，波峰時每秒要做100萬次的路徑規劃，每天新增的軌跡原始數據超過70TB。
“每一次時代的變遷，都是在重新定義人類和世界的關系。”沈向洋認為，“而現在人類到世界之間，AI最了不起的就是對我們人腦的理解，包括IQ和EQ兩個方面。”
對AI不要有過高預期
人工智能的熱度從此次的大會論壇上也可見一斑。10月28日上午，吸引了諸多聽眾的以“什么是互聯網應用的下一個引爆點”為主題的論壇最后“歪樓”到了人工智能上就是一個明顯的例證。
論壇特邀嘉賓、今日頭條實驗室總監李磊認為，人工智能技術會在下一個十年大大促進信息內容的創作和交流。下一個引爆點是AI技術會更多地輔助創作，促進表達。“AI將成為移動互聯網時代的造紙術和印刷術”。
騰訊優圖實驗室總經理吳運聲表示，很難預測下一個引爆點是什么，但他認為，下一個能夠引爆互聯網應用的技術一定與AI相關，或者說AI將是這種火爆應用背后非常重要的推動力，而其目標可能涉及安防、醫療、民生等各個領域，并帶來實實在在的價值。
在論壇現場，有聽眾提問，“現在AI到底是真的很熱還是虛火很旺？”
“AI現在確實有點過熱了，已經差不多到了最高點。”360公司高級副總裁、首席安全官譚曉生回答說。他認為，接下來人工智能的熱度應該會下跌，但不一定會到底，而是會再起來，其最先可能產生實際應用的領域應該是在工業界和社會治理方面。“現在人們對它的期望有點過高。”
李磊也認為，現在AI確實很熱，但它還沒有發展到很完善的程度。目前AI最大的挑戰是簡單的任務可以做得很好，但需要復雜推理、邏輯思維的工作則完成得不好。他建議，“我們不應把眼光局限在某個技術領域，如深度學習，而應該著眼更廣泛的AI技術。”
“AI現在有一定的泡沫，外界對它有許多誤解，覺得它什么都可以做。”吳運聲對此也表示認同，“但是，事實上AI無論是技術還是應用，都遠遠達不到這一步，離其真正能夠引領一個行業的火爆還有一段距離。”
為機器學習的黑箱給出透明的幾何解釋
對AI未來技術上還有很大發展空間這一點，業界已經形成了共識，特別是對解決其“知其然但不知其所以然”的問題，更是有諸多探索。作為此次大會的重量級嘉賓，菲爾茨獎獲得者、哈佛大學終身教授丘成桐提出了自己的看法。
他表示，歐幾里得從很繁復的現象里找到了很簡單但卻很基本的五個公理，從而能將原來的那些公理全部推導出來。他鼓勵做人工智能的也能重復這個做法——從現在復雜多樣的網絡中找到它最簡單的公理。
丘成桐及其合作者今年年初在《自然》雜志上發了篇文章，用數學方法證明了社交網絡方面的一個研究結論：穩定的伙伴或者伴侶，對于形成合作型的社會起到了骨干作用。
機器學習算法的出現對人工智能第三次浪潮的興起起到了舉足輕重的作用。丘成桐認為，目前機器學習算法需要大量的樣本，雖然比從前進步得多了，但規模還是很龐大。所以他建議讓理論來幫助處理這種復雜的數據學習。例如，用幾何的方法來研究對抗生成網絡（GAN）。
他表示，對抗生成網絡實質上就是用深度神經網絡來計算概率測度之間的變換。雖然規模宏大，但是數學本質并不復雜。應用相對成熟的最優傳輸理論和蒙日—安培方程，可以為機器學習的黑箱給出透明的幾何解釋，這有助于設計出更為高效和可靠的計算方法。
摘自《中國科學報》
