[演讲]北大鄂维南院士：智能时代意味着什么？

◆ ◆ ◆

导读

Alphago人机大战带领人工智能走进了多数人的视野，也引导人工智能进入了一个新的时代，那么人工智能时代意味着什么？它又面临哪些发展与挑战？在中国大数据应用大会上，我国著名的数学家，北京大学教授鄂维南院士从大数据和人工智能的发展入手，做了主题为《大数据开启智能时代》的报告。

大数据文摘作为本次大会的战略合作媒体，从大会现场发回第一手报告资料。大会相关内容在之后会陆续发布，敬请关注。

◆ ◆ ◆

2016年7月14日，2016首届中国大数据应用大会今日在成都世纪城国际会议中心开幕。大会主题聚焦“大数据与智能时代”，探讨大数据与各行业、各领域的深度融合，以及大数据的技术创新和产业发展。我国著名的数学家，北京大学教授、中科院院士、中国大数据专家委员会副主任委员鄂维南院士在会上做了作名为《大数据开启智能时代》的报告。

以下为报告全文速记，部分有删改：

◆ ◆ ◆

AlphaGo的历史意义

我首先从AlphaGo这个说起，AlphaGo这个人机大战发生之前，应该说大部分人尤其是行家对机器都是不看好的，这个是大数据已经热了好几年了，在这种一个前提下AlphaGo给我们仍然带来了震惊，以前我们没有想过有这样的事发生。

业外的人说围棋太复杂了，可以走的策略比宇宙里的原子还要多，这个是不可能的，国际象棋97年机器就战胜了人。刚刚这个思维模式和这个是一样的，其实这样的问题在我们学术界尤其是统计物理和量子物理已经处理过很多次了，处理这种问题我们使用蒙特卡罗树的方法。

第二个行家是怎么说的？他们说看到了那个之前AlphaGo和欧洲冠军的打法，他们觉得我从这个可以看出它的水平离我们围棋九段的水平差的很远，这里面最重要的一点是AlphaGo是一个会学习的机器，几个月之间自己已经学习了很多遍了，就是说它的水平已经提高了很多了，这是我们AlphaGo带来的一个震惊，就是它是会学习的机器，它的前提就是大数据的数据，跟我们统计物理使用的蒙特卡罗不一样，它是用大数据解决的这个问题。还有一个是学习是采用了强化学习的办法。

◆ ◆ ◆

AlphagoGo应用的局限性

我想强调的是它的基本原理，就是AlphaGo的基本原理就是马尔科夫决策过程，我这里有一些技术词可能是比较专业性的，我要强调的是AlphaGo背后的原理，都是它可以应用于一般的智能决策系统，它背后的数学模型都是马尔科夫决策过程，很多方面包括医疗、健康和我们政府的决策系统，军事上的决策系统，机器人在很多不同领域数学模型都可以适用。当然，并不是说AlphaGo已经把所有问题都解决了，在围棋这个方面，它跟别的其他很不一样的地方是，它的对手作为一个博弈系统，它跟对手的角色是对称的。

刚刚提到的金融问题，医疗健康问题和领导决策问题，比如金融问题要采用的是个人和市场的博弈，这两者之间显然是不对称的。尽管刚刚我提到AlphaGo背后的数学模型是通用的，但是并不是说AlphaGo已经把所有问题都解决了，要解决其他的问题我们还需要作进一步的努力，还需要解决角色不对称的前提下怎么把AlphaGo推广的更好。

◆ ◆ ◆

智能时代意味着什么？

但是这里需要强调的一点是，AlphaGo作为标志，使得人工智能进入了新的时代，人工智能这个领域已经有了几十年的历史，到80年代人工智能在走下坡路，很多人工智能企业都开始做跟人工智能没有关系的业务了。但是以AlphaGo作为标志，我们看到人工智能进入新的时代，这里面主要的原因，它的核心技术有一个改进，就是以大数据为学习尤其是深度学习，使得人工智能进入新的时代。这样一个新的时代，智能化的时代意味着什么？

人类已经完成了非常大的改变就是工业化的时代，这是因为我们人类造出了会劳动的机器就是机械化，它对我们产生了什么影响？

第一把我们人类从非常繁重的体力劳动力解放了出来；

第二劳动的机器劳动的效率比人类的劳动效率提高了很多倍；

第三我们的生产进入了专业化的模式，就是说我们生产出来的东西都是标准化的，大规模的去做，由此给国际社会产生了很大的影响，包括国际贸易、商业化，甚至我们现在的社会制度，都跟工业化、机械化有直接的影响和关联。

现在我们面临着的就是下一个突破，也就是智能化的时代，中间可能会插入一个信息化，我们正在完成的所谓信息化时代，但是我认为信息化只是一个过渡期，真正要面临的是智能化时代这样一个新的转变。智能化时代就是以会学习的机器作为代表，我们人类造出了会学习的机器，你试想我们人跟机器，跟其他的有什么不一样？就是因为我们会学习，通过学习我们积累了很多经验，我们可以处理机器不能处理的问题，我们有直观，直观是从经验来的，为什么在座领导可以做领导其他人不可以做领导？就是因为我们在座领导有很好的经验可以做很好的决策，是通过工作经历和学习经历学习过来的。

现在我们造出了会学习的机器，这个会学习的机器它学习的效率离我们人类学习的效率是要高很多倍的，AlphaGo我们已经看到了，通过自己和自己下棋积累经验的速度远远超过人类，这样的情况下会给我们这个社会产生什么样的影响？

首先我们可以想像的是机器可以帮我们人类做决策，把我们从一些我们不大喜欢的，比较繁重的体力和脑力劳动里解放出来，使我们人类做更富有创造性的劳动。

其次，跟工业化相对比，工业化我们的产品和东西都是标准化的，下一步可能有智能化个性化的产品，我们喜欢什么就造什么。

从社会管理的角度，我还是想谈一点我自己的看法，因为现在很多都在讲智慧城市，智慧城市是一个什么事？大家想过没有？不仅仅是纯数据搞一些物联网的传感器，而是它有更深刻的背景。刚刚提到专业化，我们现在的社会管理也是专业化的模式，比如说成都市、四川省下面有很多的部门，像环保部门、农业部门和水利部门，不同的部门都是由专业人员在管他们专业范围内的事，他们在自己专业范围内做的非常好，专业化的管理模式。但是比如说环境，环境涉及到不仅是环保部门，还有工业部门的污染，交通部门的污染、农业、林业、水利等等是一体化的事。我们想想人是怎么做决策的？我们人通过眼睛、鼻子、手采集信息，采集完了以后，我们都把它送到大脑，由大脑作决策，再通过手、脚执行，这是人类决策的模式。大数据驱动下的智能时代的决策模式，应该跟人的决策模式是很类似的，决策是中心化的，平台化的，而部门起到的作用是信息采集和执行这样一个作用。这样的决策模式可以更系统化，可以把不同的重要的因素都给考虑进去。比如说我们的数据孤岛，将来可能就是数据平台，数据平台下的执行模式就一定是中心化的。

我们怎样衡量社会的发展程度，现在我们衡量也是专业化的模式，比如说我们讲GDP，我们有各种各样的指标，我们关心的并不是GDP，我们关心的是个人的满意程度和我们社会发展的和谐程度，这些在过去是很难来实现和描述的，在未来我们可能对社会进步的标准要逐步地变成个人价值、个人满意的幸福感和社会的和谐程度。

◆ ◆ ◆

发展挑战

要做到这一点还面临很多挑战。

首先，是我国人才缺乏，人才是一个严重的问题，这方面我不多言。

还有一个很现实的问题，我们各个相关领域的知识结构非常落后，不要说非常落后，应该是还有一点落后。跟刚刚我谈到的大数据和人工智能、智能化比较相关的有哪些领域？首先像人工智能、机器学习、数据挖掘、计算方法、统计，这些在我国都有，而且做的人还很多，但是我们的知识结构和概念、理念还比较落后，还没有到刚刚提到的水平。比如说人工智能，我们多少人是做新的人工智能这个模式的人工智能，有多少人做的是过去那种模式的人工智能，比如说我们的计算方法，我们这个学会做计算方法的人有多少人在做我们需要的新的算法，多少人在做过去的传统算法，这样的情况在我国是非常普遍的，知识结构尤其是概念的落后。

还有一个困难就是基本概念的混淆，尤其是政府部门或者是我们领导部门在推动一项新的措施的时候常常看到，比如把云计算和大数据混合在一起，这是对我们推动大数据和人工智能以及智能时代发展是非常不利的。

还有一个是体制机制的制约，刚刚提到政产学研，产学研在我国已经提了很长时间，各个学校都有产学研的部门，是不是真的做到位了，是不是可以满足智能化时代新的需求？尤其是大数据提出的新的需求。

我想强调的是，就国内的情况来看，大的互联网企业在大数据方面做的非常领先，它们也吸引了一批非常好的研究人员到他们企业去，比如百度的张桐（音译）等等，他们都是在学术界有很高的成就，现在在企业界工作，他们本身就有非常好的资源，所以我也希望未来这种活动里面可以把他们这些人也邀请过来。当然，如果人才都流到企业界去了，这对未来的发展也很不利，从人才培养的角度来说企业界缺乏造血功能，人才培养还是在研究机构、高校来做比较好。

图文 大数据文摘记者|魏子敏