人工智能综述

整理自《视觉求索》微信公众号

作者：

朱松纯 加州大学洛杉矶分校UCLA

统计学和计算机科学教授

视觉、认知、学习与自主机器人中心主任

目录

引言

第一节 现状：正视现实

第二节 未来：一只乌鸦给我们的启示

第三节 历史：从“春秋五霸”到“战国六雄”

第四节 统一：“小数据、大任务”范式与认知构架

第五节 学科一：计算视觉 --- 从“深”到“暗”

第六节 学科二：认知推理 --- 走进内心世界

第七节 学科三：语言通讯 --- 沟通的认知基础

第八节 学科四：博弈伦理 --- 获取、共享人类的价值观

第九节 学科五：机器人学 --- 构建大任务平台

第十节 学科六：机器学习 --- 学习的终极极限与“停机问题”

第十一节 总结： 智能科学 --- 牛顿与达尔文的统一

引言

本文的动机在于三点：

（1）为在读的研究生们、为有志进入人工智能研究领域的年轻学者开阔视野。

（2）为那些对人工智能感兴趣、喜欢思考的人们，做一个前沿的、综述性的介绍。

（3）为公众与媒体从业人员，做一个人工智能科普，澄清一些事实。

人工智能是一个非常广泛的领域。当前人工智能涵盖很多大的学科，归纳为六个：

（1） 计算机视觉（模式识别，图像处理）

（2） 自然语言理解与交流（语音识别、合成，包括对话）

（3） 认知与推理（物理、社会常识）

（4） 机器学习（各种统计的建模、分析工具、计算的方法）

（5） 博弈与伦理（多代理人的交互、对抗与合作，机器人与社会融合等议题）

（6） 机器人学（机械、控制、设计、运动规划、任务规划等）

这些领域目前还比较散，正在交叉发展，走向统一的过程中。最终目标是形成一个完整的科学体系，从目前闹哄哄的工程实践变成一门真正的科学Science ofIntelligence。

第一节 现状：正视现实

人工智能：通过智能的机器，延伸和增强人类在改造自然、治理社会的各项任务中的能力和效率。

与人类几千年来创造出来的各种工具和机器不同的是，智能机器有自主感知、认知、决策、学习、执行和社会协作能力，符合人类情感、伦理与道德观念。

现在的人工智能和机器人，关键问题是缺乏物理的常识和社会的常识“Common sense”。这是人工智能研究最大的障碍。

第二节 未来：一只乌鸦给我们的启示

鹦鹉有很强的语言模仿能力，你说一个短句，多说几遍，它能重复，这就类似于当前的由数据驱动的聊天机器人。鹦鹉和聊天机器人都不明白说话的语境和语义，也就是它们不能把说的话对应到物理世界和社会的物体、场景、人物，不符合因果与逻辑。

可是，乌鸦就远比鹦鹉聪明，它们能够制造工具，懂得各种物理的常识和人的活动的社会常识。

乌鸦给我们的启示，至少有三点：

（1） 它是一个完全自主的智能。感知、认知、推理、学习、和执行，它都有。我们前面说的，世界上一批顶级的科学家都解决不了的问题，乌鸦向我们证明了，这个解存在。

（2） 你说它有大数据学习吗？这个乌鸦有几百万人工标注好的训练数据给它学习吗？没有，它自己把这个事通过少量数据想清楚了，没人教它。

（3） 乌鸦头有多大？不到人脑的1%大小。人脑功耗大约是10-25瓦，它就只有0.1-0.2瓦，就实现功能了，根本不需要前面谈到的核动力发电。这给硬件芯片设计者也提出了挑战和思路。

第三节 历史时期：从“春秋五霸”到“战国六雄”

最早一次，兴起是1956-1974，以命题逻辑、谓词逻辑等知识表达、启发式搜索算法为代表。然后进入第一次冬天。

第二次热潮，1980年代初又兴起了，做专家系统、知识工程、医疗诊断等。在80年代末有个短暂的神经网络的研究热潮。随后，人工智能就跌入了近30年的寒冬。其实它当时并没有消失，而是分化了。研究人员分别聚集到五个大的领域或者叫做学科：计算机视觉、自然语言理解、认知科学、机器学习、机器人学。

第三次热潮，就是最近两年兴起的深度学习推动的。

从深一层的理论基础看。我把人工智能发展的60年分为两个阶段：

第一阶段：前30年以数理逻辑的表达、推理为主。他们懂很多认知科学的东西，有很强的全局观念。但是，他们的工具基本都是基于数理逻辑和推理。这些符号的知识表达不落地。

第二阶段：后30年以概率统计的建模、计算为主。在10余年的发展之后，1990年中期都开始找到了概率统计这个新“体制”：统计建模、机器学习、随机计算算法等。

总结：

（1） 早期数理逻辑和推理

（2） 计算机视觉、自然语言理解、认知科学、机器学习、机器人学五大学科独立发展

（3） 在发展壮大的过程中，这些学科都发现了一个新的平台——概率建模和随机计算

（4） 现在开始进入在一个共同平台上开始交互融合

第四节 认知构架：小数据、大任务范式

回到前面乌鸦的例子，我认为智能系统的根源可以追溯到两个基本前提条件：

（1） 物理环境的客观现实、因果链条。任何智能的机器必须理解物理世界及其因果链条，适应这个世界。

（2） 智能物种的任务、价值链条。这个任务是一个生物进化的“刚需”。如个体的生存，要解决吃饭和安全问题，而物种的传承需要交配和社会活动。这些基本任务会衍生出大量的其它的“任务”。动物的行为都是被各种任务驱动的。任务代表了价值观和决策函数，这些价值函数很多在进化过程中就已经形成了，包括人脑中发现的各种化学成分的奖惩调制，如多巴胺（快乐）、血清素（痛苦）、乙酰胆碱（焦虑、不确定性）、去甲肾上腺素（新奇、兴奋）等。

有了这个先天的基本条件（设计）后，下一个重要问题：是什么驱动了模型在空间中的运动，也就是学习的过程？

（1） 外来的数据。外部世界通过各种感知信号，传递到人脑，塑造我们的模型。数据来源于观察和实践。观察的数据一般用于学习各种统计模型，这种模型就是某种时间和空间的联合分布，也就是统计的关联与相关性。实践的数据用于学习各种因果模型，将行为与结果联系在一起。因果与统计相关是不同的概念。

（2） 内在的任务。这就是由内在的价值函数驱动的行为、以期达到某种目的。我们的价值函数是在生物进化过程中形成的。因为任务的不同，我们往往对环境中有些变量非常敏感，而对其它一些变量不关心。由此，形成不同的模型。

第五节 计算机视觉：从“深”到“暗”Dark, Beyond Deep

图像就是一个像素的二维矩阵，可是我们感知到非常丰富的三维场景、行为的信息；你看的时间越长，理解的也越多。

比如，把水烧开，水温就是一个流态；番茄酱与瓶子的空间位置关系是一个流态，可以被挤出来；还有一些流态是人的生物状态，比如饿、累、喜悦、悲痛；或者社会关系：从一般人，到朋友、再到密友等。人类和动物忙忙碌碌，都是在改变各种流态，以提高我们的价值函数（利益）。

感知的图像往往只占5%，提供一些蛛丝马迹；而后面的95%，包括功能、物理、因果、动机等等是要靠人的想象和推理过程来完成的。

计算机视觉要继续发展，必须发掘这些“dark matter”。把图像中想象的95%的暗物质与图像中可见的5%的蛛丝马迹，结合起来思考，才能到达真正的理解。现在大家都喜欢在自己工作前面加一个Deep，以为这样就算深刻了、深沉了，但其实还是非常肤浅的。不管你多深，不管你卷积神经网络多少层，它只是处理可见的图像表观特征、语音特征，没有跳出那5%，对吧？那些认为深度学习解决了计算机视觉的同学，我说服你了么？如果没有，后面还有更多的内容。

第六节 认知推理：走进内心世界

再往里面走一步，就进入人与动物的内心世界Mind，内心世界反映外部世界，同时受到动机任务的影响和扭曲。

（1） Ta看到什么？知道什么？什么时候知道的？这其实是对视觉的历史时间求积分

（2） Ta现在在关注什么？这是当前的正在执行的任务

（3） Ta的意图是什么？后面想干什么？预判未来的目的和动机

（4） Ta喜欢什么？有什么价值函数？

第七节 语言通讯：沟通的认知基础

纵观人类语言，中国的象形文字实在了不起。所谓象形文字就完全是“明码通讯”。所以，从生成式模型的角度来看，语言就是视觉，视觉就是语言。

第八节 博弈伦理：获取、共享人类的价值观

机器人要与人交流，它必须懂得人类价值观。哲学和经济学里面有一个基本假设，认为一个理性的人（rational agent），他的行为和决策都由利益和价值驱动，总在追求自己的利益最大化。与此对应的是非理性的人。对于理性的人，你通过观察他的行为和选择，就可以反向推理、学习、估算他的价值观。

这个价值观我们把它表达为一个利益函数Utility function，用一个符号U表示。它通常包含两部分：（1）Loss损失函数，或者Reward奖励函数；（2）Cost消费函数。就是说，你做一件事得到多少利益，花费多少成本。我们可以把这个利益函数定义在流态的（fluents）空间里面。我们每次行动，改变某些流态，从而在U定义的空间中向上走，也就是“升值”。由函数U对流态向量F求微分的话，就得到一个“场”。

第九节 机器人学：构建大任务平台

我在第四节谈到人工智能研究的认知构架，应该是小数据、大任务范式。机器人就是这么一个大任务的科研平台。它不仅要调度视觉识别、语言交流、认知推理等任务，还要执行大量的行动去改变环境。

第十节 机器学习：学习的极限和“停机问题”

当前大家做的机器学习，其实是一个很狭义的定义，不代表整个的学习过程。它就包含三步：

（1） 你定义一个损失函数loss function 记作u，代表一个小任务，比如人脸识别，对了就奖励1，错了就是-1。

（2） 你选择一个模型，比如一个10-层的神经网络，它带有几亿个参数theta，需要通过数据来拟合。

（3） 你拿到大量数据，这里假设有人给你准备了标注的数据，然后就开始拟合参数了。

七种学习模式：

（1） 被动统计学习：上面刚刚谈到的、当前最流行的学习模式，用大数据拟合模型。

（2） 主动学习：学生可以问老师主动要数据，这个在机器学习里面也流行过。

（3） 算法教学：老师主动跟踪学生的进展和能力，然后，设计例子来帮你学。这是成本比较高的、理想的优秀教师的教学方式。

（4） 演示学习：这是机器人学科里面常用的，就是手把手叫机器人做动作。一个变种是模仿学习。

（5） 感知因果学习：这是我发明的一种，就是通过观察别人行为的因果，而不需要去做实验验证，学习出来的因果模型，这在人类认知中十分普遍。

（6） 因果学习：通过动手实验，控制其它变量，而得到更可靠的因果模型，科学实验往往属于这一类。

（7） 增强学习：就是去学习决策函数与价值函数的一种方法。

第十一节 总结：智能科学 --- 牛顿与达尔文理论体系的统一

说到底，人工智能要变成智能科学，它本质上必将是达尔文与牛顿这两个理论体系的统一。