人工智能：对其无知，才会恐惧（上）

随着Microsoft、Google等科技巨头纷纷举起人工智能大旗，全社会开始从不同角度和层面对人工智能进行解读，甚至误读。

那么，在专业学者眼中，人工智能技术究竟发展到了何种程度？我们对机器智能时代的到来到底应该欣喜还是恐惧？

专访嘉宾：秦曾昌

北京航空航天大学自动化学院副教授、北航科学技术传播研究中心秘书长。毕业于英国布里斯托(Bristol)大学获得硕士、博士学位。美国加州大学伯克利分校 (UC Berkeley) 博士后、牛津 (Oxford) 大学与卡内基梅隆大学 (CMU) 访问学者。目前主要研究方向为数据挖掘、跨媒体检索与自然语言理解。出版英文专著1本、编辑论文集1本和专业论文或章节80余篇。同时在IT工业界做机器学习、大数据、人工智能等专业技术咨询工作。作者欢迎对本文中的观点提出批评与讨论。

实验室网站：http://dsd.future-lab.cn/

问

日前，人工智能受到了舆论的空前关注。是否可以介绍一下，人工智能大致可分为哪些研究分支？各自的技术应用现状和商业前景如何？

答

人工智能话题在今天的流行，很大程度上也是因为商业公司的推动，包括微软、谷歌等等，它们在自己的产品和服务中大量使用人工智能技术，在人们生活的很多方面发挥了实际作用，可以说，人工智能技术其实很早就走出了学院和实验室，本身虽然属于非常前沿的领域，但与日常生活并没有想象那么遥远。

虽然媒体和公众对人工智能的讨论很多，看法有悲观也有乐观，产业投资也是时冷时热，但人工智能的学术研究其实一直在稳步推进。尤其在发达国家，产业与学界在这方面一直保持着密切的关联和互动。和其他技术相比，隶属于计算机科学的人工智能，从研究到商业化的速度更快，可能去年才发表的论文，今年就变成硅谷名校的学生作业，甚至很快变成了产品，这和行业属性有关，所有人反应都很快。

从大的研究潮流来看，“传统”人工智能研究，大部分由计算机科学家主导，但发展到今天，人工智能出现很多外延，引入了心理学、神经学等研究方法，但背后的终极目的，是理解人的智能或制造智能机器，或者兼而有之。

人类想要像鸟一样飞上蓝天，于是发明了飞机，飞机是运用鸟的飞行原理做出的能提供相同功能的机器，而不是一模一样的“鸟”。这也是计算机科学家的研究人工智能的方式。我们发明的计算机，绝大多数是为弥补人类脑力的不足，延伸人的计算能力和信息处理能力，并不要求机器工作方式与人类大脑工作机理完全一样。无论从工程角度还是数学角度，人工智能还是工具，是为了服务于人类。

当然，另外一些研究方式，主要是神经学，研究对象其实是人的意识和思维，是为了对其做出解释，这方面已有大量研究成果，最近我就看过一篇文章专门研究大脑如何定位，哪些细胞担负着类似GPS的地理定位功能，等等。这些成果逐渐和人工智能研究产生了交叉和对接。

具体到研究分支，最简单的办法是参考国际人工智能联合大会（International Joint Conference on Artificial Intelligence, 简称为IJCAI）的投稿内容，包括自然语言处理、图像识别、知识表示、多代理系统，甚至模糊逻辑、多值逻辑等，都算是人工智能的学术分支。

问

目前应用最为广泛的研究成果来自哪些分支？

答

这个很难界定，只能说被人们更频繁提及的日常应用当中，计算机视觉、语音识别和自然语言处理方面的技术稍微多些，主要用在人机交互和搜索上。搜索先是利用和处理大量文本，后来延伸到图像、视频搜索。还有一些与日常生活直接相关的应用如语音、指纹掌纹、生物识别等，也是成果比较多、进展比较迅速的。

问

这些分支和现在广受关注的“机器学习”是什么关系？

答

“机器学习”本身是人工智能的一个分支，它强调算法的有效性，就是用数据来训练算法，让机器自动具备学习和泛化能力，但是渐渐地，机器学习成了人工智能中最成功的分支之一，里面的思想渗透到各个领域。包括自然语言处理和图像识别，其背后的很多算法都是机器学习算法。机器学习分支本身既关心应用，更关心研究的扩展和深入。

问

机器学习是不是也有很多不同的方式？

答

是的，最常见的叫“有监督学习”（Supervised Learning）。举个例子，给机器一个数据库，数据有各种特征，如“身高”、“体重”、“头发颜色”等等，但每条数据有“男”和“女”标签，让机器去从这些数据特征和标签的关联中找到固定模式，形成算法模型，然后针对新输入的身高、体重等数据来判断性别，这就是“有监督学习”。

相反，“无监督学习”没有标签，让机器根据数据自己统计出特征，比如即使没有“男”、“女”标签，机器也能根据数据规律性，把具有相似特征的归为同一类。换一组数据作为度量尺度（measure），机器还可能最终将数据按照儿童、青年、老人分成三大类（当然，机器自己并不知道这种区分的具体现实意义，而只是依据某组数据特征做出的分类）。这种不需要人类事先分类标记的算法学习，叫“无监督学习”（Unsupervised Learning）。

我们从AlphaGo身上看到的，其实是另一种非常重要的机器学习方式，叫增强学习，但经过一系列动作，沿着一条路径完成一个过程，最终得到了或正或负的反馈，和相（Reinforcement Learning）。简单来说，机器在采取一个动作时，并不会得到反馈对应的奖励或惩罚值。这就好像要设计一个走出迷宫的路径，第一步往左还是往右是随机选择，一系列随机选择过后，可能进入死胡同，也可能走出了迷宫。机器根据结果回溯过程，选择（学会）成功的模式（算法），就是增强学习。

问

我们常常用“计算能力”、“存储能力”等来衡量计算机技术的进展。那么，是否存在某些具体指标，可以帮助人们衡量人工智能技术的成熟度？

答

不能说有非常确定的技术指标，不同领域会有不同突破。到了一定时点，人工智能在各种能力上都将超越人类。方便直观理解，你可以说某个算法成熟的标志是其在特定功能上超过人类。比如说人类在做大量检索方面，图书馆这种技术在很早之前就落伍了，一个简单的数据库就可以代替，互联网出现之后，数据库也不够用了，要设计新的算法来帮助进行搜索，但在这方面，人类能力早已没有任何招架之力。再比如，银行有大量数据，依靠人工监测和发现信用卡盗刷的情况简直太难了，只能设计一种算法来跟踪数据的变化，找出一些很弱的模式，发现数据反常的情况。在这样的领域，机器的能力早已经远远超过了人类。在另外一些领域，比如图片识别、自动驾驶，机器的能力虽然还没有达到人类的水准，但在稳步发展中，也许会在很多方面不断超越人类。

人工智能：对其无知，才会恐惧（下）预告：

我们真正应该担忧的是什么？

人们常常用 “弱人工智能”、“强人工智能”和“超人工智能”对人工智能的发展阶段进行区分，这样的处理有专业依据吗？

所以我们可能正处于人工智能历史上一波新热潮，在你看来，这种热度会一直持续么？还是很快又会迎来下一个低潮期？

对“奇点”理论——笼统来讲，即人工智能将在几十年内发生爆炸式发展，并最终越过技术临界点，全面超越人类智慧——你怎么看？

任何技术都有其两面性，人工智能技术真正需要担忧的地方是什么？

人工智能：实现能力与伪需求

在舆论和资本的推动下，出现了很多人工智能方面的创业公司，你觉得5-10年之内，这个市场对初创企业的机会大吗？还是主要会由谷歌、百度这样的大企业为主导？

短期来看，人工智能到底会给普通人的生活带来哪些深层次的改变？

文章转载自：创瞰巴黎

作者：秦曾昌