人工智能并非无所不能
2018-06-26 16:31
5月21日，2018 微软人工智能大会（AI Innovate）在北京召开，18项技术亮相展会，覆盖产学研三大领域。
5月25日，2018中国国际大数据融合创新·人工智能全球大赛半决赛的24支优胜团队齐聚贵阳，在总决赛“智端PK”上角逐总金额为500万元的大赛奖金。
这样的展会和竞赛在5月内就有十几个，它们都有一个共同特点：核心内容是人工智能。
如果评选2018年最火的词汇，人工智能肯定能名列其中。在很多人看来，人工智能可以解决社会中的各种问题，似乎只要与人工智能联系起来，就会产生奇迹。
日前，央视财经联合腾讯发布了一份调查报告。调查结果显示，接近八成受访者认为人工智能发展前景广阔，会渗透到各行各业；超过九成的受访者认为人工智能会对自己的工作生活产生影响。
人工智能真的有如此神通吗？其技术的发展又面临哪些瓶颈呢？
有监督学习与无监督学习
说到人工智能，就不能不提到鼎鼎大名的AlphaGo。这一波人工智能的热潮，正是AlphaGo在围棋江湖中掀起的。
AlphaGo由谷歌旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。2016年3月，AlphaGo与围棋世界冠军、职业九段棋手李世石进行人机大战，最终以4比1的总比分获胜；2016年年末到2017年年初，该程序在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的围棋选手柯洁对战，以3比0的总比分获胜。
中国科学院自动化研究所模式识别国家重点实验室研究员、生物识别与安全技术研究中心主任李子青告诉记者，AlphaGo采用了一种具有反馈机制的自主强化学习算法。
我们知道，深度学习是有监督的学习，其依赖于大量良好的、结构化的、有标签的数据。例如，要训练一个神经网络来识别足球或篮球的图片，就需要给这些图片贴上标签。机器可以通过识别所有被标记为足球或篮球的图片来理解数据。早期的AlphaGo是通过标注的棋局数据来进行训练的。
但世界上很大一部分数据是未经标注、未被整理过的，这就意味着监督式学习无法充分利用这些大数据进行性能提升。因此，为了充分利用大数据提升人工智能引擎，就需要采用半监督学习（部分标注数据）甚至无监督学习（无标注数据），在大数据中自主学习得到模型。
AlphaGo的最新进展是AlphaGo Zero，其完全不用任何标注数据训练，就能够打败人类所有棋手。但AlphaGo Zero不能完全被定义为无监督学习，因为应用到围棋和其他游戏时，人工智能是知道走棋规则、游戏规则和胜负判断的。所以，AlphaGo Zero可以说是采用了一种弱监督学习策略。
深度学习需要海量数据
当前人工智能的一个技术瓶颈，就是解决问题前先要获取大量高质量的数据样本，而人类在学习新事物时往往只需很少的样本。
特别是在无监督学习还不成熟时，对于人工智能来说，标记数据越多，数据集越大，就能更好地提高预测的准确性。
要做到这一点，就要收集海量带有标签的数据。目前，研究人员可以采取很多方法来获取数据以训练机器。一种方法是“走出去”，即自己收集大量的标签数据。谷歌、百度、苹果、微软和Facebook等公司都是如此，这些企业都拥有令人惊叹的海量数据。
但即使数据如此之多，事实证明，许多数据对于人工智能来说仍然没有用处。这些数据要么太小、要么标签贴的不完整或不合适。不合格的数据往往会导致以偏概全。
尽管高质量的数据收集需要大量的人力物力成本，但只要人工智能依然依靠有监督学习，这种状况就很难改变。
认知智能与人类差距大
以上瓶颈制约了人工智能在认知智能方面的发展。
科大讯飞AI研究院院长胡国平告诉记者，人工智能分三个阶段，分别是计算智能、感知智能、认知智能。
目前，在计算智能方面，机器已经远远超过人类；在感知智能方面，在大数据和深度学习的支撑下，机器基本达到可与人类媲美的水平，包括人脸识别、语音识别等各方面都有很大进步；在认知智能方面，总体上来说，机器与人类相比还有所差距。
iPIN 首席执行官杨洋认为，现在人工智能的发展，距离真正颠覆人类工作的环节或者习惯还差得很远。原因在于人工智能发展水平还只是集中在感知智能，距离认知智能还比较遥远。
人的认知分为四个步骤，即感知信息—认知信息—分析—做出决策。在这四个步骤中，认知和分析对于人工智能来说是最难的，我们现在大多数的信息技术比如说语音识别、图像识别都是在这两个环节。认知智能是一个非常复杂和交叉的学科，包括生物学、物理学、哲学、社会学、经济学、市场心理学、神经科学，认知智能必须要涉猎每个学科，从不同的角度去看认知。所以，目前来看，如何能够让机器掌握人类的常识，这是整个认知智能所需要突破的天花板。
人工智能应用并不完善
随着人工智能市场的迅速扩大，越来越多的研究机构、企业开始涉足人工智能领域。近几年，微软、谷歌、Facebook、百度、阿里、腾讯、科大讯飞等商业巨头也纷纷将重心转移到人工智能上。
据国际机器人联合会（IFR）预计，2018年全球销售使用的个人服务机器人将达到3500万台；到2020年，与“智能机器”技术相关的产品市场总营收将达到300亿美元。
尽管各领域都推出了“人工智能+”的产品和服务，但很多人工智能技术的应用还不完善。
就拿人工智能应用最前沿的无人驾驶为例。2018年3月18日晚上10点左右，Uber的一辆无人驾驶汽车发生交通事故，与一名过马路的行人相撞，导致行人在送往医院后不治身亡，这成为史上首例无人驾驶车辆在公开路面撞伤行人致死的案例。
一种观点认为，驾驶不只是一项机械工作，因为公路驾驶意味着数不清的偶发事件和在紧急状况中的决策与应对。很多人认为，无人驾驶的程序算法是难以有效找到合乎技术、现状和伦理的最优解的。
北京航空航天大学交通科学与工程学院教授余贵珍表示，尽管目前市面上包括整车厂商、IT 公司巨头以及创业企业都在布局无人驾驶，但是都还没有实现商业化。在余贵珍看来，我们不能神化人工智能技术，人工智能实际上就是一个算法，就是一个比原来机器学习更高级的算法，所以不要认为人工智能什么都能解决。
李子青指出，人工智能在安防、认证、监控等方面将会带来巨大的技术进步。比如过去监控需要大量的人力劳动，如果使用人工智能将会大大减轻人工劳动强度。还有很多与身份认证相关的自助设备和授权类的项目大部分可以使用人工智能。但是，如果认为人工智能可以完全取代人类，从目前的技术发展来看显然是不现实的，对人工智能的担忧也是杞人忧天。
不可否认，在可以预期的未来，人工智能将会把人类带入一个崭新的时代。在人类历史上，人类发明的工具第一次与人类如此接近。但从目前来看，人工智能毕竟只是基于海量数据和深度学习的计算，不是也不可能成为打开所有问题之门的万能钥匙。■
《科学新闻》 (科学新闻2018年5月刊 封面)
