|||
王飞跃: 人工智能九问九答
中国自动化学会副理亊长兼秘书长王飞跃对《三联生活周刊》关于人工智能九个问题的回答:
1、截至2014年,有超过20亿美元的风险投资流入到基于认知技术研究的产品和服务中,超过100家的相关公司被互联网巨头收购。为什么很多大的互联网公司都在关注人工智能?为什么越来越多的民间资本进入这个领域?
简单地讲就是: 时代的趋势,本质的需求! 因为认知或更准确地说智能技术是社会转型和产业升级的关键与核心。表面上,越来越多资本进入智能领域的原因有很多,但实质上主要就是两点:
1)目前的互联互通和未来的智能社会及产业对其人员的能力提出了更专、更深、更高,更广,甚至是“非分”的要求,一般的人很难达到;
2)新一代“QQ”式的社会人力资源,伴随智能手机、微博、微信等“碎片化”社会媒体和知识结构成长并且成熟,已很难适应上一代传统的学习方式、工作习性与专业要求。
加上人类整体对社会服务的种类、内容、水平的要求越来越高,相对而言,导致新一代的“传统能力”退化;这“一进一退”使得期望与现实的差距扩大,以致有人惊呼"网络把人变傻了"! 客观上形成了越来越大的“智力剪刀差”或“智能鸿沟”,这就必须靠人工智能和自动化这类的智能技术来“补偿”。否则,产业根本无法升级,社会自然更无法转型,只有退步、退化,这就是为什么近年来智能技术变得越来越热,相关投资也越来越多的根本原因。
2、智能究竟是怎样定义的?这些年,人工智能的概念有变化吗?
智能的定义与人工智能的定义不一样,但都是既简单,又复杂,“乱”的很,已成常态。但对于真正从事人工智能的科技人员来讲,还是十分清晰和稳定的。对他们而言,从六十年前提出人工智能的概念和目标至今,基本上没有变化。然而,对于另外一些人,特别是带有商业和利益背景的一批人,人工智能的概念差不多有了天翻地覆的变化,连“奇点”都出来了,甚至一不小心不用多久人工智能就把人类给灭了!
或许,这些乱像和炒作与智能的定义有很大的关系。
先说智能,简单的定义字典上就有:智能就是获取和应用知识及技巧的能力。 问题是“知识”和“技巧”差不多又是与“智能”一样需要解释的名词,多少本书都可以写。难怪苏格拉底要发牢骚:“我知道我是智能的,因为我知道我什么也不知道”;倒是爱因斯坦对什么是智能这个问题要严肃得多,他的名言是:“智能的真正标志不是知识,而是想象。”
想象一来问题就更多了,以致今天全世界的学者们对什么组成智能都没有共识。不过一般都认为有解析、语言和情感三类智能。开始认为他们都是相关的,百年前英国心理学家Spearman还提出了一个“通用智能因子”的学说;后来哈佛心理学家Gardner对其加以修正,认为有八种不同的智能,而且之间不必关联,即所谓的“多智能理论”;最后,就是30年前美国认知心理学家Sternberg提出的"智力三元论":智能由组合、经验、情境型智能或解析性、创造性、实用性型智能组成。
近年来,神经生物学家也开始以更加科学的手段来探讨什么是智能的问题。他们主要是观察研究大脑神经元及其连结与不同智能活动与水平的关联,特别是2007年提出的P-FIT智能理论,能够说明不同脑区与不同智能的关联,引起了业内的很大关注。
人工智能就是机器或软件所展示的智能。在这个意义上,人工智能与机器智能没有区别。但在早期,二者是不同的,而且最初人工智能只是复杂信息的计算机处理之代名词,不过很快就转为目前意义下的人工智能。六十年来,除了方法和手段有很大变化之外,其概念与目标至今并没有什么能引起人们警觉的变化。不过,对概念与目标以何种程度、何时实现,业内业外人士一会热如盛夏一会冷似严冬,仿佛夏冬己成了人工智能全部的天然季节。就我本人而言,自然更喜欢人工智能只有成长的春天和收获的秋日。
3、“图灵测试”是一个已经存在了60多年的概念,许多研究者认为它已经不能检测现代的人工智能了。从现在的科学发展来看,把图灵测试作为判定智能的标准是否落伍?
这也是一个说来话长的问题,直接地回答就是:如果图灵先生不自杀活到今天,他一定第一个站出来反对有些人如此乱用如此消费其“图灵测试”。
例如去年名噪一时的“古斯特曼乌克兰语聊天机器人通过“图灵测试”,并具有人工智能”的新闻头条,就是一出闹剧,而且这已经不是其组织者第一次戏弄大众和媒体了。 首先,古斯特曼通过的不是图灵定义的“图灵测试”。其次,这次测试就是又一次“比赛”而已,而且是不规范的比赛。以前有比它考试问题更难、考试时间更长的“图灵测试”,但也没人敢讲某某通过了图灵测试。其实,这差不多就是胡闹,是把科学研究娱乐化的行为,所以我不认为此类“图灵测试”是一件需要严肃讨论的技术问题,那是一个娱乐的问题。
而且,我不认为存在“图灵测试”作为判断人工智能的标准是否落伍的问题。IQ测试作为人类智能的判断标准是否落伍? 沒有,因为它们从未被真正地确定为人工或人类智能的判断标准,“过时”也就无从谈起。
从学术上,这个问题可分二部分讲:第一,理论上一般抽象的“图灵测试”作为判断人工智能的标准是否有科学性本身就有非常大的争论。上面己经说过,人类智能有多个类别,人工智能自然也有多种类别,图灵测试测的是哪一个类别? 全部? 仅限语言智能或更小的特定领域的问答智能? 第二,实际上具体实施的“图灵测试”,本来就是对图灵之图灵测试的一种误解。图灵测试指的是人类考官而不是一个带着特定问题的特殊人群考官,是一个广义的人类做个为整体的考官,其测试的时间段也不是具体的一段时间而是广义的时间段,说穿了就是所有的人类在所有时间都分辨不出人与机器之后,才算其人类智能与人工智能等价,决不是通过一次比赛就能辨别出来是否具有人工智能的。这也是为什么大家对“图灵测试”有许多不同版本的解释之原因。
个人认为规范的“图灵测试”之类的活动应当鼓励,因为有助于人工智能研发的深入和应用的普及。别忘了,除了图灵测试之外,还有“中国房”、“模仿游戏”,以及非常具体成功的“CAPTCHA”等项目。但无论如何,不能过分甚至故意恶意的放大此类测试的效果,这类行为只能有害于人工智能的健康发展。
4、如今人工智能的智慧最高达到什么程度?近年来哪些技术的出现促进了人工智能的发展?人工智真正能取得突破需要什么样的先决条件?
显然,这都是社会大众十分关心的问题,但遗憾的是,有些我不能回答,因为我根本就不知道人工智能的“智慧最高” 是指什么,也不相信有什么“智慧最高”的人工智能存在,所以无法回答。
但人工智能在过去六十年的确取得了巨大的进展和成果。近十余年来更是在自然语言处理、机器学习、智能搜索等领域获得了辉煌的成绩,特别是计算智能异军突起,为智能产业的兴起立下了汗马功劳。今天,智能手机进入千家万户,己经并仍在改变我们社会形态,中国能有BAT为代表,美国能有FLAG为表征的新型产业公司,而且都是从无到有在极短的时间里兴起,并且发展势头迅猛,就是明证。
深度学习和IBM的Watson系统更是时下媒体的明星,这些技术和系统的确取得了重要突破性的阶段进展,促进了人工智能的当前发展。但我们也不能过度宣扬和放大其效果,毕竟,它们离人工智能的目标还差很远。而且,目前从这些技术上根本看不到迈向人工智能的较为一般的途径。最近,IEEE的旗舰杂志《Spectrum》上对此有几篇文章和问答,较为客观,建议大家去看一下。
至于人工智能真正突破需要什么样的先决条件,也是仁者见仁智者见智。我当学生时,大家公认常识的表示、处理、理解、利用是人工智能的难点和关键。三十多年过去了,今天我仍然认为常识的问题是人工智能的突破口,但己基本放弃了对解决常识问题一般通用方法的追求。因为理论和实践越来越清楚地表明,尽管计算和内存能力越来越強,但常识问题似乎只能具体领域具体解决,所谓大数据思路更是如此。
5、人工智能里的神经网,进化算法、遗传算法等,这些名字听起来和人脑机制一样的人工智能,实际上和人脑思维的方式差别有多大?
神经网络、进化算法、遗传算法,都是计算智能的核心内容,它们与人脑机制和人脑思维的关系,就像诗歌散文同现实生活与大自然的关系一样,都是源于“生活”,“高”于“生活”,而且一定异于“生活”,切不可望文生义。生物、医学、神经生理学家还没有完全弄清人脑机制、人脑思维是什么,计算智能想仿也没有明确的途径。
当然,这些计算智能方法最初的提出受己经认识到的人脑、生物机制的启发很大,并在发展中受其影响,就像诗歌的创作受生活的启发影响一样。实际上,有些听起来像人脑机制或人脑思维的智能方法,其实差别很大,几乎是风牛马不相及。
6、有人认为谷歌这样的公司正在用搜索技术来改善人工智能,而非用人工智能来改进搜索技术,它的每次搜索都是在改进人工智能技术。对此您怎么看?
不知所云。谷歌每次搜索都在改进人工智能技术? 从何谈起? 指什么? 是指又用了自然语言处理? 还是数据挖掘或机器学习? 难道它们不是智能技术? 还有,每次搜索当然都应是一次改进,对什么都一样。科学上,“研究”的英文本来就是Research, 就是Re(再)+Search(搜索),即“再搜索”之意。具体到谷歌这个公司,个人认为,正确的说法应为: 它的每次搜索都是在人工智能技术引导下完成。一个人不应忘本,一个企业也是如此,特别是当他、她、它成功之后。
搜索本来就是人工智能的一个极其重要的内容,著名的A*搜索算法在人工智能历史上占据重要地位。谷歌最初立身的PageRank算法就是一个活生生的计算智能方法,是一个成功的算法自动化或知识自动化的例子。毫无疑问,人工智能技术对谷歌的搜索技术贡献巨大,而且,谷歌从单纯搜索到无人车,机器人,可穿戴移动装置,更是越来越得益于并越来越像一个纯粹的人工智能公司。谷歌靠人工智能有了今天,更要靠人工智能混到明天,所以,谷歌对人工智能技术有所贡献,理所当然,切不可本末倒置。
7、前些时候比尔·盖茨、埃隆·马斯克和霍金发表了“人工智能威胁论”,学术界和产业界对此进行了各种讨论,您对人工智能的未来持什么态度?
林子大了,什么鸟都有,而且有的鸟昨天吃害虫,今天吃的可能就是粮食。当一个话题热起来之后,各色的人,各样的动机,各种的观点,都会涌现,这是人性。我尊重任何人发表任何观点的权利,但对“人工智能威胁论”、“奇点理论”之类的论调,我的态度是坚决反对。的确,有钱有势就是任性,什么话吸引眼球就讲什么,我对这些议论和观点最好的评价只能是:无知者无畏。
人工智能其实还非常初等,“威胁论”、“超越奇点”怕是在梦里都做不到。不过,我个人觉得这些言论对人工智能的发展还不能造成实质性的伤害,反到能够引起大众的更多关注。
我对人工智能持非常乐观的态度。而且,个人觉得这是历史上人工智能发展最好的时期。人类即将进一个从知识自动化为特征的崭新科技与生产时代,智能技术在其中会起到关键和核心的作用。为此,未来的人工智能发展,不应再是只关注“高大上”的工作,而是应当从小处着手,讲究实效,面向社会民生,以“众包”形式,让社会普通大众的智能充分地发挥出来,使智能技术进入生活与工作的每一个角落,这才是人工智能真正的突破。
我还相信,网络化、移动化,特别是手机化的智能技术一定会加快整个社会形态的转化,使我们更快地走向一个公开、公平、公正的开放社会。
8、在人工智能的历史上,人们曾走过哪些误区?对后来有什么启发?你认为现在人们对人工智能最大的误解是什么?
历史上人工智能曾走过许多误区,至少二次进入“人工智能的冬天”,教训非常多,也非常深刻,而且多是由于过高、过快、过大地评价或展望其方法与技术,给资助机构和大众造成无法兑现的期望所造成的,所以最大的教训就是:多干少说,坚持不懈。
举一个具体的例子:神经网络方法。这个方法提出之后,风行一时,但因一位权威人士的一个简单的反例和反对,就被“雪藏”了近二十年。后来有人发明“反向误差传递”的算法后,神经网络再度抬头,接着兴旺了十余年,但随即再次陷入了发展停滞的阶段。然而,Hinton等人坚持不懈,几年前又提出了深度学习的方法,使神经网络技术重新回到计算智能的主战场,再次成为解决压缩、分类、识别等重要问题的主要工具。尽管我不认为深度学习是人工智能的核心方法,但这种不懈的劲头就是发展人工智能所应有的精神。
“山穷水复疑无路,柳暗花明又一村”,神经网络的故事,再次揭示了大家熟知的道理:条条大路通罗马。一种方法在质疑、反对声中,只要不懈努力,探索改善,尽管方法的最终形式与其最初形式甚至动机都很不一样,还是很有可能成为一个有用、有影响的方法,这就是给大家的启示。
至于人们对人工智能的“误解”,简单地讲就是把文学和科学混淆了:一些号称专家的人士,用文学的语言放大科学上的成果;可怕的是,大众中许多人却以科学的劲头去认识、相信、宣传这些专家的观点。
其实,在一些西方国家,这类误解不是太大的问题;因为那里人们的期望值一般较低,不过围绕着期望值的方差很大,加上大家讲究实效,专家很难“忽悠”并获益,更难阻止别人的创新或突破;多数情况下,大话和“误解”被权当新闻博人一乐就过去了。但在中国,期望值往往很高,但方差很小,不利于创新;加上大家重名,这些“误解”很多时候会造成实际的后果:轻则经济损失,重则败坏科技甚至社会的正当规范和秩序,值得我们反思并且深思。
9、人工智能能像计算机的发展那样可以预测吗?未来10年,人工智能可能会在哪些领域取得突破?它会如何改变人们的生活?
计算机的发展可以预测?关于计算机之最著名的预测就是IBM的Watson六十多年前作的。这个Watson不是IBM 的Watson智能系统,而是IBM的已故总裁Watson先生,他曾预测:全球只需要最多5台计算机! 60年前的计算机,还不如我们手机上的计算器强大,可见预测计算机的发展是多么的危险。
或许这里是指预测半导体行业发展的“摩尔定律”,其实这纯是一个传说。“摩尔定律”不是预测,是规划,是行业愿意遵守且有利可图的规划而已。
我只能说,人工智能或智能技术将同计算机技术一样,深入到生活、学习、工作的每一个角落。而且,就像今天社会上很少有人谈论电机一样,不久大家也会不再谈论计算机,只谈智能技术。今日计算机在大家心中之地位,就是50年前电机之地位:不用50年,计算机就会同电机一样,消失于无处不在之中。
未来十年,我希望人工智能在知识自动化上有重要突破,助力智能制造、智能网络等智能产业的兴起,通过软件定义的系统,以及虚实互动的平行智能技术,构建智慧农业、企业、城市、社会和健康体系,使我们真正进入一个智能的时代。
工业自动化使我们进入了工业时代, 深刻地改变了我们的生活方式,人类从此告别农业时代。同样,知识自动化的智能技术也将深刻地改变我们的生活方式,并将把人类社会推向崭新的知识时代,一个更加公开、公平、公正的社会形态。
本文于2015年发表在《中国自动化学会通讯》第1期
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 07:32
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社