著力提高人工智慧系統的通用性和自適應性

來源：《中國計算機學會通訊》2017年第9期《主編評語》

「人機對話」是一個既有趣又十分困難的研究方向。在任務比較明確的應用領域，人機對話已取得很明顯的成效。每年的「雙十一購物節」，螞蟻金服公司要承擔500萬次以上的客服服務，如果完全採用人工客服，需要3萬多服務人員才能應對。去年「雙十一」時，94%的詢問已由計算機智能客服解決，只有6%的詢問由人工客服完成。但在較廣泛的範圍內，超過70%的問題目前的語音助理（如Amazon 的 Echo)只能回答「不知道」。這種現狀揭示了人工智慧研究的一個帶根本性的問題：如何提高人工智慧系統的通用性和對環境的自適應性。

早期的專家系統只要稍微偏離設定的領域就會變成白痴。2004年美國國防部高級研究計劃署(DARPA)組織的第一次無人駕駛競賽，所有的系統都採用人工事先編寫知識的技術，結果「全軍覆滅」，第一名也只行駛了7.4英里。2005年參加第二次無人駕駛競賽時，五家參賽方都改用統計學習，全部通過了比賽路程，這一事件標誌著統計學習已成為第二波人工智慧的主流技術。但統計學習也會出洋相。2016年微軟公司在社交媒體上發布取名為「Tay」的聊天機器人，可以用獨特的俚語與年輕人對話。許多人搞惡作劇，告訴Tay希特勒取得「巨大成就」等謊言。Tay經過幾個小時的統計機器學習，就在Twitter網站上宣稱「希特勒是個好人，沒有做錯任何事」，迫使微軟公司立即下線Tay。這一事件表明，現在的機器學習，儘管有令人驚奇的表現，不管是下棋比賽還是問題搶答，識別物體還是作詩繪畫，實際上只是概率統計上的最優選擇，計算機並不知道它在幹什麼，既沒有理解要解決的問題，也不能對它的行為做出解釋。這樣的系統不但會出現對話機器人「Tay」一樣的違背人類良知的錯誤，甚至會捅更大的婁子。

根據前兩波人工智慧的經驗與教訓，美國政府2016年啟動了《國家人工智慧研究與發展戰略規劃》，規劃文件中明確指出：「人工智慧目前或許正在迎來『第三次浪潮』，即專註於解釋性的通用人工智慧技術，……使人工智慧系統更通用化。」

美國國防部高級研究計劃署長期支持人工智慧研究，其信息創新辦公室主管 John Launchbury在最近發表的一個錄像節目中，將人工智慧的歷史與未來劃分為三個階段，第一階段是手工知識階段，第二階段是統計學習階段，目前開始的第三階段是環境自適應(Contextual Adaptation)階段，即使用稀疏數據為真實的世界現象構建可靠的、可解釋的模型。他把對環境的自適應、增強抽象和推理能力作為新一代人工智慧的主要目標。

請注意，把提高系統的通用性放在更優先的地位，並不是現在就要實現所謂「強人工智慧」的目標。像人腦一樣通用的人工智慧技術可能需要很長時間的努力才能突破，作為近10~20年目標不一定合適。通用性和高性能、高效率是長期以來設計計算機系統面對的主要矛盾，需要在通用性與高效能之間做權衡折衷。我們在強調提高人工智慧系統通用性和對環境的自適應性的同時，還要兼顧系統的性能、功耗和效率。

作者：李國傑

CCF名譽理事長、中國工程院院士。中國科學院計算技術研究所首席科學家。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！