浙大人工智慧研究所所長吳飛：技術進步支撐人工智慧從1.0到2.0的躍變

人類很早開始就對人類以外的智能產生了濃厚的興趣，如偃師造人和木牛流馬等。荀子曾經在《正名》里提出了一些人工智慧的樸素思想，如「知之在人者謂之知，知有所合謂之智。所以能之在人者為之能，能有所合謂之能」。簡單說，荀子認為人具有一些感知功能（如視覺、聽覺和觸覺等），對感知得到的信息進行理解（如產生概念等）就形成了智慧，人的感知信息與外界進行交互，所具有的決策和行動能力，就是人工智慧。

學術上人工智慧概念的提出在1955年。當時John McCarthy (時任Dartmouth數學系助理教授，1971年度圖靈獎獲得者)、Marvin Lee Minsky (時任哈佛大學數學系和神經學系Junior Fellow，1969年度圖靈獎獲得)、Claude Shannon (Bell Lab, 信息理論之父)和Nathaniel Rochester(IBM, 第一代通用計算機701主設計師) 四位學者在一個申請書中提出了「人工智慧（Artificial Intelligence）」這一術語，指出人工智慧的研究目標是讓機器能像人那樣認知、思考和學習, 即用計算機模擬人的智能。

在這個報告中，四位學者列舉了人工智慧需要研究的七個問題，即：自動計算機、程序編程、神經網路、計算的複雜性、自我學習與提高、抽象能力、隨機與創造力。1956年所提出的人工智慧需要解決若干重要問題（如自我學習與提高、抽象能力、隨機語創造力）仍然當前人工智慧面臨的巨大挑戰。

人工智慧從提出以來獲得了快速發展，如機器定理證明、機器翻譯、專家系統、博弈、模式識別（多媒體認知）等，形成了符號學派、連接學派、行為學派等分支。

我們一般可人工智慧分成三種：第一種叫做領域人工智慧。這種領域人工智慧在某個領域內達到了類人或超過人類的智能水平，如IBM的深藍戰勝了國際象棋冠軍、DeepMind公司的Alpha Go戰勝了圍棋冠軍。但是，這一類人工智慧只能專一完成某一領域內的任務，無法跨域完成其他領域的任務。如，Alpha Go雖然專於下圍棋，但是它不能馬上用於指揮城市交通燈和預測PM2.5產生。其背後的原因在於這些領域內的人工智慧均是通過大數據驅動而學習得到使能能力，這種能力無法馬上遷移。

第二種叫通用人工智慧或者跨域人工智慧。這一人工智慧不僅在某個領域任務方面做得很好，而且在其它領域任務方面也表現出了類人的能力。誰有這樣的通用人工智慧能力呢，目前來看僅有我們人類自己。領域人工智慧和通用人工智慧之間的最大區別在於，前者的智能能力來自於「示教」、後者的智能能力來自於「習得」。

第三種人工智慧稱為混合增強人工智慧。這是集多種智能體於一身的混合體，比如說人類智能與機器智能的結合，達芬奇外科手術機器人就是這樣的例子。在達芬奇外科手術機器人中，醫生指揮靈巧的機器手臂完成一些高難度的外科手術。如達芬奇機器人可以把一個葡萄皮切開，再把它成功縫製。這一靈巧的任務是人類醫生是很難做到的。但是，人類醫生對很多病情有經驗、直覺和知識，可藉助靈巧機器臂來實現機器智能和人類智能單獨均無法完成的任務。如果人、機、物、網相連就可組成智慧城市系統，這是一種更強大、更複雜的智能系統。

1956年人工智慧概念剛剛被提出來的時候，其目標是製造一個像人一樣的機器人。現在人工智慧的理念已經發生了大的變化，我們不是只追求類人智能，還有其他的智能。

今年7月國家發布了《新一代人工智慧發展規劃》，這一規劃有四項任務：一個是構建開放協同的人工智慧科技創新體系；二是把握人工智慧技術屬性和社會屬性高度融合的特徵，也就是要建立與人工智慧相關的倫理和法律法規；三是堅持人工智慧研發攻關、產品應用和產業培育三位一體的推進；四是全面支撐科技、經濟、社會發展和國家安全。

這一規劃面向國家2030年前的人工智慧發展中重點實現大數據智能、群體智能、跨媒體智能、混合增強智能和自主無人系統，在技術上要實現從人工智慧1.0到2.0的躍變，即：從人工知識表達技術到大數據驅動知識學習；從處理類型單一的數據到跨媒體認知、學習和推理；從追求「機器智能」到邁向人機混合的增強智能；從聚焦研究「個體智能」到基於互聯網路的群體智能；從機器人到自主無人系統的跨越。

學習是人工智慧中最為重要的任務。我們一般把人工智慧學習分成三種基本模式：第一是用規則去教。在早期的人工智慧中，我們教機器非常多的知識和規則。比如說發燒和流鼻涕就是感冒。如果病人說他正在流鼻涕呵發燒，則機器醫生可根據現有知識診斷其感冒了，這個就是用規則去推理和學習。

第二種是用數據去學，即通過大數據去學習概念和對象的隱含模式，如目前正在大行其道的深度學習。如果缺少知識指導和缺少數據驅動學習，就要靠第三種方法去學習了，這就是強化學習。在強化學習中，通過問題的引導讓機器從與環境交互過程中不斷學習。這三種學習方法體現了從數據到知識，從知識到能力，能力最為重要。

下面介紹人工智慧的兩個挑戰。我們知道，人類在認知過程中，當前感知數據會與人類海馬體中存儲的長期記憶知識互動，形成了工作記憶。在工作記憶基礎上形成了直覺。因此，如何模擬和刻畫人類直覺，是當前人工智慧面臨的一個挑戰。愛因斯坦曾經講過直覺是人類所特有的一種非常珍貴的品質。俗話說，「眉頭一皺、計上心來」，這就是人類的一種直覺推理的體現。

第二個挑戰是從完全信息下的博弈向非完全信息下的博弈。比如說德州撲克，就是非完全信息下的博弈。

新一代人工智慧需實現可解釋、更魯棒和更通用的人工智慧，需要結合數據利用、知識引導與能力學習。

謝謝大家。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！