AI發(fā)展至今已有60年光景，已處于高速成長階段。60年的光陰里AI都取得了哪些進展？有哪些制約因素？我國AI發(fā)展到了什么水平？

6月21日晚間，由北京智源人工智能研究院主辦的2020北京智源大會在線上舉行，圖靈獎獲得者、中國科學(xué)院院士、中國工程院院士、國內(nèi)外AI頂尖學(xué)者齊聚一堂，共同描畫了下一代AI的模樣。

AI的下一次突破何時到來？

世界范圍內(nèi)，AI已經(jīng)發(fā)展了60年左右的時間。然而從上世紀60年代開始30多年的時間里并沒有研究出可以比肩人類的技術(shù)。直到1997年，IBM研發(fā)的深藍超級計算器擊敗國際象棋世界冠軍加里·基莫維奇·卡斯帕羅夫，至此AI終于實現(xiàn)了里程碑式的突破。2005年，在斯坦福大學(xué)時任副教授的Sebastian Thrun帶領(lǐng)學(xué)生打造的一款名為“斯坦利”的機器汽車，成功穿越300英里沙漠，成為歷史上第一個完成DARPA無人駕駛汽車挑戰(zhàn)賽的自動駕駛汽車，業(yè)內(nèi)公認“斯坦利”是AI應(yīng)用的又一次突破，Sebastian Thrun也因此成為了谷歌自動駕駛汽車系統(tǒng)的專家，幫谷歌打造出自動駕駛的原型車，谷歌也憑此成為了自動駕駛領(lǐng)域的領(lǐng)軍者。

到了2012年，也是AI迄今距離最近的一次突破——深度學(xué)習(xí)。當(dāng)時機器學(xué)習(xí)已經(jīng)非常流行，但是還不足以達成AI的最高目標，而深度學(xué)習(xí)的理論已經(jīng)存在了幾十年，直到2012年終于取得突破，它可以構(gòu)建AI已知的所有功能，包括決策理論、規(guī)劃和推理，讓AI距離真正解決問題又近了一步。

深度學(xué)習(xí)可以解決什么問題？比如有一輛自行車，深度學(xué)習(xí)可以將自行車進行結(jié)構(gòu)性的拆解，對車座、車把、車輪等組成部分進行識別?！暗钱?dāng)遇到一件與自行車十分類似的物品時，深度學(xué)習(xí)會把它自動歸為同類?！眻D靈獎獲得者John Hopcroft指出，深度學(xué)習(xí)的問題在于它不能告訴你自行車每個部分的功能是什么。

下一代人工智能要取得突破，可以在深度學(xué)習(xí)的基礎(chǔ)上附加相應(yīng)的邏輯，實現(xiàn)讓AI知道腳踏板可以驅(qū)動車輪，區(qū)分有用郵件和垃圾郵件。

康奈爾大學(xué)教授Bart Salmen認為，深度學(xué)習(xí)還有很大的提升空間，它是一種基于數(shù)據(jù)訓(xùn)練的學(xué)習(xí)方法，但是人類是有感知能力的，要達到人類水平，就要學(xué)會感知。張鈸認為，感知=感覺+認知，目前深度學(xué)習(xí)方法只觸及到了感覺層面，還未達到認知高度，需要真正的知識灌輸，下一代AI要明確地把知識驅(qū)動和數(shù)據(jù)驅(qū)動結(jié)合起來才能真正取得突破

那么AI的下一次突破何時到來，又一個十年、二十年？

John Hopcroft認為，歷史上農(nóng)業(yè)發(fā)展花費了上千年，制造業(yè)發(fā)展花了幾百年，AI首次取得成功只用了幾十年，所以下一次突破會很快。

專家們紛紛表示，下一代AI一定要具有可解釋性，使用者需要知道AI究竟是怎樣運作的，這也是增強人類對AI信任度的關(guān)鍵。

John Hopcroft指出，AI的下一次突破不一定是計算能力的突破，也有可能是生物學(xué)層面的突破。

AI需要解決什么問題？

隱私和安全問題是人工智能技術(shù)應(yīng)用大規(guī)模鋪開所面臨的一大挑戰(zhàn)，這是很多用戶在接受使用AI應(yīng)用前最擔(dān)心的問題之一。

中國科學(xué)院院士張鈸認為，要解決這個問題，首先要從兩個層面來探討。一是如何正確合理運用隱私，這需要AI開發(fā)企業(yè)的高度自律。隱私保護是為了防止傷害集體和個人的利益，涉及到保護和使用的關(guān)系，可以很嚴也可以很松，不一定一步到位制定出完整的規(guī)則，需要逐步的改進。

二要避免人工智能濫用的問題，這是目前深度學(xué)習(xí)無法解決的問題，需要談到人工智能治理這個層面。張鈸指出，一方面要定義規(guī)則，制定嚴格的法律法規(guī)，二要發(fā)展安全可靠、可信、可擴展的人工智能技術(shù)，這樣才能真正保護人工智能的安全?！叭斯ぶ悄苤卫矸浅Ｖ匾?，只有想清楚如何治理，才能知道技術(shù)往哪些方向發(fā)展”張鈸談到。

此外，還要建立讓用戶信任的AI應(yīng)用機制。香港科技大學(xué)教授楊強認為，開發(fā)者和應(yīng)用方不可能隔絕開來，需要共同協(xié)作、互相交流。開始可以先采用加密模型參數(shù)，對于使用者來說，可能會不清楚傳遞是參數(shù)還是數(shù)據(jù)，那么就可以引入一個中心機構(gòu)，讓每一個參與者在這個中間機構(gòu)中傳遞信息。另外也可以引入區(qū)塊鏈的管理模式，借助其透明化且不可篡改的機制對隱私加以保護。

中國工程院院士高文認為，開源是解決AI隱私問題最好的辦法，沒有一蹴而就的解決方法?！熬拖裎湫g(shù)一樣，要想做到厲害就要不停攻防?！备呶膹娬{(diào)，不要太過擔(dān)心數(shù)據(jù)共享有可能帶來的惡意攻擊，因為技術(shù)發(fā)展過程中一定會考慮到針對性的解決辦法。

中國AI發(fā)展痛點在哪里？

新基建浪潮下，國內(nèi)各大企業(yè)通過興建大量基礎(chǔ)設(shè)施，強調(diào)大算力來搶占技術(shù)高地，那么AI到底需要多大的算力？

楊強認為，大算力是AI突破的方式。學(xué)術(shù)界很多專家開始嘗試采用遷移學(xué)習(xí)的方法解決通用問題，如果算力足夠大，那么遷移學(xué)習(xí)就可以適配到各個領(lǐng)域，符合縱深發(fā)展的條件。

高文指出，下一代AI要解決高效能的問題。AI的下一階段要求是超過人的精度，但是人本身并不需要太大的算力。所以下一步應(yīng)提高計算機的學(xué)習(xí)能力，減少低效學(xué)習(xí)所消耗的大量電力，不要過分追求大算力。

我國在AI科研平均水平已經(jīng)接近世界水平，但是最高水平和世界領(lǐng)先仍有較大差距?！皼]有從0到1的發(fā)現(xiàn)?！睆堚撝赋觯覈鳤I研究尚未突破創(chuàng)新的瓶頸，基礎(chǔ)研究落腳點在發(fā)表論文的數(shù)量上，與過去相比有巨大的進步，也是制約因素。

楊強認為，有責(zé)任心有志向的學(xué)者應(yīng)該在創(chuàng)新上努力，重點是選題質(zhì)量而不是文章數(shù)量。研究方向一要足夠新，二要足夠難，三要讓人很容易理解。楊強指出，這樣的研究還需要運用方法把問題分解成可以解決的階段，每個階段設(shè)立一個小目標。另外，計算機的發(fā)展離不開數(shù)據(jù)，觸手可及的數(shù)據(jù)更容易實現(xiàn)落地?！安灰L(fēng)熱門領(lǐng)域，有很多新領(lǐng)域更值得探索。”楊強說道。
責(zé)任編輯：tzh