27日，世界5g大會(huì)舉行未來(lái)信息通信技術(shù)及國(guó)際戰(zhàn)略研討會(huì)，是一場(chǎng)大牛們的“華山論劍”。因?yàn)槎际菢I(yè)界泰斗，嘉賓們難得共聚，臺(tái)下頻頻交流，“咬耳朵”，話題專業(yè)之余不乏輕松。

而在這個(gè)重量級(jí)論壇上，能讓所有嘉賓競(jìng)相拿出手機(jī)拍照的人，沈向洋是為數(shù)不多的一個(gè)。

他是硅谷科技圈最有分量、美國(guó)科技公司職位最高的中國(guó)人。今年新冠肺炎疫情期間效力回國(guó)，消息轟動(dòng)中美科技界。

作為領(lǐng)軍全球人工智能的專家，沈向洋提出，人工智能雖然已經(jīng)獲得了巨大的發(fā)展，但仍需要從深度學(xué)習(xí)過(guò)渡到深度理解，他為大家公布了最新研究進(jìn)展，勾畫了一個(gè)能夠達(dá)到深度理解的人工智能框架系統(tǒng)。

他舉例說(shuō)明，哈士奇，是狗還是狼？這個(gè)對(duì)人腦不算事的判斷，卻可以困惑人工智能很久！

據(jù)悉，目前人工智能的發(fā)展，深度神經(jīng)網(wǎng)起到非常重要的作用。這是美國(guó)十年前的研究成果，由沈向洋和同事在微軟研究院做出。

他指出，十年以來(lái)，人工智能在大數(shù)據(jù)，運(yùn)算，和延時(shí)處理三方面取得了重大的進(jìn)展。但是對(duì)于真正的理解，人工智能實(shí)際上十年來(lái)沒(méi)有特別重大的突破。

在算力方面，英偉達(dá)過(guò)去超過(guò)英特爾引領(lǐng)潮流，相信未來(lái)會(huì)繼續(xù)奮勇向前。包括亞馬遜、谷歌等企業(yè)的自主研發(fā)，已經(jīng)把云端算力做得非常強(qiáng)大，這方面，來(lái)自深圳鵬城實(shí)驗(yàn)室的鵬城云腦，同樣是非常典型的成功案例。

接下來(lái)，他話鋒一轉(zhuǎn)，開(kāi)始“潑冷水”，指出即使是這樣了不起的算力，真正應(yīng)對(duì)智能時(shí)，得到的結(jié)果讓人啼笑皆非。哪怕是全球最大的圖像識(shí)別數(shù)據(jù)庫(kù)ImageNet，仍然還差10的五次方的量級(jí)才能真正達(dá)到人的理解能力。所以就不難理解，整個(gè)領(lǐng)域還在拼命增加算力，這方面還遠(yuǎn)沒(méi)有到天花板。這是科研的一條道路。

他提出，或許還存在另一條，更加巧妙的前進(jìn)路線。

他給大家用計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理方面講了兩個(gè)例子，來(lái)解釋為什么今天有這么強(qiáng)大的算力，有這么多大數(shù)據(jù)以后，智能還不盡如人意。

他在微軟的朋友在華盛頓大學(xué)用深度神經(jīng)網(wǎng)訓(xùn)練了一個(gè)模型，讓人工智能分辨哈士奇是狼還是狗。這對(duì)于人腦來(lái)分辨，再簡(jiǎn)單不過(guò)。但人工智能的判斷，6個(gè)結(jié)果里最多只有5個(gè)正確。用模型尋找錯(cuò)誤的原因顯得非常艱難。最后研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)對(duì)于哈士奇是狗還是狼，判斷竟來(lái)自于旁邊的背景。背景是雪地，它判斷為狼，背景為草地，它判斷為狗。跟狗和狼面部等大量的數(shù)據(jù)特征分析一點(diǎn)關(guān)系都沒(méi)有。這讓人工智能顯得非常有趣，也非常危險(xiǎn)。

此外，運(yùn)用大數(shù)據(jù)，大訓(xùn)練模型出來(lái)的人工智能結(jié)果，在按照設(shè)定程序來(lái)運(yùn)行，表現(xiàn)非常了不起，而如果遭受攻擊，得出的結(jié)果可能大相徑庭。

沈向洋指出，以上都值得反思，深度學(xué)習(xí)做到現(xiàn)在是不是離智能更近了？

為此他曾經(jīng)和比爾蓋茨以及紐約大學(xué)教授GaryMarcus討論，得出的結(jié)論是，預(yù)訓(xùn)練的模型、深度學(xué)習(xí)的東西，到現(xiàn)在為止只是獲取知識(shí)，而不是理解知識(shí)。所以必須要清醒的知道，正在做非常了不起事情的人工智能，并不是最棒的模型。

他認(rèn)為，很有必要回歸初心，回過(guò)頭去認(rèn)真思考機(jī)器學(xué)習(xí)的目的到底是什么。

其次，人工智能今天驚人的成就，做仿真器是最大的代表作。接下來(lái)最激動(dòng)人心的事情，可能應(yīng)該是寫更大的仿真器，去仿真真正的物理世界。

最后，接下來(lái)最重要的事情，是讓人工智能從深度學(xué)習(xí)過(guò)渡到深度理解。他正在嘗試的解決之道，是建立一個(gè)開(kāi)放域的對(duì)話模型，建立神經(jīng)會(huì)話模型，能夠做到深度理解的框架。
責(zé)任編輯：YYX