27日，世界5g大會舉行未來信息通信技術及國際戰(zhàn)略研討會，是一場大牛們的“華山論劍”。因為都是業(yè)界泰斗，嘉賓們難得共聚，臺下頻頻交流，“咬耳朵”，話題專業(yè)之余不乏輕松。

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

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

作為領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，但仍需要從深度學習過渡到深度理解，他為大家公布了最新研究進展，勾畫了一個能夠達到深度理解的人工智能框架系統(tǒng)。

他舉例說明，哈士奇，是狗還是狼？這個對人腦不算事的判斷，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，人工智能在大數(shù)據(jù)，運算，和延時處理三方面取得了重大的進展。但是對于真正的理解，人工智能實際上十年來沒有特別重大的突破。

在算力方面，英偉達過去超過英特爾引領潮流，相信未來會繼續(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大，這方面，來自深圳鵬城實驗室的鵬城云腦，同樣是非常典型的成功案例。

接下來，他話鋒一轉，開始“潑冷水”，指出即使是這樣了不起的算力，真正應對智能時，得到的結果讓人啼笑皆非。哪怕是全球最大的圖像識別數(shù)據(jù)庫ImageNet，仍然還差10的五次方的量級才能真正達到人的理解能力。所以就不難理解，整個領域還在拼命增加算力，這方面還遠沒有到天花板。這是科研的一條道路。

他提出，或許還存在另一條，更加巧妙的前進路線。

他給大家用計算機視覺和自然語言處理方面講了兩個例子，來解釋為什么今天有這么強大的算力，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用深度神經(jīng)網(wǎng)訓練了一個模型，讓人工智能分辨哈士奇是狼還是狗。這對于人腦來分辨，再簡單不過。但人工智能的判斷，6個結果里最多只有5個正確。用模型尋找錯誤的原因顯得非常艱難。最后研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡對于哈士奇是狗還是狼，判斷竟來自于旁邊的背景。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)特征分析一點關系都沒有。這讓人工智能顯得非常有趣，也非常危險。

此外，運用大數(shù)據(jù)，大訓練模型出來的人工智能結果，在按照設定程序來運行，表現(xiàn)非常了不起，而如果遭受攻擊，得出的結果可能大相徑庭。

沈向洋指出，以上都值得反思，深度學習做到現(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教授GaryMarcus討論，得出的結論是，預訓練的模型、深度學習的東西，到現(xiàn)在為止只是獲取知識，而不是理解知識。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。

他認為，很有必要回歸初心，回過頭去認真思考機器學習的目的到底是什么。

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

最后，接下來最重要的事情，是讓人工智能從深度學習過渡到深度理解。他正在嘗試的解決之道，是建立一個開放域的對話模型，建立神經(jīng)會話模型，能夠做到深度理解的框架。
責任編輯：YYX