機器學習和人工智慧處於“真空填補期”和“黎明前的黑暗”

作者：黃廣斌
來源：公眾號“超限學習機”（授權轉載）

機器學習未必就是人工智慧

也許把機器學習當作人工智慧是個“美麗”的時代錯誤。人工智慧強調的是“人工”創造的“智慧”，機器學習是“機器”自主從資料中找出“知識”。當資料少和人能推導控制時，“人工”的特性比較明顯，人們會認為機器學習是人工智慧的一部分。這種智慧“人工”的創造從1950年代到本世紀初尤其明顯。沒有資料，機器很難學習到充分的知識，人的知識便在智慧的實現中起到關鍵作用。因而許多情況下機器學習是實現人工智慧的重要輔助工具。

然而隨著資料量，資料複雜度，和應用複雜度指數式增長，機器學習有望獨立於人工智慧。各種應用和各種資料有其自我特徵和規律，將來可能建立機器學習科學，從而更加科學地實現機器學習，這可能也有人工參與應用這種科學和技術，並不能因此就把另外一個機器學習“世界”歸為人工智慧。就像物理世界有其規律，當人類社會發現物理定律，瞭解物理世界，進而利用物理定律改變世界，我們並不能就因此就說物理世界是人工創作的。

隨著時間的推移，人工智慧和機器學習的區別就會越來越明顯，二者又相互促進。機器學習的發展很大程度上來自資料科學和應用的驅動，直接的表現又好像是人工智慧的發展和成就，人工智慧和資料科學的發展也是機器學習變的更科學有效。

“真空填補期”

機器學習和人工智慧目前基本還是處於由於大資料和超高效運算環境帶來的產業機會，實現以前由於資料匱乏和運算資源有限而不能實現的應用，基本屬於快速的“真空填補期”。新產品新創意層出不窮。這就有點像餓極的狼（產業界）突然面前有成群結隊的羔羊（資料）出現一樣，幾乎是逮到羔羊便是機遇。

“黎明前的黑暗”

同時從歷史發展看，機器學習和人工智慧又處於黎明前的黑暗期，雖然表面看上去華麗多彩，背後卻是大量資源的消耗，“血拼”，暗示著這種研發的侷限性和不可持續性。25年前面對BP普天下調參，15年前面對SVM普天下調參，基本都是10年一個波瀾壯闊的“調參”週期，最近幾年面對深度學習普天下又開始了新的“調參”週期。

新的機器學習技術依賴機器學習科學

每次”痛苦“經歷的背後也許預示著新的技術呼之欲出，縱觀過去60多年的歷史，機器學習和人工智慧本身就遵循一個螺旋式上升的發展過程，2-5年後可能新的一波機器學習技術要興起，突出表現為：

1. 機器學習從雲端走向各類本地智慧終端/感測器/裝置，雲端機器學習和本地機器自主學習有機融合；
2. 機器學習演算法本身不再依賴於GPU的支撐，但GPU等卻可以實現眾多智慧系統在雲端的同步協同；
3. 基於神經形態，FPGA和光技術的晶片開始在普適學習/普適智慧中顯現魅力；
4. 機器學習也許不需要特別“深度”，理論上講5-8層神經網路具有普適學習能力；
5. 無監督學習理論可能有突破性發展；
6. 機器學習不必依賴於大資料，小樣本學習技術的吸引力不可小覷。

到那時候機器學習和人工智慧的春天也許才能真正到來，中國的機器學習和人工智慧界朋友們是要“血拼”還是“智取”？

作者簡介：

黃廣斌，新加坡南洋理工大學終身教授，德國寶馬集團和南洋理工大學未來汽車聯合研究實驗室人機互動、腦機互動以及汽車輔助駕駛專案和英國勞斯萊斯和南洋理工大學聯合研究實驗室導航決策輔助系統專案負責人。曾任過新加坡樟宜機場新加坡航空公司地面服務公司第五貨運大廈的資訊跟蹤控制系統升級改造的總設計師和技術負責人。

---

CCAI 2016中國人工智慧大會將於8月26-27日在京舉行，AAAI主席，多位院士，MIT、微軟、大疆、百度、滴滴專家領銜全球技術領袖和產業先鋒打造國內人工智慧前沿平臺，6大主題報告，人機互動、機器學習、模式識別、產業實戰相關4大專題論壇，1000+高質量參會嘉賓。門票限時六折優惠中。