CCAI 2019 | 張鈸:走向第三代人工智慧

dicksonjyl560101發表於2019-07-15



CCAI 2019 | 張鈸:走向第三代人工智慧

ccai2019

2019年中國人工智慧大會(Chinese Congress on Artificial Intelligence 2019,簡稱“CCAI 2019”)將於在9月21日-22日在青島召開。

6月24日,由人民網研究院編撰的移動網際網路藍皮書《中國移動網際網路發展報告(2019)》正式釋出。報告指出,人工智慧與產業結合推動爆發式增長,是未來我國移動網際網路發展的重大趨勢之一。人工智慧有望作為一項基礎性技術支撐,賦能各行各業,形成新一波高速發展浪潮。

“人類正在走向智慧時代”。一方面,全球科研機構、科技公司都在人工智慧研發方面投入越來越多的精力,一場賭注未來、搶佔產業先機的新競賽已經鳴槍起跑;另一方面,不論是戰勝圍棋冠軍的AlphaGo,還是獲得公民身份的仿人機器人索菲亞,人工智慧在應用領域的一系列表現,讓世人對它的理解,從科幻電影裡酷炫非凡的特技效果,變成了更多實實在在、觸手可及的真實場景。

關於人工智慧,從來不缺少觀點與爭論。但行業的發展,離不開的是清醒的認識與洞見。在這方面,老一輩人工智慧科學家張鈸堪稱典範。

CCAI 2019 | 張鈸:走向第三代人工智慧

張鈸是計算機專家、中國計算機學會會士,2014年獲得中國計算機學會終身成就獎。他還是中國科學院院士,清華大學人工智慧研究院院長。從事人工神經網路、遺傳演算法、分形和小波等理論研究,並聚焦模式識別、知識工程、智慧機器人與智慧控制等領域的應用技術研究。

作為人工智慧領域的專家, 張鈸擔任此次人工智慧大會的榮譽主 席,將出席大會並做題為《走向第三代人工智慧》的專題報告 ,瞭解他對行業的思考與洞見,有助於我們更科學地看待人工智慧的前景。

近年來人工智慧的突破及其侷限性

影像識別、語音識別和圍棋,堪稱近年來人工智慧發展的“代表作”:

2015年,微軟宣佈在ImageNet的影像識別上,電腦系統識別能力已經超越了人類:人類錯誤率為5.1%,而微軟的深度學習系統可以達到4.94%;

2016年,搜狗、百度和科大訊飛宣佈,各自的中文語音識別準確率均達到了97%,高於人類;

2016年及2017年,AlphaGo以壓倒性優勢接連擊敗當前最好的人類棋手李世石與柯潔。

在張鈸看來,人工智慧之所以能取得這些成績,主要來自三方面的原因:一是大資料,二是計算能力,三是演算法。

以圍棋為例,一個人類棋手一生能夠經歷的棋局量級能達到百萬,可AlphaGo在三個星期內就學習了7000萬局人類棋局,還“左右互搏”,自己與自己下,量級達到幾十億級。這兩項資料可謂雲泥之別,人類棋手在坐到棋盤前就已經輸了,難怪柯潔在敗北後也只好感慨:“它太完美,我看不到希望。”支撐AlphaGo在如此短的時間內“消化”掉幾千萬局棋局的,正是強大的學習演算法。

雖然當前人工智慧的進步讓人刮目相看,但是張鈸認為,這些成功是因為場景都滿足了以下五個條件:

第一,資料充足,不僅是說數量大,還要具備一定的多樣性,且不能殘缺;

第二,確定性;

第三,具有完全的資訊,這是最重要的;

第四,靜態,包括按確定性的規律演化,具有可預測性。

第五,特定領域和單任務。

反之,一旦不能滿足上述全部條件,計算機做起來就會感到困難。

比如,AlphaGo之所以能在圍棋上吊打人類,就是因為圍棋屬於完全資訊博弈,它雖然複雜,但本質上只需要計算速度夠快,計算機就可以學習掌握。但在日常生活中,人們的所有決策都是在不完全資訊的條件下完成的,這就使得計算機的應用場景明顯受限。別的不說,如果把圍棋換成麻 將,計算機就會感到棘手,因為麻 將(以及其他牌類)屬於不完全資訊博弈。

此外,靜態的條件也過於理想。它要求事態按照確定的規律來演化,具有可預測性。但現實往往不是這樣,比如路況,本身就是一個複雜的場景,不具備可預測性,可見在複雜路況下自動駕駛還有很長的路要走。

CCAI 2019 | 張鈸:走向第三代人工智慧

什麼是“智慧”該有的樣子?

既然當前人工智慧取得的成果還存在不少侷限,那麼,什麼才是“智慧”該有的樣子?

張鈸的答案是:要有理解。

當前人工智慧的能力範圍,受限於他所提到的上述五個條件,恰恰說明計算機是依靠不斷重複計算和學習來達到眼前效果的,現在的人工智慧是沒有理解的人工智慧。

以問答系統為例,計算機之所以能夠給出問題的答案,並不是因為它理解了人類在說什麼,而是依靠大量的資料檢索,尋找或匹配出了與問題相對應的答案。它可以回答“美國總統是誰”,但如果你問“川普是個人嗎”,它大概會懵掉。

會檢索、檢索快,在張鈸看來還遠談不上智慧。現在的深度學習本質上是基於機率統計的學習,簡單來說,就是尋找那些重複出現的模式,重複多了就會被認為是規律和真理,所以大資料也會出現不理想甚至是錯誤的結果。

因此張鈸提出,人工智慧的核心應該是知識表示和不確定性推理。對人工智慧來說最重要的能力是知識,而非資料。機器應用資料的能力已經超過了人類,但人類在應用知識方面要強於機器,如果兩者無法結合,人工智慧就無法很好地與產業結合。他認為,有理解的人工智慧是可以做出來的,只不過這需要時間。

CCAI 2019 | 張鈸:走向第三代人工智慧

人工智慧未來的方向?

張鈸表示,人工智慧實際上經歷過兩代,第一代是符號推理,第二代就是目前的機率學習,它最大的問題是不可解釋和不可理解。

為什麼人工智慧需要可解釋性?

假如人工智慧將來越來越多地應用到實踐中,那麼人類就必須要知道,計算機是如何“想”的。

比如智慧駕駛汽車要上路,如果人類不清楚工作原理,那如何放心的把生命安全託付給計算機?

因此張鈸提出要建立可解釋、魯棒性(即效能穩定,抗干擾能力強等狀態)強的人工智慧理論和方法,發展安全、可靠和可信的人工智慧技術。他提倡發展第三代人工智慧,這還需要電腦科學與數學、腦科學等的結合與突破。


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29829936/viewspace-2650526/,如需轉載,請註明出處,否則將追究法律責任。

相關文章