人工智能真的靠譜嗎
一場Google
AlphaGo與圍棋世界冠軍李世石的對弈吸引了全世界的目光，也讓人工智能再度成為業(yè)界討論的熱點話題。人工智能自1943年誕生以來，在幾十年的發(fā)展歷程中經(jīng)歷了多次潮起潮落，人們卻從未停止過對人工智能的研究與探索。當(dāng)下，摩爾定律驅(qū)動計算力不斷增長，云計算、大數(shù)據(jù)、移動互聯(lián)網(wǎng)這些趨勢在影響著人類社會的生活與生產(chǎn)方式，也成為人工智能的催化劑，促使著人工智能不斷的演進。那么，在大數(shù)據(jù)時代到來的背景下，人工智能未來會朝著什么方向發(fā)展?人工智能在未來能夠超越人類么?人工智能兩大流派：聯(lián)結(jié)主義和符號主義孰優(yōu)孰劣?近日，在百分點數(shù)據(jù)與價值國際論壇上，來自北京大學(xué)數(shù)學(xué)學(xué)院教授林作銓、東南大學(xué)計算機與工程學(xué)院教授漆桂林、普惠金融首席數(shù)據(jù)科學(xué)家李文哲以及百分點集團技術(shù)副總裁劉譯璟等多位人工智能領(lǐng)域的專家就這些話題進行了深度討論。
眾所周知，人類的智能主要包括歸納總結(jié)和邏輯演繹，與之對應(yīng)的就是人工智能中的聯(lián)結(jié)主義和符號主義兩大最主要的流派。前者典型方法為神經(jīng)網(wǎng)絡(luò)、統(tǒng)計學(xué)習(xí)、深度學(xué)習(xí)等;而后者則包括形式語言、邏輯推理、專家系統(tǒng)等。這兩大流派在人工智能發(fā)展歷史中互有起落。而隨著2006年加拿大多倫多大學(xué)教授、機器學(xué)習(xí)泰斗Geoffrey
Hinton在《科學(xué)》雜志發(fā)表深度學(xué)習(xí)方面的論文，深度學(xué)習(xí)在學(xué)術(shù)界以及商業(yè)界持續(xù)升溫，語音識別、圖像識別、自然語言處理、搜索廣告等深度學(xué)習(xí)相關(guān)的應(yīng)用為之大熱。作為聯(lián)結(jié)主義的代表，深度學(xué)習(xí)儼然成為人工智能當(dāng)下最為熱門的領(lǐng)域。
對此，北京大學(xué)林作銓教授認(rèn)為：“2006年開始迅速發(fā)展的深度學(xué)習(xí)恰恰在人工智能的基本原理方面并沒有太大貢獻。深度學(xué)習(xí)的本質(zhì)是靠大量數(shù)據(jù)進行層級計算，第一層學(xué)習(xí)之后變成另一種表示，然后特征的抽取變成第二層，層級越多所達(dá)到的效果一定會更好;另外，深度學(xué)習(xí)每一層的計算或者所謂的學(xué)習(xí)其實本質(zhì)就是應(yīng)用數(shù)學(xué)問題，即解出一個信息函數(shù)，但是原則上這些非線性函數(shù)都是難計算的。因此，帶來兩大問題就是：首先，深度學(xué)習(xí)網(wǎng)絡(luò)不斷增加深度層級的意義;另外就是每一層級的計算的理論問題，計算數(shù)學(xué)解決不了，深度學(xué)習(xí)也解決不了?！?br>
東南大學(xué)計算機與工程學(xué)院教授漆桂林則認(rèn)為，讓機器學(xué)習(xí)具備認(rèn)知和推理能力是人工智能領(lǐng)域下一步需要真正思考的難題，“不是所有公司都擁有Google這樣的大數(shù)據(jù)能力，Google跑深度學(xué)習(xí)的效果非常好。但是換了另外一家公司卻可能沒那么好的效果。如何在更小數(shù)據(jù)量上面提高機器的學(xué)習(xí)能力，其實需要讓它具有認(rèn)知和推理能力。目前幾個深度學(xué)習(xí)領(lǐng)域的權(quán)威專家已經(jīng)在不同場合表示需要把人類的規(guī)則推理引入到神經(jīng)網(wǎng)絡(luò)，使得神經(jīng)網(wǎng)絡(luò)具有更好的解釋性?！?/p>
“人們對于深度學(xué)習(xí)的理解還沒到我們想要的人工智能的程度，想要通過深度學(xué)習(xí)的模型達(dá)到人的智慧還非常難做到?！逼栈萁鹑谑紫瘮?shù)據(jù)科學(xué)家李文哲補充道。
對于符號主義而言，認(rèn)為人工智能源自數(shù)學(xué)邏輯，核心思想就是應(yīng)用邏輯推理法則，在人工智能中體現(xiàn)就是機器定理證明。符號主義認(rèn)為知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)，知識表示、知識推理、知識運用是人工智能的核心，知識通過符號表示，認(rèn)知即為符號的推理過程，推理過程又可通過形式化語言來描述，并且主張通過邏輯方法來建立人工智能統(tǒng)一體系。林作銓教授表示：“符號主義的核心目標(biāo)仍然是探尋人工智能的基本原理，屬于基礎(chǔ)研究。人工智能的原始目的之一就是通過計算機來模擬人的智能行為，探尋智能的基本原理，這個目標(biāo)還遠(yuǎn)遠(yuǎn)沒有達(dá)到?！?/p>
人工智能之所有在當(dāng)下受到廣泛關(guān)注，除了類似Watson參加危險游戲、Google AlphaGo對戰(zhàn)圍棋世界冠軍這些熱門事件外，更多的是來自基于人工智能的應(yīng)用開始得到廣泛使用，比如銀行領(lǐng)域的自動欺詐檢測系統(tǒng)應(yīng)用、零售商的銷售定價、智能家居機器人、人臉識別系統(tǒng)、自動語音識別等等。那么對于公司而言，在人工智能領(lǐng)域方向是選擇聯(lián)結(jié)主義還是符號主義呢?
對此，普惠金融首席數(shù)據(jù)科學(xué)家李文哲以金融業(yè)為例表示兩種方向都非常有用，他表示：“金融領(lǐng)域的特點是，公司剛成立不會擁有大量數(shù)據(jù)，因此不會嘗試聯(lián)結(jié)主義這種做法，因為像深度學(xué)習(xí)肯定需要大量的數(shù)據(jù)才能得到一個較好的結(jié)果。在數(shù)據(jù)量較少的時候，專家的經(jīng)驗才是最重要的，這就屬于符號主義。比如對欺詐的分析、信用風(fēng)險的評估，這些都是基于專家先前的經(jīng)驗來做的。而當(dāng)公司發(fā)展多年之后，積累了大量的數(shù)據(jù)樣本，則可以嘗試聯(lián)結(jié)主義的算法?！痹诶钗恼芸磥恚捎梅栔髁x還是聯(lián)結(jié)主義最大的考慮因素就是數(shù)據(jù)量，“具體到公司業(yè)務(wù)上考慮聯(lián)結(jié)主義還是符號主義就是公司的數(shù)據(jù)量和數(shù)據(jù)復(fù)雜度，符號主義很多都是靠經(jīng)驗，很多邏輯是人為去定義。而當(dāng)數(shù)據(jù)量非常龐大、而且屬性又非常復(fù)雜的時候，就很難用這種方式去定義，這時候就需要采用深度學(xué)習(xí)的方式。”
不過，在李文哲看來，深度學(xué)習(xí)仍然處于發(fā)展的初級階段，用戶仍然在做很多嘗試和實驗，他表示：“深度學(xué)習(xí)從2006年開始逐漸火起來，但還是較初級的階段，很多做深度學(xué)習(xí)的人在‘蠻干’，嘗試不同的方法。當(dāng)發(fā)展到一定階段之后，就會有人研究理論層面。”
通常，人工智能往往劃分為三個層級，即弱人工智能、強人工智能以及超人工智能。像Google的AlphaGo就是弱人工智能的典型代表，在某一單個領(lǐng)域擁有強大的人工智能程序;另外，像機器人寫稿、Siri、微軟小冰等都屬于這個層級;通常弱人工智能并沒有自主意識，按照固定結(jié)構(gòu)去計算，并獲取答案。而隨著大數(shù)據(jù)以及計算能力的普及，弱人工智能可以被看成已經(jīng)基本實現(xiàn)。那么，能夠主動尋找問題、構(gòu)造問題的模型、并解決問題的強人工智能什么時候到來?甚至超過人類的超人工智能時代離我們又有多遠(yuǎn)?
眾多專家認(rèn)為強人工智能或者超人工智能時代將會在不遠(yuǎn)的將來到來。美國未來學(xué)家、Google工程主管Ray.Kurzweil在其《奇點臨近》一書中更是預(yù)言：“2045年左右，人工智能將會來到一個'奇點'，跨越這個臨界點，人工智能將超越人類智慧，人類歷史將會徹底改變。”不過，林作銓教授并不認(rèn)同這種觀點，他表示：“關(guān)于人工智能威脅人類的話題這幾十年以來都一直持續(xù)不斷，我并不認(rèn)同2045年會是人工智能超越人類的時間奇點，最近幾年搞的強人工智能，也有人稱之為通用人工智能，基本都不了了之，在短時間能很難看到實現(xiàn)的可能?！?/p>
“人工智能已經(jīng)有很多成熟的方法得到了應(yīng)用，已經(jīng)成為基礎(chǔ)設(shè)施中重要的一部分。歷史上，人工智能也熱過好幾次，這次人工智能熱對于人工智能發(fā)展有推動作用，雖然可能有泡沫，但是這個過程其實對人工智能發(fā)展有幫助?！绷肿縻尳淌谧詈蟊硎镜?。
人工智能專業(yè)前景如何?