徐波：新一代人工智能正在崛起

本篇文章3615字，读完约9分钟

(中国科学院自动化研究所所长、中国科学院人工智能研究所所长)

人工智能的发展绝非一帆风顺。经历了几次大起大落后，以深度学习为代表的新一代人工智能的兴起正深刻地影响着一个国家的国际竞争力和国际产业竞争格局。目前，世界主要发达国家都把人工智能作为国家战略，努力抢占新一轮科技革命的制高点。在全球竞争的压力下，我们站在人工智能新时代的悬崖顶上，再次问自己这个引发一切的问题:什么是人工智能？人工智能如何改变社会？中国的人工智能应该做什么样的探索？

人工智能:是否具有很强的学习能力

经过60多年的风风雨雨，人工智能在三种发展力量的碰撞下重生了:深度学习、大数据和计算能力。数据智能已经成为这一人工智能浪潮的技术特征。在特定的应用场景中，人工智能基于场景大数据进行学习，发现知识，创造价值，并为智能系统的合理决策和行动提供支持。在这种背景下，“人工智能”这一初始阶段需要大量数据作为“思考”和“决策”的基础，而大数据也需要人工智能技术来进行数据价值运算。

人工智能和自动化之间有明显的区别。自动化是基于一定的模型和过程，可以自动反馈和控制，也有能力调整环境中某些参数的变化。数学家也可以提出判断依据来判断这些自动化系统调节能力的稳定性。然而，人工智能的研究对象具有严重的模型不确定性，即模型未知或知之甚少，模型的结构和参数变化很大。如果人工智能具有适应非结构化环境变化系统的能力，它就具有自主性，这是自动化的高级阶段。自主性是由信息甚至知识驱动的。该系统能够根据任务需求独立完成“感知-判断-决策-执行”的动态过程，并能应对突发情况。

这种基于大数据的静态学习和基于自动化的动态自主学习大多是弱人工智能。静态学习与大数据标注相结合形成闭环，从而不断提高性能，如语音识别、图像识别、机器翻译等任务。动态学习能力是建立与环境的实时学习和反馈机制，不断适应交互需求，如机器人和自主无人系统进入物质世界。现有的大多数人工智能算法在真实数据或环境中只有线性的性能提升，但通过虚拟环境实现超实时和指数级的性能提升是可能的，这需要突破人工智能的基本理论。

智力的奥秘在于没有明确的标准。但是真正的人工智能无疑应该具有很强的学习能力。在认知和决策阶段，对环境的理解、推理和结果的可解释性都是人工智能的基本特征。我们正处于真正人工智能的初级阶段，这意味着空的巨大发展，这就是人工智能的魅力所在。只要这些问题得到改善和解决，人类社会和人们的生活就会发生巨大的变化。

人工智能:处于社会变革的初级阶段

自20世纪50年代以来，根据解决问题的不同阶段，人工智能大致可以分为三个阶段:感知智能、认知智能和决策智能。

第一阶段是知觉智能，以语音识别、图像理解、字符识别为主要任务，即“听、说、看、识别”，单个任务已接近或超过人类水平。在人工智能取得最大进步的语音识别领域，基于数万甚至数十万小时的语音数据注释，深度学习可以达到甚至超过我们的听写水平。目前，人工智能技术在感知智能层已经进入成熟阶段。

第二阶段是认知智能，以推理、决策、学习为主要任务，表现为“理解、思考和认知”。让机器回答“这种天气状况会导致明天的航班延误吗？”例如，机器不仅需要知道现在是什么天气，还需要知道什么样的天气会导致航班延误和其他常识，还需要知道特定航空公司/公司或机场的飞机起飞的基本标准。常识和推理是语言理解的基础，而词汇只是人类认知的冰山一角。认知智能的研究才刚刚开始，目前人工智能的认知上限还很低。

随着机器认知水平的越来越高，其“自主性”进一步增强，并具有应对更多情况和功能的能力。人类将不可避免地将越来越多的问题交给机器决策。但是机器的决策一定要比人类的决策更正确吗？因此，有必要加强复杂问题下人与智能系统之间的交互与合作智能研究，即决策智能。

然而，感知智能、认知智能和决策智能并不截然不同。目前，人工智能只解决特殊场景的感知智能，如识别、分类、跟踪、检测等。，但是当这些感知智能走向一般场景时，它们就进入了认知智能和决策智能之间的边界。当我们试图把语音识别系统放在一个有噪音背景的鸡尾酒会上时，现有的系统很难区分东南西北。就像人脑一样，机器需要调用人类的知识、常识和其他记忆并做出连续的选择决定，以便有效区分不同的信号源并正确处理它们。目前，人工智能离认知智能和决策智能还很远，还有大量的“无人区”亟待探索。

人工智能技术正在用极其丰富的数据塑造商业和社会场景，但目前推动商业爆炸性增长的人工智能往往并不复杂。事实上，只需要一个计算机系统来完成传统上由专业人员完成的特定任务——这通常被称为“弱人工智能”。

人工智能作为社会发展的引擎，必须与各行各业深度融合，人工智能平台非常重要。像人类工业文明的蒸汽机一样，该平台可以适应不同的应用领域，形成不同的人工智能社区，以帮助解决气候变化、改善生产和管理流程、提供医疗辅助诊断以及改变人类教学方法。在人工智能时代，我们需要新的思维逻辑，数据和算法已经成为整个世界的底部，这也是我们理解未来的关键。然而，受人工智能技术和商业推广的限制，这种变化还仅仅处于初级阶段。

人工智能在中国:健康发展的正确道路

首先，人工智能技术的发展首先需要一个务实的环境。只有通过冷静客观的判断和勤奋的努力，这项技术才能真正方便人们的工作和生活。近几年来，以背景人工工作为人工智能，刻意提高人工智能水平以获取投资，以预设程序的自动化为智能的伪人工智能行为层出不穷。此外，媒体的报道并不严谨，比如从openai的gpt-2生成文章的能力，人工智能取代放射学家的预测，缺乏对deepmind论文潜在局限性的讨论，以及elonmusk承诺在2020年实现无人驾驶。在扰乱人工智能市场的同时，也给决策者和公众带来了困惑。实践证明，即使在更简单、更具体的智能放射学案例中，也很难将实验室演示应用于现实，而且实现比大多数人预期的更复杂的全自动驾驶要困难得多。

第二，人工智能学习能力的基本科学问题需要长期探索。真正的人工智能的核心在于卓越的学习能力，它可以成倍地提高性能。目前，机器学习在机制和能力方面远远没有做到这一点。从人脑的结构、功能和可塑性学习机制探索智能的本质，研究相应的学习算法，将为理解和定量描述人工智能技术的性能预期和局限性奠定基础。人工智能不同于人类智能。研究数据与知识的结合，开发能够充分利用观测数据、仿真数据和先验知识的人工智能算法系统，设计和测试基于真实物理环境的学习算法也非常重要。

第三，要坚持把登陆应用场景作为推动新一代人工智能发展的起点。人工智能作为一种多功能和赋权的技术，对人类经济和社会发展有着深远的影响。随着中国新一代人工智能发展计划的实施，充分发挥中国独特的海量数据资源、巨大的应用需求和深厚的市场潜力，推动关键核心技术的形成和应用模式的推广，为中国人工智能的健康发展建立新的高地，这是目前人工智能发展的动力。

第四，要加快建立与人工智能创新链相连的人工智能平台生态。像所有创新的信息技术一样，人工智能正迅速走向开源、平台和生态。在过去的几年中，深度学习框架如pytorch和tensorflow已经变得流行起来，这极大地优化了模型的性能并提供了一个更有效的开发模型。在中短期内，中国应充分发挥其应用优势，从应用、芯片和基本算法的协同出发，依托现有的开源平台和优势企业、联盟等社区，集中力量开发开源和开放的人工智能平台，打好人工智能基础。底层应用生态；中长期而言，要通过算法的原始创新，形成从基础理论、算法、芯片、核心软件到应用生态的完整创新链，研究建立基于知识产权共享的开源激励机制和大规模群体协作共享机制，推动基础算法、行业数据和典型应用的开放共享，推动形成具有国际影响力的标准和规范，占领人工智能制高点。

他在主持中共中央政治局第九次集体学习时强调:“人工智能是新一轮科技革命和产业变革的重要推动力。”加快发展新一代人工智能关系到中国能否抓住新一轮科技革命和产业变革的机遇。战略问题。”中国在这一人工智能浪潮中扮演着不可替代的角色，并且有可能第一次处于领先地位。新一轮科技革命和产业转型已经开始。

在此背景下，围绕人工智能重大问题，探索新国家体系在基础理论和关键核心技术重大突破中的作用，加快建设资源密集型主导创新体系，是十分必要的。一方面，要从国家层面完善人才政策和评价体系，营造吸引人才、适合人才成长、稳定支持人才的环境，组织科学家和工程师开展团队研究，长期稳定解决关键问题，鼓励自由探索。另一方面，加快人工智能研究中心和实验室的布局，横向吸收各领域的人才和资源，碰撞智慧火花，纵向连接整个人工智能创新链。

在这场关乎未来和命运的大博弈中，我们必须抓住人工智能发展的重大战略机遇，打造先发优势，把握新一轮科技革命的战略主动权，以实现中国在人工智能马拉松国际竞争中始终占据有利地位，为建设创新型国家奠定坚实基础。