發(fā)布時間： 2017年11月02日
John Hopcroft是美國康奈爾大學(xué)計算機系工程學(xué)與應(yīng)用數(shù)學(xué)教授，也是1986年圖靈獎得主。兩年前，他還在從事計算機科學(xué)理論的研究，而今卻投身于人工智能（AI）的洪流。“AI確實吸引了太多人的想象力，現(xiàn)在每個人都在想著怎么做AI，幾乎可以說都和AI沾邊。”
近日，第十九屆“二十一世紀的計算”大型國際學(xué)術(shù)研討會舉行期間，談起如今AI的熱度，微軟全球資深副總裁、美國計算機協(xié)會（ACM）院士Peter Lee深有感觸。
在Peter Lee看來，AI和機器學(xué)習(xí)的出現(xiàn)，是人類歷史上的一個拐點，就好像曾經(jīng)的活字印刷術(shù)一樣，將改變?nèi)祟惖臍v史。而我們需要做的，則是推動AI的應(yīng)用和普及，以及不斷探索AI的極限。
人工智能革命“還需另外40年”
本屆“二十一世紀的計算”學(xué)術(shù)研討會的主題是“人工智能，未來之路”。主辦方微軟亞洲研究院與哈爾濱工業(yè)大學(xué)之所以聚焦于此，是希望在人工智能浪潮全面爆發(fā)的時刻，從計算機科學(xué)基礎(chǔ)研究的角度探尋人工智能領(lǐng)域的未來走向，幫助人們更好地抓住計算機科學(xué)發(fā)展的機遇。而前來參加此次盛會的數(shù)位學(xué)術(shù)“大咖”對此儼然也是“心有戚戚焉”。
John Hopcroft所作大會報告的主題就是“AI革命”。作為實現(xiàn)人工智能的一種方法，John Hopcroft認為，信息革命正在改變我們的世界，而機器學(xué)習(xí)則是其重要的推動力。其中，深度學(xué)習(xí)是機器學(xué)習(xí)非常重要的一個方面。然而，截至目前，深度學(xué)習(xí)仍舊存在一些問題。
他舉了一個例子，幾乎相同的兩張貓的圖片，深度學(xué)習(xí)算法將其中一張識別為貓，而將另一張識別為汽車。這表明，這一算法并不能解釋貓之所以被稱之為貓的原因，也不理解貓是一種愛吃魚的動物。因此，他認為，“現(xiàn)在的人工智能只是高維空間的模式識別而已，并不能抽取物體的本質(zhì)特征，進而理解其功能或其他重要方面?！痹贘ohn看來，要實現(xiàn)這一點，需要另外40年的時間才能完成這場革命。
Raymond Mooney是美國得克薩斯大學(xué)人工智能實驗室主任，也是ACM和美國人工智能學(xué)會（AAAI）院士。他也認為，雖然近年來深度學(xué)習(xí)在很多非常具有挑戰(zhàn)性的領(lǐng)域取得了長足的進步，如語言識別、圖像識別、棋牌游戲等，但這一算法的能力被過度夸大了，它具有明顯的局限性，尚不能真正解決AI的核心問題。
他特別指出，現(xiàn)在基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)吸引了人們絕大部分的注意力，相對而言，符號學(xué)習(xí)這一古老而重要的分支并沒有得到應(yīng)有的重視。他希望未來能把深度學(xué)習(xí)與符號學(xué)結(jié)合起來，真正實現(xiàn)人工智能。而“未來之路”還很長，也會很激動人心。
基礎(chǔ)研究的重要性
滕尚華是美國南加州大學(xué)計算機科學(xué)與數(shù)學(xué)系教授、ACM院士，曾兩度獲得理論計算機領(lǐng)域最高獎——哥德爾獎。他的研究成果對于如何應(yīng)對大數(shù)據(jù)時代的挑戰(zhàn)有重要啟示。
作為一名計算機理論科學(xué)家，滕尚華告訴《中國科學(xué)報》記者，他之所以研究某個問題，是因為這個問題讓他覺得“非常美”，具有想象的空間。在他看來，“理論和實際總是有很大的距離，這個距離有時候是好事情，有時候卻是壞事情”。好事情就是它給做理論的人一個小的自我空間，可以讓研究者更加富有想象力，壞的一面就是它不一定馬上就會產(chǎn)生影響。“所以美和有用不一定相同?！?/p>
此前，微軟全球資深副總裁、微軟亞太研發(fā)集團主席兼微軟亞洲研究院院長洪小文在其《中國人工智能的發(fā)展正迎來最好的時代》一文中寫道，“中國要擁有更強勁、更可持續(xù)的AI競爭力，除了關(guān)注在產(chǎn)業(yè)上開花結(jié)果的技術(shù)，還需要加大對基礎(chǔ)研究的投入，甚至是那些尚處于‘冬天’的領(lǐng)域?！?/p>
對此，滕尚華也很認同。不過，他很樂觀地認為，現(xiàn)在包括清華、北大、哈工大等在內(nèi)的國內(nèi)一流高校已經(jīng)培養(yǎng)出很多接受了世界級訓(xùn)練的有才華的青年，不亞于世界任何其他地方。在開放、自由的交流氛圍下，在好奇心的驅(qū)使下，這些年輕人未來一定可以“自我優(yōu)化”，做出有價值的基礎(chǔ)研究。
微軟公司新近成立了微軟研究院人工智能中心（MSR AI）。在接受《中國科學(xué)報》記者采訪時，Peter Lee表示，其初衷正是為了糾正這樣一個危險的傾向，即有些研究員可能更傾向于從事一些短期的、能很快產(chǎn)生實際影響的研究，而微軟則希望他們對AI能夠有更長期的思考?！斑@就是為什么我們成立了MSR AI這個新機構(gòu)的原因，主要是希望能夠促進對于AI最根本、最基礎(chǔ)的一些理解和研究?！?/p>
AI的局限性
10月19日凌晨，谷歌人工智能團隊DeepMind在《自然》雜志上發(fā)表論文，宣布新版AlphaGo——AlphaGo Zero可以在沒有人類指導(dǎo)的情況下學(xué)習(xí)。這一進展在業(yè)內(nèi)引起了很大反響。
談及這一話題，Peter Lee告訴《中國科學(xué)報》記者，如果能夠非常具體地定義某一個任務(wù)，例如打游戲，或者完成某項翻譯工作，微軟研究員所提出的一種新的學(xué)習(xí)范式——對偶學(xué)習(xí)，也非常接近于能夠讓機器在無監(jiān)督的情況下進行自我學(xué)習(xí)。對偶學(xué)習(xí)最關(guān)鍵的一點是，給定一個原始任務(wù)模型，其對偶任務(wù)的模型可以給其提供反饋。例如，就機器翻譯而言，從中文到英文和從英文到中文，就是一種對偶性。
不過，Peter Lee也坦承，如果任務(wù)是更加復(fù)雜或者開放性的問題，還不清楚AI的這種學(xué)習(xí)模式能否進行。
洪小文表示，如何幫助機器更好地學(xué)習(xí)是一個未來非常廣闊的話題。除了對偶學(xué)習(xí)，微軟還在風(fēng)格遷移、視覺特征遷移等方面都提出了新的算法，以促進AI創(chuàng)造力的提升。
那么，我們現(xiàn)在距離完美的人工智能究竟還有多遠？對此，Peter Lee認為，雖然目前人工智能在技術(shù)和產(chǎn)業(yè)兩個方面都面臨“奇點時刻”，但這一問題仍舊難以回答。因為我們還不知道人工智能的潛力是否像光速和聲速一樣有局限性和邊緣?！拔覀兾ㄒ荒艽_定的是，機器的智能和人類智能是非常不同的?！?/p>
主辦單位： 郴州市科學(xué)技術(shù)局
技術(shù)支持： 長沙諾為信息技術(shù)有限公司
郴州市科學(xué)技術(shù)局版權(quán)所有 ICP備案號： 湘ICP備10209074號-33
公安備案號 ：
43110302000213
