來源：《中國人工智能學會通訊》

作者：雷濤

轉(zhuǎn)自：中國人工智能學會?

一、什么是人工智能

（一）圖靈測試

圖靈測試在 20 世紀 50 年代已經(jīng)提出，那時沒有計算機。圖靈測試指測試者與被測試者（一個人或一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果機器讓平均每個參與者做出超過 30% 的誤判，那么這臺機器就通過了測試，并被認為具有人類智能。以前有一些人可能不理解，但到今天就很明白，像小度音箱如果你連問三次今天溫度怎樣，它的回答是一樣的；但你問家人同一個問題三遍，他的回答可能是“你是否有毛病 ? 一個問題問三遍”，這就是人和機器的區(qū)別。圖靈曾經(jīng)預測，人類用 50 年左右的時間可能完成圖靈測試， 但是實際結(jié)果不太理想，人類用了 60 多年的時間才完成了圖靈測試。

（二）人工智能的應用

人工智能的應用領(lǐng)域非常廣泛，如人臉識別和跟蹤、遙感影像中的目標檢測、醫(yī)學領(lǐng)域中的病灶識別和分類、材料領(lǐng)域的新材料發(fā)現(xiàn)。除此之外，人工智能在機器人領(lǐng)域的應用更為廣泛 , 對機器人的發(fā)展而言 , 從機械角度來講，目前的機器人靈活度和穩(wěn)定度已經(jīng)做的非常好，比在機器人腦部方面的進展要快 , 然而決定機器人水平的主要依據(jù)是其智能水平。這和人一樣，醫(yī)院神經(jīng)科的醫(yī)生地位通常更高，因為神經(jīng)科的病人特別多；且這些病相對來講比較難治療，因為人腦結(jié)構(gòu)非常復雜。所以從人工智能類腦計算出發(fā)，實現(xiàn)仿人機器人還有漫長的路要走。

人工智能也是影視娛樂領(lǐng)域的一個重要話題，典型代表是 2004 年的好萊塢電影《我，機器人》，影片中對人工智能有超前認識，講的是機器和人最終的區(qū)別是情感區(qū)別。如果有一天機器也有情感會怎樣？顯然 , 推進人工智能發(fā)展 , 預測人工智能的未來需要工科與人文社科研究人員共同努力和協(xié)調(diào)發(fā)展。

二、人工智能背后的技術(shù)原理

（一）機器學習

今天人工智能發(fā)展的如火如荼，核心原因是機器學習理論。我們要研究人工智能無非就是做一個仿人機器人，讓機器達到和人幾乎一樣的功能。人之所以聰明，最根本的原因是會學習。怎么教會機器學習？從我們小時候教育的過程就可以理解機器和人學習的過程。小學一年級學習加法時，老師課后會布置大量作業(yè)，做錯了很正常 , 繼續(xù)修改就行；通過大量訓練和糾錯 , 到小學三年級大家就掌握了加法的本質(zhì)原理 , 基本不會犯錯了 , 那么學習的目的就達到了。

人對世界的認知就是一個學習過程，這個學習有一個特點是小樣本學習，需要較少的例子就可以學會 ( 當然存在特殊情況 , 智力有問題的人通常難以有效學習 )。比如人對貓和狗的識別，通?？磶讖垐D片就認識了。機器怎么學習？例如利用機器學習的方法可以對圖像進行分類，然而當模型過于簡單（智力水平低）時，訓練好的模型只能識別常規(guī)的貓和狗，如果對圖像進行各種退化處理或者尺度放縮及形變，模型往往會出錯，而人通?？梢詰獙Ω鞣N外界環(huán)境的干擾做出正確識別。這就說明一個問題，人的大腦學習是很聰明的過程，看兩三張照片就掌握了規(guī)律，是小樣本學習。機器要完成對貓和狗的正確識別，需要海量訓練樣本（圖片），同一張圖在訓練前需要做各種尺度、旋轉(zhuǎn)、仿射變換等（數(shù)據(jù)增強策略），只有輸入大量圖片機器才能有效掌握識別貓和狗的規(guī)律。如同班上聰明的學生通常只需做兩三道題就能掌握這種類型題，而智力水平低的學生需要做幾百道同類型的題才能掌握規(guī)律，當前的機器學習好比智力水平較低的學生。

第二個區(qū)別，魯棒性。比如給機器一個辨別色盲的照片，機器大概率會出錯，因為它應對各種新情況能力較弱，而人應對外界環(huán)境變化的能力遠高于機器。目前的深度學習技術(shù)在魯棒性方面已經(jīng)有了明顯改進，比如人臉識別，回顧 10 年前的人臉識別系統(tǒng)，戴口罩根本無法識別，而現(xiàn)在可以正確識別，說明當前的機器學習水平已經(jīng)比過去提高很多。機器學習還有一個重要概念是泛化能力，比如我現(xiàn)在認識你，你帶了一個小伙子來了，我說這是你兒子，因為和你長的像；而機器通常對它沒有見過的東西，出錯概率比人要高的多。如果我們訓練好一個模型，機器可以對這張圖片進行一個正確識別；而像漫畫形式的，機器出錯的概率就非常高。

學習的過程就是總結(jié)規(guī)律、反復糾錯的過程。小學生如果錯一個字老師可能會讓他寫幾十遍，說明大腦可以被認為是一個模型，這個模型本來不健全，通過不斷學習，模型穩(wěn)定后就不再出錯，這是一個反復糾錯的過程。機器也一樣，現(xiàn)在的人臉識別模型就是一個復雜函數(shù)，里面有很多參數(shù)，只要調(diào)整參數(shù)值整個判別函數(shù)就變了。所以，我們要學習模型里不同參數(shù)值，參數(shù)初始值是隨意給的，而機器學習在第一次的學習過程中（例如 1+1=3），錯了就對參數(shù)進行修改；第二次學習過程中又一個樣本學習錯了（例如 2+5=9），繼續(xù)再修正參數(shù)；一直下去，直到發(fā)現(xiàn)它能連續(xù)多次正確就不再修改模型里的參數(shù)，這是學習的最基本過程。

圖 1 誤差函數(shù)的變化

機器學習涉及到的三要素是數(shù)據(jù)、模型和算法。比如要對一些圖片進行識別，把貓識別出來，就需要大量樣本，就好比學生學習需要大量題庫，如果題庫都沒有做過，怎么可能掌握基本知識，所以樣本可以認為是最基本的素材。進入大數(shù)據(jù)時代，由于計算機成像技術(shù)的快速發(fā)展，獲取圖像、語音、文本的方式越來越簡單，因此各種媒體數(shù)據(jù)量不斷增加。其次是模型。模型很簡單，就是一個函數(shù)。例如，我們可以看到一個簡單函數(shù)、一個復雜函數(shù)，簡單函數(shù)是線性的；復雜函數(shù)是非線性的。簡單函數(shù)可以認為是一個智力水平低的小孩，辨別能力差表現(xiàn)在這個分類的模型很簡單；復雜模型類似于一個智力水平很高的科學家，對各種各樣的事都可以做出正確判斷和處理，這就是簡單模型和復雜模型的區(qū)別。深度學習的過程就是要把簡單模型變成復雜模型，這樣就不容易出錯。機器學習最后一個要素是學習算法，例如同樣一個班的學生，為什么有的學生成績好，有的學生成績不好，就是因為學習方法不同，這是有差異的。在實際過程中也是一樣的，我們在訓練模型時用不同算法去做，效率不同，有時訓練機器 2 小時就可以收斂，有時訓練 10~20 個小時還不能收斂。所以，選擇一個很好的算法很重要。

（二）機器學習系統(tǒng)

以人臉識別為例，首先進行數(shù)據(jù)收集，需要收集大量的人臉數(shù)據(jù)，被稱為歷史數(shù)據(jù)。歷史數(shù)據(jù)包括訓練數(shù)據(jù)和驗證數(shù)據(jù)，訓練數(shù)據(jù)相當于我們平時做的題庫；驗證數(shù)據(jù)相當于模擬考試。對模型學習的過程中就是對它的參數(shù)不斷進行調(diào)整。調(diào)整的方法是，對錯的東西進行懲罰，不斷把錯的東西變成正確的。等題庫里的題做完了就開始驗證，通過驗證發(fā)現(xiàn)成績還是不行，說明老師有問題，或者說家長有問題，或者學習的環(huán)境有問題，這些外界因素就如同模型的超參數(shù)。通過調(diào)整這些超參數(shù)后再進行學習，直到成績可以了，就能夠參加最終測試。

（三）神經(jīng)網(wǎng)絡

機器學習里有很多種方法和工具，其中最核心的就是神經(jīng)網(wǎng)絡。生物學家發(fā)現(xiàn)，人腦本身就是一個復雜網(wǎng)絡，如何模擬人腦的網(wǎng)絡去工作，這是科學家一直奮斗的目標。這方面的工作可以追溯到上世紀三四十年代，模擬人腦的功能網(wǎng)絡。從最早的感知器，到今天的深度學習，其原理都是在模擬人的大腦工作機理。人的大腦大約有 860 億個神經(jīng)元?；谏窠?jīng)元的工作機理，數(shù)學家們將其抽象為人工神經(jīng)元數(shù)學模型，這是人腦工作最基本的機理，這個工作機理就是加權(quán)求和的過程。比如開會投票，六個評委每個人打分，最后的打分結(jié)果不是直接求平均值，而是帶有權(quán)重的平均。由于線性運算難以表達復雜模型，因此神經(jīng)元還涉及到是否激活的問題，這個激活是個非線性運算。因此一個神經(jīng)元首先通過加權(quán)求和的線性運算；其次通過一個非線性運算；最終輸出結(jié)果，這就是神經(jīng)元的最終工作流程。

神經(jīng)網(wǎng)絡經(jīng)歷了三次熱潮，同時也經(jīng)歷了二次寒冬。圖靈在 1936 年提出圖靈機，人工智能從此開始進入第一次熱潮。隨著計算機技術(shù)的發(fā)展，人工智能也在不斷向前發(fā)展。到 1974 年經(jīng)歷了一次寒冬，因為最早的神經(jīng)網(wǎng)絡只能對線性可分的數(shù)據(jù)進行分類，學者們就認為神經(jīng)網(wǎng)絡應用具有較大的局限性，而專家系統(tǒng)可以解決更為復雜的問題。直到 BP 神經(jīng)網(wǎng)絡出現(xiàn)后，其成功地解決了線性不可分數(shù)據(jù)的正確分類，神經(jīng)網(wǎng)絡迎來了第二次熱潮。1987 年，由于神經(jīng)網(wǎng)絡需要更多的訓練數(shù)據(jù)，且識別精度有限，而支持向量機（SVM）是小樣本學習方法，且表現(xiàn)出更好的分類性能，因此神經(jīng)網(wǎng)絡一度被質(zhì)疑，進入了第二次寒冬。直到 2006 年，因為神經(jīng)網(wǎng)絡層的設(shè)計不能太深，而人腦的工作機理是深層網(wǎng)絡，中間的參數(shù)是指數(shù)級增長，計算量和模型的復雜性也都是指數(shù)級增長；以往的神經(jīng)網(wǎng)絡很難進行深層設(shè)計，原因在于無法進行有效訓練，而 Hinton 提出深度學習的概念，通過逐層訓練結(jié)合微調(diào)的方式實現(xiàn)了深層網(wǎng)絡的訓練，由此人工智能進入了第三次黃金時代。

進入深度學習時代后，人工智能迎來快速發(fā)展，在傳統(tǒng)的 BP 神經(jīng)網(wǎng)絡中，我們通常需要人工進行特征提取，然后設(shè)計神經(jīng)網(wǎng)絡實現(xiàn)數(shù)據(jù)分類或回歸。比如做人臉識別，實際上是想辦法把一個人臉的照片轉(zhuǎn)換成一個向量，在非深度學習的時代這個過程被稱為手工提取特征。提取人臉特征后，要對這些特征進行分類，因此需要訓練一個分類器，整個提取特征和特征分類分開執(zhí)行，而深度學習可以把這兩個任務融為一體，讓機器全部自動學習。尤其是怎么把人臉變成一個向量讓機器自己學習，而不需要人幫助，這就是深度學習和傳統(tǒng)機器學習最本質(zhì)的區(qū)別，因為它能夠自動學習，所以學習出來的特征往往比人工設(shè)計的特征要好很多。

深度學習是信息時代的必然產(chǎn)物。21 世紀是大數(shù)據(jù)時代，隨著成像技術(shù)的發(fā)展，我們對圖像數(shù)據(jù)、視頻數(shù)據(jù)和文本數(shù)據(jù)的獲取很容易，數(shù)據(jù)獲取方式更為簡單，獲取大數(shù)據(jù)集變得越來越容易。有了數(shù)據(jù)，還要有算力。所謂訓練過程就是計算過程，以前訓練一個模型要兩天，到現(xiàn)在 2 個小時就可以結(jié)束。有了數(shù)據(jù)和算力，還要有算法進行支撐。進入深度學習后，可以設(shè)計深度學習模型，尤其是各種學習理論做支撐。三者同時發(fā)展，就有了今天人工智能高速發(fā)展的結(jié)果。

深度學習的代表性方法是深度神經(jīng)網(wǎng)絡。深度神經(jīng)網(wǎng)絡最大的成功在于分層表達，當前的深度神經(jīng)網(wǎng)絡可以做到幾千層。層的作用就是認知的過程，層越多模型就越復雜，表達能力就越強。比如進行數(shù)字識別，第一層里對這個數(shù)字的認識就是不同顏色塊，說它有什么特征我不知道；第二層就有一種高級信息，有形狀和紋理；第三層就是高級語義信息。深度學習繁榮發(fā)展的歷程。李飛飛的主要貢獻是整理了一個圖像庫 ImageNet，里面大概有1500萬張圖像，而且對很多圖像做了標注（共標注了大約 120 萬張圖像）。有了這個超級大庫后，學者們就可以驗證深度學習的有效性。沒有大數(shù)據(jù)作支撐，無法驗證各種深度模型的好壞。因此自 2010 年后，學者們相繼參加 ImageNet 比賽，直到 2017 年圖像分類錯誤率已降到了非常低的量級，比賽停止。

三、人工智能技術(shù)現(xiàn)狀

首先是數(shù)據(jù)的現(xiàn)狀，GPT 的訓練數(shù)據(jù)大約 80萬張網(wǎng)頁，GPT-2 的訓練數(shù)據(jù)大概 800 萬張網(wǎng)頁，GPT-3 的訓練數(shù)據(jù)達到 45TB。大數(shù)據(jù)一旦到來后，只有大公司高投入才能做這樣的事情?，F(xiàn)在的機器學習方法有監(jiān)督式學習和非監(jiān)督式學習兩大類。所謂監(jiān)督式學習分為分類和回歸兩個問題?；貧w問題預測的是一個數(shù)值，比如天氣預報、股票開盤價預測。機器學習里的兩大任務，無非就是分類問題和回歸問題。監(jiān)督學習類似于我們的課堂教育，由老師教給你，錯了馬上指出，不斷讓你糾錯。這樣的學習方式成本高，要交學費，還需要很多老師；非監(jiān)督學習相反，不需要老師、課堂，自學成才。通常非監(jiān)督學習不如監(jiān)督學習，因為自學成才的人較少，而且難度大。但是非監(jiān)督學習是我們奮斗的目標，讓機器能自動學習，而不是不斷教它。

介于監(jiān)督學習和非監(jiān)督學習中間的是弱監(jiān)督學習，其分為三種，第一種是不完整的監(jiān)督，做標記時只有一部分進行標記。比如一套題庫中，10 套有答案，10 套沒有答案，這是不完整監(jiān)督。第二種是不確切監(jiān)督。給一個大概的答案，可以很具體地標貓和狗，但也可以籠統(tǒng)地標為動物；類似于老師不教步驟，只講方法。第三種是不正確監(jiān)督，即老師也有講錯題的時候。

深度學習繁榮發(fā)展。谷歌是全球最大的互聯(lián)網(wǎng)公司，一直走在人工智能領(lǐng)域的最前端，近年來先后提出了 Transformer、Bert 等。除了谷歌，2017 年微軟投入 10 億美金給 OpenAI 做研發(fā)，從而促進了該公司在人工智能領(lǐng)域的崛起，尤其是 GPT-3 的提出，實現(xiàn)了人工智能大踏步前進。除了 OpenAI 公司，還有很多公司也做的非常好，例如蘋果、華為的諾亞方舟、京東的探索研究院等。

人工智能的發(fā)展可以分為弱人工智能、強人工智能和超人工智能三個層次。個人粗略認為，2020年以前人工智能一直處于弱人工智能。所謂弱人工智能就是下棋、人臉識別這種單項任務。強人工智能就是類人的活動，尤其是多任務執(zhí)行，例如機器人可以實現(xiàn)自己編程序、語音聊天、自動駕駛等?，F(xiàn)在已經(jīng)步入了強人工智能時代。未來的人工智能應該步入的是超人工智能。所謂超人工智能就是在各領(lǐng)域全面超越人類，或者超過我們的大腦。

人工智能現(xiàn)在存在的問題主要表現(xiàn)在三個方面，一是模型很大，參數(shù)量多，內(nèi)存消耗高；二是數(shù)據(jù)標注成本較高；三是多任務執(zhí)行比較難?，F(xiàn)在能見到的機器人有送菜機器人、巡警機器人、撿垃圾機器人，一個機器人能不能完成所有的功能？所以多任務執(zhí)行比較困難。最大問題是它的計算量太大，耗能方面目前是一個嚴重問題。AlphaGO 下一盤棋的電費大約 3 000 美元。拋開 AlphaGO 我們看GPT-3，它的參數(shù)量是 1 750 億，人類只有大約 860億神經(jīng)元。這個模型訓練一次成本很高，用電需要19 萬度，碳排放是 8.5 萬公斤，相當于一輛車從月球開到地球一個來回的碳排放。在碳中和的年代，如何發(fā)展人工智能？顯然未來我們需要有新的技術(shù)作支撐。

四、工智能技術(shù)的應用

人工智能如果可以全面用于無人駕駛，會產(chǎn)生非常大的經(jīng)濟效益，但也可能存在很多問題?，F(xiàn)在百度、小米都在造汽車，考慮的是未來的新能源及自動駕駛，成本很低。人工智能在醫(yī)療領(lǐng)域，從商業(yè)價值來講是最有意義的一個應用。在疾病預測和影像分析領(lǐng)域，人工智能已經(jīng)表現(xiàn)出明顯的優(yōu)勢，尤其某些診斷已全面超過人類，如青光眼的篩查比人類專家水平還高?？紤]到責任問題，人工智能在醫(yī)學里只能作為輔助手段，為醫(yī)生提供各種參考，最終診斷由醫(yī)生確定。

成果應用 1：智慧醫(yī)療

在智慧醫(yī)療方面，我們開發(fā)了一套面向肝功能輔助評估的在線分析系統(tǒng)，輸入病人肝臟影像后，直接可以打出結(jié)構(gòu)化報告，如果依賴人工去做，傳統(tǒng)方法需要 1~2 天才能完成。因此這套影像分析系統(tǒng)可以極大提高醫(yī)生的工作效率。

成果應用 2：金屬及泡沫材料屬性分析

根據(jù)金屬材料掃描電鏡圖像，研究金屬材料單物理屬性，需要分析其中的孔洞分布，手動去量通常非常困難，通過人工智能的方法可以做一個有統(tǒng)計意義的分析結(jié)果。我們利用計算機視覺技術(shù)成功幫助材料研究人員自動分析金屬材料屬性，為他們提供非常客觀的測量數(shù)據(jù)，誤差率降低了一個數(shù)量級。此外，對網(wǎng)狀結(jié)構(gòu)的泡沫材料（中間的孔洞更多）也可進行智能分析。

成果應用 3：智能地層驅(qū)油分析

通過給地層注入水（紅色是油的分布，藍色是水，背景是地層）后可以把油驅(qū)出，這就是采油的原理。實際中，研究人員把地層結(jié)構(gòu)做成芯片放到實驗室，用照相機進行拍照分析地層中水驅(qū)油的變化。我們做了一個智能系統(tǒng)可以分析油路走向，通過之前和之后的圖像對比，利用人工智能技術(shù)找出前后的變化趨勢，找到油路的走向，幫助工作人員找到最佳取油路徑。

五、人工智能的未來

人工智能的未來是可信人工智能、超級深度學習和量子機器學習。

京東探索研究院聯(lián)合中國信通院在 2021 年發(fā)布了可信人工智能白皮書。為什么是可信人工智能？比如無人駕駛必須要識別街區(qū)場景，如果各種標識牌上貼了小廣告，這種情況下智能車通常就會識別錯誤，發(fā)生的后果可能會很嚴重。這個責任怎么去劃分？所以這方面有很多問題，比如可信可視、多元包容等。

當前，數(shù)據(jù)不斷在增長，模型參數(shù)也在增長，計算機的計算性能也在增長。因為有計算性能做支撐，所以不害怕數(shù)據(jù)增長和模型提升，未來的深度學習可以執(zhí)行的任務非常多，學習能力也很強，能夠達到接近人的學習能力，最終實現(xiàn)整體人工智能產(chǎn)業(yè)鏈的布局。

量子機器學習。中國科技大學潘建偉教授開發(fā)出國內(nèi)第一臺量子計算機，其計算性能是現(xiàn)有計算機的 1 億倍。發(fā)展量子計算機是人工智能未來的方向，因為計算效率高、功耗低。

六、結(jié)束語

“破山中賊易，破心中賊難”。發(fā)展科學技術(shù)比較容易，但人想戰(zhàn)勝內(nèi)心深處邪惡的想法比較困難，從技術(shù)角度的發(fā)展，人工智能技術(shù)一旦掌握在一些少數(shù)的有邪惡想法人的手里，人類就會面臨災難。所以人工智能技術(shù)未來的發(fā)展，尤其是在倫理道德方面的發(fā)展，是我們要重點關(guān)注的方面。

審核編輯：湯梓紅