人工智能备受关注 突围却依然存在瓶颈

　　【中国智能制造网 论坛会议】近几年来人工智能发展迅速，与此同时围绕着人工智能或将给社会带来的冲击也一直备受关注，在 2016 TC北京峰会上，我们邀请了微软小娜研发总监杜奕瑾、地平线联合创始人兼软件副总裁杨铭以及商汤科技联合创始人兼副总裁徐冰，为大家排疑解惑。　　得益于深度学习研究的突破，这几年人工智能发展速度的确比较惊人，比如在 AlphaGo 与李世石的人机大战之前，几乎所有职业高手都表示李世石必胜无疑，而且将是 5 比 0 完胜。李世石本人也认为自己绝不会输，哪怕输掉一盘就是失败。如此强烈的信心源于围棋本身的神秘，也源于此前计算机围棋在和人类交手时的巨大差距，大量专家估计想要战胜职业棋手，至少还需要五十年。然而，终结果却是李世石以 1 比 4 的成绩惨败。该事件再一次让人们对人工智能刮目相看。
　　
　　不过，这离人工智能彻底超越人类其实还是有很长一段距离的，杨铭就表示，想要接近这个目标，即使是 20 年都属于是非常乐观的估计了。徐冰也同意这个观点，其甚至还从深度学习的基本原理出发，为我们解释了这一结论，“ 深度学习学习了人脑的结构，人脑有三千多亿的神经原，没有任何的计算平台，或者说是模型可以容纳到这么多的参数。从几个数量级的差距来看，还是有很多的壁垒 。”
　　
　　而杜奕瑾则补充了另一个关键点，那便是创造力。杜奕瑾认为 人工智能想要超越人类就必须拥有像人类一样的创造力 ，“虽然我们人脸识别、语音辨识做得很好，但这都是我们人规范了这个领域，并由我们人来做辨识。”而想要人工智能拥有人一般的创造力，“以目前来讲还是非常困难的。”杜奕瑾如此表示。
　　
　　因此，在 5 到 10 年内，如何更好地让智能辅助人类及其工作，提高工作效率和产出，才是这段时间的主题。比如下围棋、开车、人脸识别等，在这段时间内，虽然人工智能无法在综合条件下战胜人类，但在如上的那些特定的技能方面，特定的神经网络势必可以做得更好，并能帮助人提升效率。
　　
　　另外，根据上述三位嘉宾的访谈，人工智能需要突破的瓶颈还有这些：
　　
　　近人工智能由于深度学习、深度神经网络发展有很大的技术突破和提高，但是基本上还是统计学习的范畴，是从数据中总结规律。实际对于问题的理解和推理，深刻的分析还是有所欠缺的，技术还没有完全解决所有的问题。
　　
　　从技术角度来说，你能够长时间积累知识，长时间理解知识，但它对长时间的记忆方面还是有欠缺的。
　　
　　海量数据(比如商汤科技积累的是一亿个个体的人脸照片，超过 8 亿张人脸数据)规模之下，几乎没有任何的超算集群或者底层算法平台可以支撑这个规模的深度学习训练。
　　
　　算法的整体安全度已经到很好的水平， 但是你不知道它在什么样场景下会不行 。因此，必须想办法打通数据的闭环，让数据回流，让算法不断的演进。
　　
　　如何将场景结构化也是一个难题 。比如在医疗领域，医疗数据的结构化，就跟我们平时看到的人脸和车辆不一样，人脸和车辆的数据结构化，只要找二三百人把数据标出来就可以，但是医疗必须要老医生来标注这些数据，他标注出来的数据才是可以让机器去学习的，而老医生的资源太稀缺了。
　　
　　因此，短期内担心人工智能消灭人类是杞人忧天。
　　
　　人工智能可分为弱人工智能、强人工智能与超人工智能，弱人工智能即是指明显低于人类智商的人工智能，强人工智能则是指在智力上可与人类并驾齐驱的人工智能，后的超人工智能则是指智力已经完全超越人类的神一般的存在。
　　
　　既然我们担心强人工智能与超人工智能会对人类的未来带来冲击，那么我们便可以想办法将人工智能限制在弱人工智能水平，事实上即使是弱人工智能也能为人类带来极大的便利。
　　
　　（原标题：人工智能突围依然存在瓶颈）