文 | 本刊記者 石菲

?

機(jī) 器 學(xué) 習(xí) 崛 起

文 | 本刊記者 石菲

最近，關(guān)于人工智能的話題持續(xù)火爆。2016年3月谷歌人工智能系統(tǒng)AlphaGo挑戰(zhàn)世界圍棋冠軍李世石成功，標(biāo)志著深度學(xué)習(xí)取得了巨大進(jìn)展。對此，南京大學(xué)教授，計算機(jī)科學(xué)與技術(shù)系副主任，軟件新技術(shù)國家重點實驗室常務(wù)副主任，機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘研究所（LAMDA）所長周志華認(rèn)為，對于很多具體任務(wù)，只要能夠收集到足夠多的高質(zhì)量數(shù)據(jù)，就能利用機(jī)器學(xué)習(xí)技術(shù)構(gòu)建出達(dá)到或者接近人類頂級專家水準(zhǔn)的系統(tǒng)。

究竟深度學(xué)習(xí)、機(jī)器學(xué)習(xí)與人工智能的關(guān)系是什么？能為人類帶來怎樣的改變？《中國信息化》記者采訪到了IEEE的兩位專家，為讀者解答關(guān)于人工智能與機(jī)器學(xué)習(xí)的技術(shù)與應(yīng)用趨勢。

常規(guī)人工智能幫助機(jī)器自學(xué)

首先，我們需要明確一個問題，深度學(xué)習(xí)和人工智能之間的關(guān)系是什么？

Steve Furber博士是IEEE會士，“歐盟人腦計劃”神經(jīng)形態(tài)計算系統(tǒng)項目和SpiNNaker計劃的負(fù)責(zé)人，目前擔(dān)任英國曼徹斯特大學(xué)計算機(jī)科學(xué)學(xué)院教授。對于這個問題，Steve Furber表示，分清楚通用人工智能（AGI）和常規(guī)人工智能（或機(jī)器學(xué)習(xí)）之間的區(qū)別非常重要。前者是指機(jī)器能夠獲得像人類一樣的智慧和能力，而后者是指開發(fā)出各種算法來讓機(jī)器通過對數(shù)據(jù)進(jìn)行深層次的統(tǒng)計分析以進(jìn)行“自學(xué)”。

目前看來，通用人工智能的發(fā)展依然任重道遠(yuǎn)。而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)（常規(guī)人工智能）算法的其中一種，最初的發(fā)展來源于吉奧夫.辛頓（Goeff Hinton）的大力推動。大概十年前，吉奧夫.辛頓重新整理了他在上個世紀(jì)80年代的研究成果并將其拓展為深度神經(jīng)網(wǎng)絡(luò)理論。他發(fā)現(xiàn)電子計算機(jī)技術(shù)經(jīng)歷了這樣一段時間發(fā)展，已經(jīng)取得了日新月異的進(jìn)步，很多在上世紀(jì)無法實現(xiàn)的技術(shù)在當(dāng)時已經(jīng)能夠?qū)崿F(xiàn)了。另外，他也在學(xué)習(xí)算法的一些分支領(lǐng)域中有了突破性的研究。

所以，現(xiàn)在很多在應(yīng)用領(lǐng)域中性能最佳的機(jī)器學(xué)習(xí)算法都是基于模仿人類大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)設(shè)計而來的。

Kevin Curran博士是IEEE高級會員，IEEE互聯(lián)網(wǎng)安全領(lǐng)域?qū)＜?，英國厄爾斯特大學(xué)計算機(jī)科學(xué)專業(yè)教授、智能環(huán)境與虛擬世界研究實驗室團(tuán)隊總負(fù)責(zé)人，曾參與多個“歐盟框架計劃”科研項目及技術(shù)轉(zhuǎn)移項目。

Kevin Curran表示，人工智能涵蓋的領(lǐng)域十分廣泛，深度學(xué)習(xí)只是其中的一個分支，并隸屬于機(jī)器學(xué)習(xí)的范疇。至今為止，人工智能的概念仍是非常寬泛的。因此，為了實現(xiàn)多樣性的應(yīng)用，人工智能需要有自主“思考”能力與機(jī)器學(xué)習(xí)技術(shù)的支持，深度學(xué)習(xí)便是幫助機(jī)器實現(xiàn)“獨(dú)立思考”的其中一種方式。

所謂深度學(xué)習(xí)，就是將數(shù)據(jù)輸入系統(tǒng)后,通過建模及模擬人腦的神經(jīng)網(wǎng)絡(luò)從而進(jìn)行學(xué)習(xí)的技術(shù)。

他說，我們可以這樣來比喻，像生物神經(jīng)元一樣，神經(jīng)網(wǎng)絡(luò)系統(tǒng)中有一系列分層排列的模擬神經(jīng)元（信息傳遞的連接點），且經(jīng)過每個神經(jīng)元的響應(yīng)函數(shù)（又稱“激活函數(shù)”）都會分配一個相應(yīng)的“權(quán)值”，表示彼此間的連接強(qiáng)度。通過每層神經(jīng)元相互“連接”，計算機(jī)就可以由達(dá)到最佳方案時所有神經(jīng)元的加權(quán)和，從而可以即時實現(xiàn)這一決策方案。

當(dāng)然，計算機(jī)也會參考類似的先例，在龐大的數(shù)據(jù)庫中調(diào)出對應(yīng)的決策方案，如此復(fù)雜的決策過程都是由計算機(jī)在深度神經(jīng)網(wǎng)絡(luò)內(nèi)部自動完成的。不過對于這一點，人類更勝一籌，因為人類可以直接對比不同決策的測試結(jié)果，在總體上更直觀地評估深度學(xué)習(xí)推算的決策方案?？梢灶A(yù)見，深度學(xué)習(xí)將與其它各項技術(shù)結(jié)合，持續(xù)深化人工智能的技術(shù)發(fā)展及應(yīng)用領(lǐng)域。

所謂深度學(xué)習(xí)，就是將數(shù)據(jù)輸入系統(tǒng)后,通過建模及模擬人腦的神經(jīng)網(wǎng)絡(luò)從而進(jìn)行學(xué)習(xí)的技術(shù)。

深度學(xué)習(xí)解決社會難題

明確了深度學(xué)習(xí)和人工智能的關(guān)系，再來看看最近深度學(xué)習(xí)取得的技術(shù)突破體現(xiàn)在哪些方面？這些突破離商用或者離我們的生活有多遠(yuǎn)？

Steve Furber表示，繼當(dāng)初杰夫. 辛頓的突破之后，相關(guān)領(lǐng)域的科研毫無疑問已經(jīng)取得了長足的發(fā)展。他認(rèn)為其中最重大的一項成就，應(yīng)該就是Yann LeCun在卷積神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究成果。卷積神經(jīng)網(wǎng)絡(luò)作為最有效的深層神經(jīng)網(wǎng)絡(luò)，現(xiàn)在已經(jīng)被越來越廣泛地運(yùn)用到了很多智能應(yīng)用之中，并且它們也越來越像人類大腦了。比如現(xiàn)在常常在用的Google, Siri和Facebook等都應(yīng)用了卷積神經(jīng)網(wǎng)絡(luò)。

Kevin Curran則表示，目前深度學(xué)習(xí)在計算機(jī)視覺，自動語音識別，自然語言處理，音頻識別和生物信息學(xué)等領(lǐng)域都取得了技術(shù)性突破，并在不同的應(yīng)用領(lǐng)域都展示了深度學(xué)習(xí)的極佳效果。全球IT行業(yè)巨頭Google, Microsoft, Facebook等企業(yè)已經(jīng)紛紛把深度學(xué)習(xí)作為重點項目，應(yīng)用到他們的各種研究項目。

那么，對于深度學(xué)習(xí)和人工智能的商業(yè)化會首先應(yīng)用在哪些領(lǐng)域？

Steve Furber表示，深度學(xué)習(xí)和人工智能的商業(yè)化應(yīng)用已經(jīng)率先在語音識別系統(tǒng)方面得到實現(xiàn)，例如Apple公司的Siri，微軟公司的Cortana等。

Kevin Curran則認(rèn)為，深度學(xué)習(xí)可以用來解決任何具有對抗性的問題，例如需要用到策略的博弈，各種比賽，戰(zhàn)爭或金融交易。短期內(nèi)，它可被用于智能手機(jī)助手，優(yōu)化其輔助功能；但從長遠(yuǎn)來看，它將能夠幫助科學(xué)家攻克諸如氣候模擬、醫(yī)療疾病分析等社會難題。同時，深度學(xué)習(xí)也有助于研發(fā)反應(yīng)更加迅速的機(jī)器人，可以更智能地應(yīng)對改變環(huán)境因素時的情景。最終，深度學(xué)習(xí)將能迅速地推進(jìn)科研進(jìn)度。憑借其強(qiáng)大的運(yùn)算性能及龐大的數(shù)據(jù)分析，科研人員可以產(chǎn)出更多研究碩果，有望在更短的時間內(nèi)實現(xiàn)對現(xiàn)有技術(shù)的重要突破。

而對于在其他領(lǐng)域的應(yīng)用發(fā)展，Kevin Curran認(rèn)為，醫(yī)療領(lǐng)域是目前深度學(xué)習(xí)和人工智能取得重要成果的關(guān)鍵領(lǐng)域之一。他說，深度學(xué)習(xí)能夠探測未來個人健康的潛在風(fēng)險。它可以通過一系列健康大數(shù)據(jù)中尋找疾病的致病機(jī)理，從而實現(xiàn)在健康和疾病相關(guān)研究領(lǐng)域的重大突破。這僅靠人工計算是永遠(yuǎn)不可能實現(xiàn)的。

而對于中國目前非常關(guān)注的智能制造領(lǐng)域，Kevin Curran認(rèn)為，制造機(jī)器人是深度學(xué)習(xí)在應(yīng)用領(lǐng)域的經(jīng)典案例。深度學(xué)習(xí)的機(jī)器人能夠自動適應(yīng)外部環(huán)境變化。舉個例子，現(xiàn)階段的機(jī)器人都需要事先編程才能精準(zhǔn)地完成相應(yīng)的任務(wù)。一旦要讓它們完成程序以外的任務(wù)，就必須重新改寫程序代碼。例如，專門負(fù)責(zé)修理某車型的機(jī)器人面對一款完全不同的車型時便不能順利完成修理任務(wù)。而具備深度學(xué)習(xí)技術(shù)的機(jī)器人就不一樣了，即時讓它們?nèi)バ蘩韽膩頉]有“見”過的車型，它們也可以自動重新調(diào)整算法和技術(shù)，順利完成修理工作。

深度學(xué)習(xí)能夠探測未來個人健康的潛在風(fēng)險。它可以通過一系列健康大數(shù)據(jù)中尋找疾病的致病機(jī)理，從而實現(xiàn)在健康和疾病相關(guān)研究領(lǐng)域的重大突破。

中國占據(jù)一席之地

人工智能研究的起步，一般被認(rèn)為是在20世紀(jì)50年代。中國則遲至80年代，才實質(zhì)性進(jìn)入人工智能研究領(lǐng)域?，F(xiàn)在，在深度學(xué)習(xí)和人工智能領(lǐng)域，中國和世界的差距主要體現(xiàn)在哪些方面？

Steve Furber認(rèn)為目前在深度學(xué)習(xí)方面最前沿的研究仍然主要集中在包括Google以及DeepMind和Facebook等為數(shù)不多的幾家大型科技公司的研發(fā)部門之中。但是，近年來美國也有致力于這一領(lǐng)域的創(chuàng)業(yè)公司如雨后春筍般不斷涌現(xiàn)?？梢灶A(yù)見，在未來這領(lǐng)域內(nèi)的技術(shù)研究將有突破性的進(jìn)展。

“同樣地，我相信在全球深度學(xué)習(xí)發(fā)展的發(fā)展進(jìn)程中，中國也不會落后。如果從現(xiàn)在開始就抓住機(jī)遇邁出第一步，盡快加大對于這一技術(shù)領(lǐng)域的科研關(guān)注和建設(shè)投入，那么中國也將在這股大潮中占有一席之地。據(jù)我所知，已經(jīng)有幾家中國的公司正密切關(guān)注著該領(lǐng)域的相關(guān)研究和技術(shù)發(fā)展?！彼f。

Kevin Curran則表示，中國的研究人員對深度學(xué)習(xí)的研究已經(jīng)達(dá)到世界領(lǐng)先的水平。中國最大的搜索引擎百度在2015年推出的語音識別系統(tǒng)Deep Speech 2可以印證這一論點。這套語音系統(tǒng)通過深度學(xué)習(xí)和一系列用于翻譯的機(jī)器學(xué)習(xí)算法，不僅能夠準(zhǔn)確地識別中英文語音信息，甚至在很多情況下比人類的識別能力還要強(qiáng)。百度的這項研究特別之處在于，Deep Speech 2是完全從零語言基礎(chǔ)開始學(xué)起的，只需要讓它連續(xù)收聽好幾萬個小時的由文本轉(zhuǎn)錄的音頻，就可以完成學(xué)習(xí)到識別的功能。與之相反，傳統(tǒng)的語音識別系統(tǒng)則需要投入大量的人力資源編寫語音識別組件，才能實現(xiàn)機(jī)器從文本與語音之間的轉(zhuǎn)換功能。