張鈸 中國科學(xué)院院士、清華大學(xué)計算機系教授

在CERNET第二十五屆學(xué)術(shù)年會開幕式上，中國科學(xué)院院士、清華大學(xué)計算機系張鈸教授作了題為《人工智能的現(xiàn)狀與未來》的報告。

人工智能的定義

人工智能最簡練最直接的定義就是研究和設(shè)計智能體的技術(shù)，人工智能的設(shè)計既要重視理論也要重視實踐。智能體包含三部分內(nèi)容，一是物理空間的感知，包括視覺、聽覺、觸覺等；二是信息空間的思考決策，包括推理決策等，是一種深思熟慮的行為；三是物理空間的動作，包括移動、飛行等。

理性行為的計算模型和深度學(xué)習

人工智能模擬人類技能需要將人類的技能行為變成計算模式，但是建立這種計算機模型十分困難，原因就在于現(xiàn)在對人類的大腦知之甚少，對情感、創(chuàng)造等人類高級思維的特點了解的還不夠多，在信息有限的基礎(chǔ)上，人工智能機器很難模擬人類的思想和行為。事實上，在人工智能領(lǐng)域，關(guān)于人類的智能行為能否變成計算機模型一直存在爭議。那么拋開人類的思考和情感方面，理性行為如何建立計算模型？人類的理性行為來自知識和經(jīng)驗，例如醫(yī)生之所以成為醫(yī)生，與普通人的區(qū)別在于醫(yī)生擁有醫(yī)療知識和臨床經(jīng)驗，其他工作也是如此。事實上，人類理性思考的過程包括兩個步驟，一個是經(jīng)驗，另一個是對經(jīng)驗的推理，通過運用這個辦法，就可以把人類的理性行為變成計算模型。目前，人工智能領(lǐng)域的標志性成果之一——IBM深藍（國際象棋）就是根據(jù)這種邏輯建立起來的計算模型。下棋是理性行為，下棋雙方需要進行計算分析，根據(jù)對方下棋情況做決策；人工智能通過對人類下象棋的行為進行分析和規(guī)律總結(jié)，通過參數(shù)建立決策行為的評估機制，最終計算機戰(zhàn)勝了人類。下棋是一種完全信息博弈行為，通過這個案例可以看出，在完全信息博弈條件下，機器有可能戰(zhàn)勝人類。人工智能領(lǐng)域第二個標志性成果是人機對話、人機問答；在人機對話的特定領(lǐng)域，機器同樣可以戰(zhàn)勝人類，比如說智力競賽。計算機可以儲存大量的知識包括百科全書、文學(xué)作品、新聞報道等等，而人類很難有如此強大的知識儲備，2011年IBM人工智能計算機系統(tǒng)“沃森”在美國熱門的電視智力問答節(jié)目中戰(zhàn)勝了兩位人類冠軍選手。值得一提的是，網(wǎng)絡(luò)的發(fā)展帶來了專家知識和信息的集中呈現(xiàn)，這也推動了基于理性行為的人工智能發(fā)展?？偠灾硇孕袨槿斯ぶ悄苁峭ㄟ^知識驅(qū)動的方法實現(xiàn)，計算機基于知識和經(jīng)驗的物理符號推理系統(tǒng)，建立基于規(guī)則的模型，從而實現(xiàn)符號主義AI。

感性行為不同于理性行為，它無法精確描述，也就很難采用符號模型，目前人工智能主要是數(shù)據(jù)驅(qū)動，通過深度學(xué)習、神經(jīng)網(wǎng)絡(luò)建立計算模型模擬感性行為。人工智能資源來自于知識和數(shù)據(jù)，這些知識和數(shù)據(jù)必須是完全信息、靜態(tài)信息（或按照一定順序變化），這樣才能做到真正模擬或者戰(zhàn)勝人類，然而人類生活中的日常問題并不具備充分的數(shù)據(jù)，因此只依靠深度學(xué)習很難到達真正的智能，通過數(shù)據(jù)驅(qū)動建立起來的系統(tǒng)只是一個機械的分類器，并不是感知系統(tǒng)。

自動駕駛主要是通過數(shù)據(jù)驅(qū)動的學(xué)習方法，學(xué)習不同場景下的圖象分割，判別是車輛還是行人、道路等，基于此建立三維模型，在三維模型上規(guī)劃行駛路徑，但是自動駕駛并不能解決復(fù)雜路況下的行駛問題。

后深度學(xué)習時代

不少人認為深度學(xué)習已經(jīng)走到盡頭，基礎(chǔ)研究和技術(shù)突破已經(jīng)不重要，只需要數(shù)據(jù)就能出成果，這是完全錯誤的判斷和引導(dǎo)，讓大眾誤以為依靠深度學(xué)習就能解決一切。人工智能需要進入第三個時代，一個腦知識驅(qū)動和數(shù)據(jù)驅(qū)動結(jié)合起來的時代，以此克服在不完全信息博弈情況下的機器決策問題。

以自動駕駛為例，目前自動駕駛主要是通過數(shù)據(jù)驅(qū)動的學(xué)習方法，學(xué)習不同場景下的圖象分割，判別是車輛、行人還是道路等，基于此建立三維模型，在三維模型上規(guī)劃行駛路徑，但是自動駕駛并不能解決復(fù)雜路況下的行駛問題。計算機可以通過數(shù)據(jù)驅(qū)動方法來訓(xùn)練并了解各種各樣車輛和行人的行為，然而一旦遇到行人或者司機破壞交通規(guī)則的新情況，計算機決策就會失效。目前的人機對話領(lǐng)域同樣如此，人機對話技術(shù)基本上停留在關(guān)鍵詞檢索水平上；人機對話的關(guān)鍵是解決機器與人的互相理解，而機器是根據(jù)概率統(tǒng)計了解事物，它類似于一個黑箱服務(wù)器，無法做到深層次的理解。后深度學(xué)習就是與腦科學(xué)結(jié)合，以知識加數(shù)據(jù)驅(qū)動，通過常識推理構(gòu)建機器模型，以此來實現(xiàn)真正的智能決策。

人工智能的發(fā)展和應(yīng)用

從科研方面來講，人工智能中的所有算法、模型和思路都是外國人提出來的，人工智能的范圍非常廣泛，統(tǒng)計學(xué)習或深度學(xué)習只是一小部分，人工智能還有大量問題需要解決，中國的人工智能界對人工智能的理解還不深入，仍然把統(tǒng)計學(xué)習和深度學(xué)習看成人工智能的主要部分，國內(nèi)跟國外的研究相比還有很大差距。在最近的一次國際學(xué)術(shù)交流會議上，機器學(xué)習占了1/3，大部分文章都是中國人發(fā)表的，因為該領(lǐng)域發(fā)展較為成熟；還有2/3是其他方面如知識推理和規(guī)劃，五六十篇學(xué)術(shù)論文中只有一兩篇是中國人發(fā)表的，然而這些才是需要突破的重要問題，以此也能看到國內(nèi)與國外的差距。

從應(yīng)用方面來講，由于國內(nèi)的數(shù)據(jù)和市場更大，國內(nèi)與世界應(yīng)用水平比較接近；但在技術(shù)特別是基礎(chǔ)原始創(chuàng)新上，國內(nèi)與國外仍有很大差距。目前國內(nèi)的50家人工智能獨角獸企業(yè)，主要集中在語音識別和圖像識別兩方面，圖像識別里主要是人臉識別，也就是說人工智能的應(yīng)用領(lǐng)域非常有限。在人工智能應(yīng)用廣泛的機械制造領(lǐng)域中，中國目前已經(jīng)成為工業(yè)機器領(lǐng)域的第一大市場，然而國內(nèi)目前還沒有掌握關(guān)鍵技術(shù)，高檔機器人以及中低檔機器人的關(guān)鍵零部件依賴進口。人工智能機器人的產(chǎn)業(yè)化需要保證可靠且成本低，美國生產(chǎn)的達芬奇手術(shù)機器人，國內(nèi)所有的大醫(yī)院都有購買，但是成本過高；目前市場上有許多三代手術(shù)機器人，成本低卻無法使用，這是人工智能產(chǎn)業(yè)化需要解決的問題。

中國目前的人工智能研究隊伍仍在不斷擴大，隨著科技的發(fā)展，會有更多人投入進來，也會帶動人工智能的新發(fā)展。