全球人工智能峰會交叉學科與機器智能時代

張歡

5月末，第一屆全球人工智能峰會（GMIS 2017）順利閉幕。在為期兩天的大會中，許多學術(shù)界和業(yè)界的重量級嘉賓在舞臺上分享了機器學習的前沿進展、交叉學科的新奇思想、人工智能的炫酷應用以及機器智能時代的創(chuàng)業(yè)經(jīng)驗。

會上，有“LSTM 之父”之稱的 Dalle Molle 人工智能研究所副主任 Jürgen Schmidhuber、Citadel 首席人工智能官鄧力、騰訊 AI Lab 副主任俞棟等嘉賓為現(xiàn)場的觀眾帶來了干貨十足的頭腦風暴和前沿解讀。第二天，人工智能領(lǐng)域“標準教科書”《人工智能：一種現(xiàn)代方法》作者之一 的Stuart Russell等學術(shù)界大牛繼續(xù)分享了機器學習領(lǐng)域的前沿研究和探索。以下為嘉賓精彩觀點集錦。人工智能的前世今生

在關(guān)于人工智能的過去、現(xiàn)在與未來這一主題演講中，Stuart Russell 對人工智能的發(fā)展歷史進行了梳理。并表示，人工智能是一個內(nèi)涵豐富的學科，其內(nèi)容涉及哲學、數(shù)學、神經(jīng)科學等學科與領(lǐng)域。同時，人工智能也不是一個新學科，其經(jīng)歷過兩次人工智能寒冬。現(xiàn)在，人們開始認真地看待人工智能，迎來了人工智能爆炸的奇跡。為什么人工智能的深度學習能取得成功呢？Russell 舉了 AlphaGo 戰(zhàn)勝李世石的例子，“AlphaGo 包含了很多技術(shù)，一種就是深度學習，也用到了蒙特卡羅樹搜索，可以得到非常高效的結(jié)果，它可以追溯到 1950 年的一些復雜但是經(jīng)典的搜索方法。另一方面，人工智能很多領(lǐng)域的發(fā)展也促成了 AlphaGo 的成功，比如支持深度學習的硬件發(fā)展。”剛剛輸給 AlphaGo 的柯潔也曾說，去年跟 AlphaGo 下棋的時候好像還是在跟人下棋，而今年感覺上完全不再是跟人類下棋”。

考慮到已有人工智能寒冬在前，雖然現(xiàn)在所有的發(fā)展都非常讓人欣慰，但還是有可能是一種噱頭。人們需要審慎考慮，不要因為過度的期待而覺得失望。Russell 說：“我們上一次 AI 寒冬是因為這個技術(shù)的前景和一些承諾。很多人可能都不太記得當時的內(nèi)容。20 世紀 80 年代的一些技術(shù)，在真實的世界當中并不是非常奏效。那時深度學習也不太受歡迎。但是如今我們可以更新現(xiàn)代的技術(shù)，可能未來對訓練、數(shù)據(jù)的要求也不用再那么高。”

對于人工智能的現(xiàn)在、未來以及眼下仍無法實現(xiàn)的問題，Russell 也給出了自己的觀點，“雖然我們?nèi)笔У臇|西很多，但是我們已經(jīng)能夠預見到，不遠的將來，AI 系統(tǒng)能夠具備像人一樣的能力了”。因此，我們也需要警惕人工智能被濫用。盡管人工智能可以讓人類做更多的事情，把人類文明推向更積極的方向，但是也有出現(xiàn)殺人機器的可能性，演變?yōu)橐环N新的大規(guī)模殺傷性武器，引起人們的種種擔憂。對于這個問題，Russell 認為人工智能系統(tǒng)要被證明可以給人類帶來益處，有三個簡單的方法：“第一，機器人的目標是最大化實現(xiàn)人類的意愿，即機器應該使得人類的意愿得到滿意，而不是讓機器讓人類感覺不舒適。第二，機器人不知道什么是價值，所以不要給機器一個固定的價值系統(tǒng)。第三，人類的行為應給機器提供參考。”未來人工智能到底會走向何處？Russell 給出了自己的答案：“AI 需要對人類有貢獻，這是一個技術(shù)性問題，但我相信未來能夠解決它。”

AlphaGo 尚無遷移學習能力

第四范式首席科學家、香港科技大學計算機科學與工程系主任楊強教授為現(xiàn)場的觀眾帶來了遷移學習最新進展的主題演講。演講伊始，楊強教授同樣談到霸占新聞頭條好幾天的 AlphaGo。他說：“AlphaGo 看起來好像是無懈可擊。但是 AlphaGo 沒有遷移學習的能力。”遷移學習是指把已訓練好的模型參數(shù)遷移到新的模型上來幫助新模型訓練數(shù)據(jù)集。楊強表示，遷移學習有三大好處：小數(shù)據(jù)學習、實現(xiàn)舉一反三和融會貫通、實現(xiàn)個性化。然后，他盤點了遷移學習最近的六大進展：一是我們可以通過把問題的結(jié)構(gòu)和內(nèi)容分離開來而發(fā)現(xiàn)不同問題之間的共性；二是層次化的系統(tǒng)可以更容易幫助我們構(gòu)建機器學習的遷移；三是分段遷移和分段學習；四是讓模型學會遷移的方法，即學習如何遷移；五是把遷移學習本身作為一個元學習，然后再賦予到不同的學習方式上；最后一個進展是數(shù)據(jù)生成式的遷移學習，即生成對抗網(wǎng)絡。最后楊強教授總結(jié)說，盡管現(xiàn)在深度學習已經(jīng)有了很大的突破，但機器學習的未來在小數(shù)據(jù)、個性化、可靠性上面，這就是遷移學習的發(fā)展方向。

AI技術(shù)未來可期

繼兩位教授的精彩分享之后，科大訊飛執(zhí)行總裁兼消費者事業(yè)群總裁胡郁通過人工智能+共創(chuàng)新世界的演講解讀了人工智能的社會影響。他說過去三年中，人工智能應用在改變我們的生活上有兩點讓人印象最深刻：一、人工智能可以改變我們和機器交互的方式，從而改變消費者領(lǐng)域產(chǎn)品的形態(tài)；二、人工智能可以向?qū)＜覍W習專業(yè)知識。對于人工智能的社會影響，胡郁總結(jié)說，人工智能不會替代人類的職業(yè)，但它可以代替人類職業(yè)的某些技能，改變?nèi)祟惖穆殬I(yè)，對人類社會和整個職業(yè)的發(fā)展產(chǎn)生非常重大的影響，不過這個影響需要時間。但最重要的是，它能幫人類節(jié)省時間，提升時間利用效率。

而后，螞蟻金服 VP、首席數(shù)據(jù)科學家、普渡大學終身教授漆遠為我們解讀了如何通過人工智能提供更好的個性化金融和智慧生活服務。他說：“我們希望通過大數(shù)據(jù)、AI 使系統(tǒng)更智能地服務長尾的機構(gòu)和個人。我們認為人工智能技術(shù)能夠驅(qū)動我們的業(yè)務發(fā)展，重塑金融業(yè)務。”在演講中，他還談到了自己的兩個經(jīng)歷。一是 DeepMind CEO Hassabis 告訴他希望在 AlphaGo 之后將人工智能技術(shù)應用到醫(yī)療、金融等領(lǐng)域，從而改變世界；另一個是最近加入螞蟻金服擔任科學智囊團主席的 Michael I.Jordan 告訴他目前談奇點還為時尚早，“對于人工智能的未來，他說我們還沒有摸到強人工智能的門。我非常贊成他的觀點。”

上海交大教授、思必馳聯(lián)合創(chuàng)始人兼首席科學家，也是此次大會的主持人俞凱介紹了如何邁向智能認知型對話交互。他談到全世界物聯(lián)網(wǎng)設(shè)備的數(shù)量正在快速增長，并且在 2017 年的時候已經(jīng)首次超過了人類的數(shù)量。這些設(shè)備很多都是小屏甚至無屏的，要實現(xiàn)與這些設(shè)備的交互，語音就變得非常重要了。在整個系統(tǒng)的架構(gòu)里邊，要解決的無非就是兩大類問題，一是感知，二是認知。感知是以識別為代表的，認知則是以決策為代表的。俞凱整個演講提出這樣一個觀點：“智能的感知+認知的進化”是未來人機口語對話系統(tǒng)發(fā)展的重要方向。

另外，當天的大會現(xiàn)場還進行了一場人機大戰(zhàn)。隨后，機器代表汪仔的開發(fā)者搜狗公司 CEO 王小川分享了他對人工智能技術(shù)的思考。他說，在談及深度學習突破時，專業(yè)人士喜歡談感知、認知方面的突破，但是搜狗更愿意使用識別、決策、生成這樣的表達。在決策方面，人工智能可以幫助提高決策效率，提升商業(yè)效率。在感知和生成領(lǐng)域，人工智能進展會影響人機交互。王小川表示搜索的未來是深度問答，即以自然語言方式的問句來提問，而不是關(guān)鍵詞，這是未來的搜索要做的事情。

阿爾伯塔大學教授、計算機圍棋頂級專家 Martin Müller 帶來關(guān)于深度學習時代的啟發(fā)式搜索的探討。在這一探討中，其表示：“在自動駕駛、醫(yī)療等應用領(lǐng)域上，人類不允許深度學習和啟發(fā)式搜索存在小概率偏差。這意味著我們還有很長一段路要走。我們目前還面臨著兩個挑戰(zhàn)，如何把啟發(fā)式搜索和精準的結(jié)果聯(lián)結(jié)在一起；以及當不知道全局規(guī)則的時候，如何讓機器解決問題。”當然，大會上還有很多優(yōu)秀的專家學者帶來精彩紛呈的分享，不再一一介紹。