人工智能被過高期待，泡沫不少

王金橋

在4日2017百度AI開發者大會上，主辦方展示了一段百度創始人李彥宏乘無人駕駛汽車上路的視頻，后來被細心的網友發現有實線并道等違章行為。這場小風波再度引發對人工智能的討論。以從業人員的角度看，這本身就說明人工智能仍有很大局限性。

人工智能誕生60余年來，經歷兩起兩落。隨著2013年深度學習算法取得突破性進展，人工智能再度迎來高潮。2016年谷歌“阿爾法狗”戰勝世界圍棋冠軍李世石更是引發新一輪狂熱，創業公司紛紛涌現，大量資本迅速流入，有機構預計2020年全球該領域市場規模將超千億美元。“阿爾法狗”的勝利，科幻電影的夸張渲染，也使得普羅大眾對人工智能充滿無限的期待。

人工智能目前的確在某些領域超過人類：2014年人臉識別精度達到98.52%，超過人類平均識別水平（97.53%）；2016年人工智能在圖像分類任務中的錯誤率已降至4.94%，人眼辨識的錯誤率約為5.1%。然而，這些“成功”只是在限定任務限定場景限定條件中，而非復雜的實際環境。

就人臉識別來說，該技術目前在對身份證和現場照片進行1：1比對時，表現往往超過人眼，但在光線復雜的場景下，識別人臉的準確率只有約75%，仍低于人類整體的識別水平。

人工智能的發展分為弱人工智能、強人工智能、超人工智能三個階段。其中，弱人工智能階段是指機器看起來智能，但并不真正擁有智能；只有在強人工智能階段，機器才能真正推理和解決問題，甚至具有自我意識；超人工智能階段的機器則在所有領域都比最聰明的人類更強。

總體來看，當前人工智能的進步主要借助于數據的爆炸式增長、計算資源的極大豐富，及以深度學習為代表的算法在語音識別、視覺理解、自然語言處理等任務上取得的突破性進展，并不真正擁有智能。盡管進步神速，但人工智能仍處于初級階段。

以“阿爾法狗”為例，即便它解決了圍棋問題，也不代表類似技術可解決其他問題，視覺理解、自然語言處理、推理、決策等問題依然存在。不僅如此，將驅動“阿爾法狗”的技術應用于實際生產，可能還需多年。在不同應用場景之下，人工智能又有著完全不同的實現難度和時間進度。

連一向為人工智能代言的李開復都坦言，現在人工智能的投資和估值存在泡沫。雖然我們經常在媒體上看到某家人工智能公司在圖像識別或上路測試中取得新進展，但那些往往只是算法在某種特定場景下識別率又提升了百分之零點幾。這在技術上或許是重大進步，但在實際應用場景下不一定是。復雜的應用環境、全面完善數據的缺乏、高性能芯片的研發進度等因素，決定了感知智能技術距離應用普及還需要至少5年到10年。

現階段較為成熟的語音技術面臨同樣的問題——應用場景有限，只能保證近場語音識別的準確率。圖像識別實踐機會最多，但具體到安防、醫療、電商、輔助駕駛等應用場景，遠非完美；自然語言處理在互聯網行業中應用最為成熟，但涉及推理決策層面，技術還有待突破。

人工智能的廣泛應用基于技術，應用周期較短，但技術周期較長。人工智能當前的熱潮得益于學術界上一輪深度學習算法的突破，但應用紅利總有用盡之日，認知層的技術突破和基礎資源積累才是長期重點。人工智能毫無疑問是未來，但只有當相關技術真正成熟，可被廣泛應用于大多數行業時，我們才能迎來真正沒有泡沫的人工智能時代。▲

（作者是中國科學院自動化研究所研究員）