從谷歌大腦看人工智能在知識服務上的應用

劉寅斌　胡亞萍

摘 要：文章首先對谷歌大腦的發展及影響進行了概述。然后結合谷歌大腦的研究成果，構建了人工智能知識服務應用模式，分析了人工智能在提高知識利用/準確率、幫助快速掌握領域知識、關注潛在需求，以及創造新知識等4個不同層次的應用。分析認為人工智能還處于發展初期，需要儲備足夠的大數據以支撐知識服務的開展，并且人工智能應用應該以問題為中心。

關鍵詞：谷歌大腦；人工智能；知識服務；大數據

中圖分類號：TP18；G252 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2017121

Abstract Firstly， the Google Brain's development process and research results were reviewed， and the status was analyzed. Secondly， five problems in knowledge service were pointed out ，that is the low utilization of the knowledge， the fragmentation， the qualities ， limited learning abilities versus the quick development of knowledge ， the lack of new knowledge and so on. Combined with the Google Brain's research results， the AI knowledge service application model was given. Thirdly， the authors looked into the different application levels AI in knowledge service， including improving the utilization rate and accuracy rate， helping to master knowledge involved， satisfying the potential demand and creating new knowledge. At last， the essay demonstrated that AI development is still in the early stage， and enough data is necessary. Besides， the application should be problem-centered.

Key words Google Brian； artificial intelligence； knowledge service； big data

繼以蒸汽機、電力、互聯網為標志的第一、第二、第三次革命之后，人類將迎來第四次革命，而人工智能（Artificial Intelligence，AI）則是這次革命的新動力。Gartner發布的2017年10大戰略科技技術趨勢當中，前三個均圍繞智能展開（應用型人工智能和高級機器學習、智能應用以及智能硬件），可見智能是未來的技術發展趨勢。在國家層面，美、中、英、日、韓等國家自2016年以來也紛紛布局人工智能戰略[1]。百度All In AI，騰訊啟動AI加速器，亞馬遜Alexa的應用，谷歌AlphaGo戰勝人類，阿里成立達摩研究院，這一系列事件表明AI時代正在加快來臨。可以說，AI不僅是國家戰略，也是信息科技界核心戰略[2]。各行各業都將迎來變革，而社會所有的生產服務均離不開知識。知識服務應該根據用戶具體問題和所處環境，提供支持知識應用、創新的服務[3]，AI正是實現這一目標的對口技術。

谷歌是最早投資研究AI的公司之一，旗下Google Home、Google Assistant、谷歌翻譯等產品均以AI為DNA，谷歌于2014年也將戰略由Mobile First調整為AI First。谷歌大腦就是谷歌旗下最重要的AI研究團隊之一，其對谷歌未來和AI的發展都有非常重要的推動作用，在知識服務領域的應用也引導著AI時代知識服務的發展方向。本文首先對谷歌大腦的發展和研究成果進行梳理，結合知識服務現存問題，提出AI知識服務應用模式，并展望了AI在知識服務領域的層次性應用。

1 谷歌大腦的發展與影響

1.1 谷歌大腦及其發展

谷歌大腦原是Google X部門的一個研究項目，因其巨大的經濟利益而成為總公司的直接部門，是谷歌旗下專職研究AI的團隊。2011年，由斯坦福大學計算機科學家吳恩達、谷歌高級研究員Jeff Dean以及神經科學家Greg Corrado等3人組成。該團隊用1.6萬多個處理器，通過10 億個內部節點，搭建了一個虛擬大腦。在分析從Youtube上隨機抓取的無標簽視頻剪輯圖片，經過10天的時間運轉后，該大腦在其他2萬張圖片中準確識別了貓的圖片[4]。該實驗表明，同人類大腦中的神經元一樣，人工構建的“神經網絡”在接收數據后，神經元之間的關系發生變化，該系統自主形成了一個“概念”，并形成了特定的反應機制。當后期輸入的數據與之前學習的數據對應時，機器就可以自主進行識別。由此說明AI同人類智能一樣，可以通過進化獲得。加拿大蒙特利大學研究機器學習的教授Yoshua Bengio評價該虛擬大腦說，其構成功能和哺乳動物大腦視覺皮層的部位類似，可以看見客觀世界的物體，運行模式和哺乳動物，甚至和人類大腦的一些工作模式相像。

除了圖片識別技術，谷歌大腦還利用神經網絡解決更復雜的任務。如在語言識別上，谷歌大腦團隊將人工神經網絡應用在機器翻譯上，實現了法語、英語、西班牙語、德語、漢語、日語、韓語、葡萄牙語和土耳其語等多種語言之間互譯，翻譯水平堪比人類；谷歌大腦團隊造就了世界上第一臺真正能夠“閱讀”的機器，踏出了在通用計算機設備上使用人類語言的第一步；在語音識別上，谷歌大腦和谷歌語音部門合作，通過機器訓練，將Google的語音識別準確率提高了25%，為知識服務的智能化打開了一個關鍵入口[5]。endprint

圖像、語音、語言識別的實現得益于深度學習的應用與發展。基于特定的模型和大量的訓練樣本，深度學習實現了特征的提取和識別，從而實現AI。2015年，谷歌大腦對TensorFlow AI學習系統實行開源，在搭建深度學習模型上的優勢使其廣受開發者青睞[6]。現任谷歌大腦負責人Jeff Dean說，谷歌大腦的根本使命就是讓機器擁有更多智力，進而讓人類的生活變得更加美好。

1.2 谷歌大腦研究成果的價值與社會影響

谷歌大腦自2011成立以來，團隊不斷擴大，由原來的3人擴展到現在的100多人，期間深度學習領域專家Geff Hinton、蘋果Swift語言之父Chris Lattner等先后加入團隊，高端AI人才越來越多。在學術研究方面也碩果累累，目前已發表240多篇研究論文供行業內人士研究學習，為AI技術的普及做出重要貢獻。而且谷歌大腦致力于將研究成果應用到產品中，谷歌翻譯和谷歌Home就是代表作品。作為一家由AI驅動的技術公司，谷歌擁有海量的計算資源、數據資源以及人才資源，谷歌大腦作為AI領域頂尖研究團隊，不僅對谷歌未來發展有著不可估量的作用，對AI整體的發展也起著舉足輕重的作用。

從人工神經網絡、機器學習到深度學習，谷歌大腦提升了機器的圖片識別、語音識別以及自然語言處理等能力，這意味著機器獲取、處理、理解知識的能力在不斷提高，即機器智力的提高。正如斯坦福大學AI研究中心尼爾遜教授所言，AI是研究如何表示知識、如何獲得知識并使用知識的學科，未來擁有AI的機器不僅會提升知識服務的專業性，更給知識服務領域帶來顛覆性變革。

2 AI時代的知識服務模式構建

我國知識服務領域主要有社會教育領域（面向學校/老師/學生）、專業咨詢領域（大型互聯網企業/專業咨詢機構）、社會生產領域（設備制造/醫療服務/設備維護/投資融資/農業生產/企業規劃等）、科學研究領域（出版機構/期刊出版社/圖書等）和社會管理領域等5類，涵蓋了社會生活的方方面面。總體而言，知識服務的水平則隨著技術的進步而改善，如互聯網的發展和廣泛應用衍生出了“內容付費”這一新型知識服務形式，大數據、云計算、AI等技術則使得知識服務呈現個性化、智慧化特征，推動知識服務再上新臺階。

2.1 AI時代的知識服務學術研究進展

自AI發展以來，學者們從AI時代知識服務的不同方面、不同過程階段（知識獲取、知識處理和分析、知識管理、知識表示），以及AI給知識服務帶來的變化等方面進行了研究。（1）在AI與知識獲取方面，高華和余嘉元[7]認為知識獲取的主要困難在于如何準確把握領域專家所使用的概念、關系以及問題求解方法。通常情況下，專家所采用的語言有別于日常用語，不利于一般人理解。利用AI使專家潛在知識向顯性轉化，以及歸納沒有抽象符號的推理機制是研究主題，并且知識獲取應該發生在與社會動態式的交互過程中；（2）在知識分析方面，莊越挺[8]提出，大數據將實現下一代健壯、通用的AI2.0，數據驅動學習和知識指導方法的整合將打開一個新的大門；（3）在知識表示方面，危輝、潘云鶴[9]指出傳統的知識表示與人的智能行為發生內在過程具有很大的差距。借助神經科學和心理學，對智能行為的生理基礎和心理基礎進行研究，這種表示觀預示著AI方法論上的進步，由此AI對思維認知從現象發展到本質；（4）在知識管理方面，魏曉平、肖賢勇[10]提出AI可以對信息進行整理分析，搜索與分類等，使用AI技術可極大提高知識管理水平。此外，唐曉波、李新星[11]提出AI的發展將驅使知識服務發生轉變，具體表現為思維模式由經驗主義轉向數據驅動，服務主體呈多元化，以及知識服務內容呈智慧化特征，除了提供事實類信息，還實現簡單“why”“how”的自動問答；董良廣[12]認為傳統出版業應以用戶需求為導向，利用AI技術，提供嵌入場景的知識服務；鄧逸玨、王垚[5]提出可以利用智能語音技術作為切入口、大數據技術作為決策依據、機器學習技術作為提升智能服務的驅動力來實現數字出版社戰略轉型，構建場景化、智能化、關注用戶潛在需求等知識服務全新生態。

綜上可以發現學者對于AI于知識服務的影響等進行了較為分散的研究，但是AI時代的知識服務應用模式、AI在知識服務上的具體場景應用研究還比較少，有必要進一步細化和探討。

2.2 AI時代的知識服務應用模式

借鑒谷歌大腦的研究成果及學界的相關研究成果，本文構建了主要由用戶主體、人工智能“黑箱”以及超大型數據庫組成的AI知識服務的應用模式（見圖1）。用戶主體是AI的服務對象和數據來源之一。用戶通過語音、文字、圖片等形式，向AI機器提出知識服務請求，AI則根據接收到的已知需求，充分收集、調用相關信息，對用戶的請求進行反饋。此外，AI會主動收集用戶主體的日常數據，然后在合適的時間和場合主動響應用戶的潛在需求；AI“黑箱”，是指機器通過語音識別、圖像識別、以及文字識別等AI技術，自主收集、處理、管理及分析數據，最后給出解決方案，整個過程完全沒有外在人為干預；超大型數據庫是AI決策的基礎，主要包含周邊場景信息、用戶信息和知識庫等3方面的數據庫，是知識服務決策準確性和專業性的來源。其中：周邊場景信息是用來判斷用戶所處的環境，用于給出即時性的方案；用戶信息包含用戶的基本屬性信息，以及歷史行為數據，用于給出個性化方案；知識庫包含專業知識、案例等，是解決方案的理論基礎。

基于AI知識服務模式可知，AI時代的知識服務具有友好交互性、智能性、無人干預性以及準確專業性等特征，打造用戶全新體驗。友好交互性是指機器能識別來自用戶主體及環境的信息，走進現實世界，同人類以及環境產生友好互動；智能性是指在復雜的信息環境中，AI機器獲取和分析與所面臨問題相關的信息，并將這些信息解析和重組，然后給出相應的解決方案，使得知識服務能夠切入知識應用和創新過程[13]，給用戶提供智能解決方案；無人干預是指從信息的收集、分析、方案的生成到向用戶提供解決方案的整個過程中，所有行為均在“黑箱”內完成，完全屏蔽人為參與。準確專業性是指AI基于用戶歷史數據、場景信息和知識庫的綜合數據分析獲得解決方案，數據基礎大而全，因此能夠提供專業而又準確的綜合性解決方案。endprint

3 AI在知識服務領域的層次性應用

對于可以替代人類去完成部分工作的AI的未來發展，業界出現了兩種截然不同的聲音。霍金認為AI可能會威脅人類文明；2017年特斯拉創始人馬斯克和臉書創始人扎克伯格在社交媒體上展開論戰。馬斯克認為AI遞歸性的改進自己，會使其功能越來越強大。如果不進行適當的監管，AI將終結人類；而扎克伯格對馬斯卡的觀點極其不贊同。AI科學家李飛飛認為人類的愛是機器無法替代的；杰瑞·卡普蘭教授在其書中描繪了人機共生的未來圖景[14]，并且認為如果人類主動積極地去應對改變和不斷學習，就不用擔心因為AI的發展而失業。在學術領域中，鐘義信[15]提出AI可以模擬人類理解、學習和執行等人類智慧，但不能模擬發現和定義問題的人類智能，并提出人類的創造力和創造性是機器不可替代的；朱瀅[16]認為AI意識并不表示一定會給人類帶來傷害，我們需要做的是正確使用AI，如把人類的正確價值觀和倫理規則植入AI的使用當中。我們認為，AI是對人類智能的簡單模擬，機器本身還是冰冷的，它沒有目標以及意向驅動性。并且無可否認的一點是，AI確確實實給人類發展帶來了新的突破，我們沒有理由拒絕技術的發展。

AI不會對人類造成威脅，它是人類用以提高生活質量，推動人類歷史實現跨躍式發展的工具。目前AI在實際生活中的應用案例已證明了這一點。如無人駕駛技術、智能醫療、科大訊飛在線教育系統等。在知識服務領域，AI不僅改善知識服務模式，還將提高知識服務速度、質量及范圍等，給知識服務帶來層次分明、多樣化的應用前景（見圖2）。

3.1 提高知識利用率及準確率

在大數據、云計算等技術的基礎上，計算機可以把內容分門條類的存儲和管理，對于處理記憶性和邏輯性工作十分有用，水平遠遠高于人類。基于計算機技術，加上AI服務，我們可以提高知識的應用水平。在醫療領域，AI除了根據病人的測驗報告，還可以綜合病人的病史，以及數據庫中相似的案例，做出精準判斷，并給出診斷方案。基于AI的診斷方案，醫生可以對應用到的相關醫學知識進行評估，也可對診斷方案做進一步的探索和糾正，兩者結合將減少誤判率，提高知識的應用和準確率。

3.2 幫助用戶快速掌握領域知識

AI將各種信息匯集到一起，以嵌入的方式，幫助用戶解決真實場景中遇到的問題，或者幫助用戶快速確定學習目標，提供可靠、系統的知識服務，從而避免用戶在花費大量時間做好本職工作/專業的同時，還需要花費大量時間去學習領域知識。從零開始學習一門知識耗時耗力，而且從學習到實際應用，除了扎實的理論基礎，還應學習同類的案例，但工作中大多數情況下等不及。AI具有“聰明”的大腦，基于強大的數據庫，它掌握各種領域知識，并可通過“學習”將最好的解決方案提供給用戶。對個人來說，從實際應用開始領域知識的學習，會更有效率；企業利用AI，可以節省大量的培訓費用；對知識服務機構而言，可以提高知識服務質量。

3.3 潛在性需求的滿足

AI除了存儲用戶基本屬性信息，還可隨時隨地記錄用戶行為等信息，存儲了大量歷史信息。基于這兩種數據的分析，加上知識數據庫，AI可以提前感知用戶需求，并提供方案。如根據某一用戶的數據顯示，該用戶最近一段時間經常熬夜，點外賣頻率比較高，而血壓、體重等數據有上升趨勢。該用戶可能會收到來自AI主動的知識推送，內容是關于規律作息、健康飲食的知識，并且還根據用戶最近的日常工作和時間，給其規劃了一份科學的運動計劃以及營養均衡的食譜表。又或者某用戶最近經常上外語網站或者APP進行閱讀學習，該用戶可能在學習和工作場景中常用英語進行交流，AI機器就會綜合收集到的數據（學習、工作）給該用戶制定一份英語學習計劃或是提供高質量學習資料，提前滿足該用戶的需求。AI時代，知識服務的水平就是在用戶提出需求之前，解決方案就已經呈現在面前。

3.4 創造新知識，助力人類迸發創造性

AI重塑了人類和信息的關系。語音識別、圖像識別等技術使機器與環境發生信息互動，作為中介的人的主觀精神活動被省略；機器學習和深度學習讓機器認識“概念”、并且創造新知識。而且AI“學習”能力驚人，知識在不同機器間的快速復制傳播，其容量和可塑性遠遠大于人類漫長時間積累起來的知識體系，這給新知識的誕生創造了空間和機會。一方面，AI自主創造新藝術、新知識，成為知識的生產者，改變人在生產知識中的絕對主體地位，如AlphaGo創造新的棋譜，可以協助人類穩固提升棋藝，幫助人類成為更好的棋手；另一方面，AI可以憑借其學習能力幫助人類學習更多知識，AI創造的知識可以豐富知識內容、結構以及思維方式，給人類提供更多的學習、探索資料，開拓人類的思考。最重要的是，知識創新的前提是對現有知識深度、全面的掌握和理解，甚至熟練的應用，這是一個不斷試錯、總結的過程，漫長而枯燥。人類將繁瑣、無聊的工作交給AI之后，可以有更多時間從事創造性工作。如AI撰寫新聞稿已不新奇，這些由智能機器產生的知識將成為人類學習和享用的基本資料。AI將憑借其淵博的知識成為一個好老師以及新知識的創造者。

4 結語

AI時代，知識服務明顯的特征是不再局限于提供基本的信息服務，更重要的基于場景為用戶解決問題，并進一步滿足潛在需求。因此，關于AI的知識服務應用，必須以問題為中心，不能為了應用AI而應用AI。當然，AI還處于初級發展階段，距離真正的“智能”還有很長的一段路要走。同時，要提供高質量的知識服務必須有足夠的信息和數據存儲才能滿足更多需求。因此要實現通用AI，海量的數據是前提。在AI時代來臨之前，各知識服務機構應該積極積累數據，建立強大的數據庫和知識庫，同時培養AI領域人才，為迎接AI時代的到來做好準備。

參考文獻：

[1] 國家工業信息安全發展研究中心.2016全球人工智能發展報告[R/OL].[2017-10-23].http：//www.cbdio.com/BigData/2016-10/19/content_5343344.htm.endprint

[2] 陸婷婷.從智慧圖書館到智能圖書館：人工智能時代圖書館發展的轉向[J].圖書與情報，2017（3）：98-101，140.

[3] 張曉林.走向知識服務：尋找新世紀圖書情報工作的生長點[J].中國圖書館學報，2000，26（5）：30-35.

[4] 劉佳.谷歌“學習機器人”：像人類大腦一樣去思考[N].第一財經日報，2013-01-17（C2）.

[5] 鄧逸鈺，王垚.智能化語境下的數字出版領域知識服務生態構建[J].出版發行研究，2017（6）：34-36.

[6] 劉帆，劉鵬遠，李兵，等.TensorFlow平臺下的視頻目標跟蹤深度學習模型設計[J].激光與光電子學進展，2017，54（9）：283-291.

[7] 高華，余嘉元.人工智能中知識獲取面臨的哲學困境及其未來走向[J].哲學動態，2006（4）：45-50.

[8] Yue-ting ZHUANG，Fei WU，Chun CHEN，et al.Challenges and opportunities：from big data to nowledge in AI 2.0[J]. Frontiers of Information Technology & Electronic Engineering，2017，18（1）：3-14.

[9] 危輝，潘云鶴.從知識表示到表示：人工智能認識論上的進步[J].計算機研究與發展.2000（7）：819-827.

[10] 魏曉平，肖賢勇.人工智能與知識管理關系芻議[J].科技管理研究，2005（10）：72-74.

[11] 唐曉波，李新星.基于人工智能的知識服務研究[J].圖書館學研究，2017（13）：26-31.

[12] 董良廣.出版企業基于人工智能開展知識服務的路徑探索——以人民衛生出版社為例[J].出版廣角，2017（14）：16-19.

[13] 高培.專業出版社如何實現知識服務轉型[J].出版廣角，2017（2）：39-41.

[14] Jerry Kaplan.李盼，譯.人工智能時代[M].杭州：浙江人民出版社，2016.

[15] 鐘義信.人工智能：“熱鬧”背后的“門道”[J].科技導報，2016，34（7）：14-19.

[16] 朱瀅.怎樣面對來自人工智能的威脅[J].心理與行為研究，2017，15（1）：1-2.

作者簡介：劉寅斌，男，上海大學管理學院副教授；胡亞萍，女，上海大學管理學院碩士研究生。endprint