【安防展覽網(wǎng) 視點跟蹤】4月10日，“吳文俊人工智能科學技術(shù)獎”十周年頒獎盛典在北京舉辦。中國科協(xié)黨組書記懷進鵬、中國工程院院士周壽桓、中國工程院副院長何華武、中國人工智能學會理事長戴瓊海、華為公司董事徐文偉等人出席了頒獎盛典。
頒獎典禮上，中國工程院院士、中國人工智能學會名譽理事長李德毅榮獲“吳文俊人工智能最高成就獎”，成為這一最高榮譽的第三位獲得者。李德毅院士在認知模型、智能控制、不確定性推理、數(shù)據(jù)挖掘、無人駕駛等方面取得多項成果，是我國不確定性人工智能領(lǐng)域的主要開拓者、無人駕駛的積極***和人工智能產(chǎn)學研發(fā)展的重要推動者。在大會舉辦期間，李德毅院士也分享了自己對于“新一代人工智能的看法”。以下是演講全文：
我今天報告的題目是“探索什么叫新一代人工智能”。傳統(tǒng)的人工智能怎么講？新一代的內(nèi)核是什么？能做到什么樣子？副標題為“人工智能100年”，也就是到2056年全世界新一代人工智能在我們眼里是什么樣子。
1956年達特茅斯會議上討論了七個話題，現(xiàn)在拿來看哪一個都不落后，那到本世紀中葉應該是什么樣子呢？傳統(tǒng)人工智能有什么技術(shù)表征呢？新一代有什么表征呢？中間的分界點在哪里？如果我們對這四個問題不認真地思考，整體用信息化代替人工智能，那我們就太粗放了，尤其是科技工作者必須坐下來仔細想一想，不要整天云計算、大數(shù)據(jù)、人工智能。
我們要沉下心講一講這四個問號怎么回答。
新一代人工智能如何從傳統(tǒng)人工智能中脫穎而出？
我個人認為這個分界點可以定在機器學習之后的深度學習事件上，由于人類的圍棋高手都被一個機器打敗，全世界一片嘩然。2016年這個事件震動了政治家、心理學家、老百姓，當然也鼓舞了人工智能學者。它是由早期的機器學習，尤其由深度學習爆發(fā)而來。
但深度學習是不是就是新一代人工智能？我把它作為分界點，傳統(tǒng)人工智能是什么？為了方便我發(fā)明了一個詞——計算機智能，凡是在計算機上玩智能的(算法、大數(shù)據(jù)等等)，那都是玩的計算機，不算新一代，而是傳統(tǒng)智能。
算力就是搞計算機，那是計算機本來就應該干的事情，算法是人力工程師應該干的事情，數(shù)據(jù)就是應用。我們不能滿足于算力、算法、數(shù)據(jù)起到的最大作用，要探索新一代人工智能。
新一代人工智能起名很難，有人說叫類腦智能，這個人類最喜歡了，因為人類之所以成為身份鏈的頂端就是我們有一個聰明的大腦。但腦科學不是一兩年的事情，在腦科學沒有搞清楚之前我們能不能做類腦智能呢？
現(xiàn)在作為人工智能最頂端的就是GPD3，因為大量算力、算法來做預訓練、預編程，我們清華大學在花很多力量做漢語的預訓練和編程，將來自然語言處理，比如生成報告、小說、詩歌，這些都可以在機器上看得到。這些預編程、預訓練難道就是我們要的智能嗎？我覺得我們要的是會學習、智編程的人工智能。
什么叫會學習？智編程，我們要把軟件工程師、算法工程師用智能表現(xiàn)出代碼，讓機器自己寫出來，類似人腦的智能。為了說清楚這個問題，我愿意講講三次認知革命，第一次是五千年前人類發(fā)明了語言，尤其是發(fā)明了文字。
所有生物能有自己文字的只有人類，文字是脫離生命體智能，可以把知識，文化承載下來。有了文字才有文化，有了文化才有文明，所以這幾年我一直講兩句話，智能植根于教育，文明是智能的生態(tài)。500年前人類科學技術(shù)革命大發(fā)展，認識客觀事件，發(fā)明了大量蒸汽，電動一直原子，這些動工具延伸了人的體能，解放人的體力。
100年前開始認識生命科學，發(fā)明人工智能。我們要用人工智能來延續(xù)人的智力，這三次革命很值得人們回顧。現(xiàn)在有人想做人工生命，這件事情要小心，如果人類要培養(yǎng)一個新人類，我們?nèi)祟惒粫敲醋龅?。所以要搞清楚意識，搞清楚生命，這是未來的事情，不是當前的事情。我們要研究人腦組織結(jié)構(gòu)進化和后天學習這兩件事情，因為它成就了人類的智能。
遺傳基因和可塑性就是我們講的機器帶有東西可以學習，一個什么軟件都沒有的機器不可能學習，后天怎么學？大家知道人類的智能和其他生物相比，如果沒有后天的學習是不高明多少的。
我得出一個新的定義，智能是學習的能力，是解決問題的能力。學習又是解決問題的基礎(chǔ)，學習可以很多。學習的結(jié)果是記憶，這句話很重要。我們不但要研究計算智能，還要研究記憶智能。解決問題是學習的目的，不能用一臺機器總是做它原來能夠解決的問題，我們希望解決它從來沒有遇到過的新問題這是我們要追求的。
這里面怎么解決？用數(shù)學家語言來講，怎樣把一個設(shè)計問題基于高階次來做，把小變量放到一個大變量范圍內(nèi)研究才能夠解釋，解決這個問題。我個人認為算力算法和數(shù)據(jù)僅僅是計算機智能的硬核。
為什么這個事情這么強大？這不是偶然的，可以看看這張片子。每一個理工男都知道微積分，后來波爾做了邏輯代數(shù)成就了計算機，后來Fraga提出了位置演算。有人在有限數(shù)學資源里面怎樣表示無窮的數(shù)學能力，打破了人們思維傳統(tǒng)界限。有人提出了23個數(shù)學難題，后來哥德爾提出完備性定理，最后出來的兩位神，就是圖靈和伊曼兩位專家，他們不但是人工智能之父，而且也是計算機之父。
圖靈模型是在1936年發(fā)表，在1945年提出自動計算機，1950年他成為人工智能之父。他寫了一篇重要文章《計算機器和思維》，馮洛伊曼先生用馮洛伊曼五個要素形成一個實實在在的物理機器，這叫計算機，所以智能科學的發(fā)展就是不斷地提出智能問題，確保智能可解釋性，引起了數(shù)學危機。再證明，讓這個封閉性圈子越搞越大。
因此我們現(xiàn)在遇到一個基本問題就是開放性跟封閉性的矛盾，可以無限接近真理，但永遠不可能相同它。人工智能科學家或者認知科學家這40位學者獲得的諾貝爾獎和圖靈獎，可以看到他們是怎樣來做智能和人工智能研究的。1978年西蒙拿了經(jīng)濟學諾貝爾獎，同時在前一年又拿了人工智能圖靈獎，這是我們的楷模。
現(xiàn)在說類腦智能，確切說應該是受腦科學或者認知科學啟發(fā)的人工智能。并不是要在一個機構(gòu)上做出真正類腦物理腦裝置，而是受啟發(fā)的。我們要認真研究怎么啟發(fā)，受了哪些啟發(fā)讓我們能夠做新一代智能呢？就是人工智能工作者要認真研究的對象。
我們不但要類腦，還要類人，還有軀體的智能。能在物理裝置上重現(xiàn)人類智能，受腦科學和認知科學啟發(fā)新一代人工智能架構(gòu)，就是了解新一代人工智能的四梁八柱才是人工智能科技工作者追求的方向。
利用類腦人類發(fā)明了飛機，反過來用空氣動力學解釋了鳥的滑翔，鳥在飛行當中的動作還是很多的，不能全解釋。利用類腦人類發(fā)明了計算機，反過來用計算智能解釋了人腦部分智能。類腦，類人之路還很長，我們不能太急躁，不能太浮躁。
到底啟發(fā)了我們什么呢？為什么我們可以做這些事情呢？我列出五條啟發(fā)點，每一個都很重要，圍繞這五條孵化了才可以。
回顧人工智能70多年發(fā)展，我們有三條主線，一個行為主義機器人學派，他們提出機器如何像人一樣行為。一個是符號主義，這是人工智能的主流學派，我原來在英國讀博士的時候，我做的是位次演算，位次邏輯。他們強調(diào)的是機器如何像人一樣思考，于是我們有了推理，預測可解釋。現(xiàn)在大家比較看好的就是研究主義，尤其是人工神經(jīng)網(wǎng)絡然后出現(xiàn)了深度學習，尤其是轉(zhuǎn)接學習。
機器腦如何像人腦一樣連接，今天當我們研究新一代人工智能時候我們發(fā)現(xiàn)這三個學派封閉型假說都要被打破才行。于是我們從行為主義者強調(diào)模仿和類比，人類的模仿是人類抽象思維第一個功能。從行為智能得到感知智能，計算智能強調(diào)模型驅(qū)動繼續(xù)發(fā)揚計算智能。從連接主義里面強調(diào)要考慮語境，語用，語構(gòu)，語法四要素。
人類智能進化先低階后高階，第一階認知產(chǎn)生了感知智能行為智能，高階認知產(chǎn)生記憶智能和計算智能，而人工智能恰是相反。我們先忠于符號計算，第一階認知一直很弱必須大大加強。我搞了這么多年無人駕駛，本質(zhì)上是搞的跨模態(tài)感知智能，認知用得很少。因為激光雷達跟毫米波雷達和攝像頭搞不好跑不起來的。
人工智能不是人造生命，生命是人類存在的底線，觸碰底線要慎之又慎。為什么要剝離意識呢？因為上海這個地區(qū)對倫理很重要，我多談一點為什么現(xiàn)在當前不急于做人工生命的原因。意識這個問題，所有哲學家都感興趣。計算機已經(jīng)成功把智能和意識剝離了，計算機沒有意識但它有智能，因此我們可以繼續(xù)做沒有意識，有智能的高階機器。非生命人工智能可以確保一以貫之的工具性，智能體外延伸才是人類最需要的。
汽車成為我們的工具，就是人類的第一殺手。這個第一殺手之所以產(chǎn)生就是人類意識造成的，因為它疲勞，它有情緒，思想不集中。我們要這個意識干什么呢？我們只要意識不要智能，如果要意識，對不起這條路很長。意識可以分成三種，自覺意識，自我意識或傳遞意識。自覺意識需要當前人工智能學界做出一個人造的皮膚，把機器人包裹起來，讓它能夠感知到自我，皮膚功能很強大。到哪里找到這樣皮膚呢？人全身有1000億個上皮細胞常常更新，可以再生，體內(nèi)還有15萬公里總長的神經(jīng)，這樣人造皮膚到哪去做？如果沒有，談什么意識呢？我建議大家先做工具，不要做意識。
當前情況下做一個受腦科學啟發(fā)的人工智能，一定要拿出一個非馮洛伊曼架構(gòu)出來。在監(jiān)管上類似人腦的神經(jīng)組織，這個機器放到這個地方應該能感知到周邊的環(huán)境，在智能駕駛里面叫做同步定位和映射。新時代人工智能價值，我提出兩個循環(huán)，兩個協(xié)同。一個是客觀事件跟內(nèi)部循環(huán)，通過五個感覺，感知器官。還有就是軀體的循環(huán)，形成動力學行為。內(nèi)部還有兩個協(xié)同，工作記憶跟場景記憶協(xié)同，記憶跟計算協(xié)同。
我們不要把所有機器都搞成CPU為主，可以數(shù)據(jù)中心為主，讓CPU加速。只有在計算里面才有CPU為主，讓GPU加速，不要所有芯片都是CPU為主，能不能做到這一點呢？我們還要有一個知識圖譜，用快速和慢速雙驅(qū)動形成對記憶的提取。把記憶提取做出來，在人工生命里是一件很偉大的事情。
新一代人工智能的核心在哪？
第二點講一下會學習，這個是新一代人工智能的核心。
現(xiàn)在所有計算機都是軟件工程師的智能編程的代碼在一次又一次簡單執(zhí)行而已。我們希望這個機器在學習過程中能夠解決新的問題，這才叫做新一代人工智能。因此找它的邊界怎么找呢？學習形態(tài)是交互，學習核心是理解，學習結(jié)果是記憶，學習成為新一代人工智能解釋解決現(xiàn)實問題的基礎(chǔ)。記憶智能成為新一代人工智能中多領(lǐng)域，多情景可計算智能的邊界和約束。
用語用，語境來約束語義和語法。機器在客觀空間里要有位置感知能力，形成位置空間感，為什么不講多模態(tài)呢？因為我覺得視覺和聽覺，哪怕是雙模態(tài)已經(jīng)很豐富了，不在于多而在于互相之間交叉融合，就是我們講的信息融合，信息沖突更多一點，怎么樣做沖突消減才是我們認真要做的事情。
這里面涉及到一個很基本問題，到底用沒有通用智能？我認為人類學習過程中是不可以劃分通用和專用，也不可以劃分什么叫常識，什么叫非常識。
AlphaGo不是專用要是能把不同棋盤都能下，把游戲規(guī)則稍微改一下那個在專用里面也叫通用，這就是我的基本觀點。相對地不要刻意區(qū)分，歸根到底是人的魔法，魔法當中最重要是抽象，類推，類比。所以怎么學呢？我提出了三種學習方法，一個叫做課堂學習，一個叫做仿真學習，一個是真實環(huán)境下的學習。
假如我們做這樣一個無人駕駛，機器人向人學習。像特斯拉一樣還是你開，你開了兩年之后這個駕駛腦說可以開了，就是第二階段，機器開車讓駕駛員干預一下。到了一定時候機器人學會了它說我不但可以從虹橋到蘇州，我可以叫所有汽車都從虹橋到蘇州，機器人叫機器人，這多好。這里面最重要的是怎樣形成知識圖譜，我們提出一個記憶網(wǎng)絡的想法。用數(shù)據(jù)化，網(wǎng)絡化來做這件事情。
我們知道神經(jīng)元是一個超大規(guī)模的網(wǎng)絡，怎樣挖掘知識，進行基因提取我們正在做這方面的工作。我們希望通過學習讓機器自學語言，讓機器人聽一聽課，他有語言能力，有聽覺，有視覺，還有手可以做表示，利用它的交互能力去學習去提問，學了一年兩年能不能讓它自己寫一個新的程序呢？這就是我們自己推崇的。
機器人需要依賴自身軟硬件和外部變化的環(huán)境，通過交互學習和記憶實現(xiàn)自編程自成長。機器人也許無法改變自身研發(fā)或者基礎(chǔ)軟件，如同人無法改變自己的基因一樣，可以通過自編程擴充自己能力，也可以通過交互提出擴充硬件或者基礎(chǔ)軟件的要求，讓它的主人配合它更好的增長才干，適應環(huán)境增長。行為主體一定是人類，我們提出兩個驅(qū)動，情景數(shù)據(jù)和自身模型，歸納和研究系統(tǒng)推進，理性和經(jīng)驗迭代發(fā)展。
到2050年最浪漫的事也許是新一代人工智能和人類一起與時俱進，一起學習成長，解釋解決新的問題，今天的手機以后將變成可交互，會學習，自成長，個性化的個人代理。
傳統(tǒng)人工智能是計算機智能，應該是封閉型人工智能。新一代人工智能應該是開放性人工智能，傳統(tǒng)人工智能應該是算力算法和數(shù)據(jù)，新一代人工智能是交互學習和記憶，傳統(tǒng)人工智能解決的是確定性問題，我們要解決的是不確定性人工智能。
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
