人工智能真的靠譜嗎
一場Google
AlphaGo與圍棋世界冠軍李世石的對弈吸引了全世界的目光，也讓人工智能再度成為業(yè)界討論的熱點話題。人工智能自1943年誕生以來，在幾十年的發(fā)展歷程中經(jīng)歷了多次潮起潮落，人們卻從未停止過對人工智能的研究與探索。當下，摩爾定律驅(qū)動計算力不斷增長，云計算、大數(shù)據(jù)、移動互聯(lián)網(wǎng)這些趨勢在影響著人類社會的生活與生產(chǎn)方式，也成為人工智能的催化劑，促使著人工智能不斷的演進。那么，在大數(shù)據(jù)時代到來的背景下，人工智能未來會朝著什么方向發(fā)展?人工智能在未來能夠超越人類么?人工智能兩大流派：聯(lián)結(jié)主義和符號主義孰優(yōu)孰劣?近日，在百分點數(shù)據(jù)與價值國際論壇上，來自北京大學數(shù)學學院教授林作銓、東南大學計算機與工程學院教授漆桂林、普惠金融首席數(shù)據(jù)科學家李文哲以及百分點集團技術(shù)副總裁劉譯璟等多位人工智能領(lǐng)域的專家就這些話題進行了深度討論。
眾所周知，人類的智能主要包括歸納總結(jié)和邏輯演繹，與之對應的就是人工智能中的聯(lián)結(jié)主義和符號主義兩大最主要的流派。前者典型方法為神經(jīng)網(wǎng)絡、統(tǒng)計學習、深度學習等;而后者則包括形式語言、邏輯推理、專家系統(tǒng)等。這兩大流派在人工智能發(fā)展歷史中互有起落。而隨著2006年加拿大多倫多大學教授、機器學習泰斗Geoffrey
Hinton在《科學》雜志發(fā)表深度學習方面的論文，深度學習在學術(shù)界以及商業(yè)界持續(xù)升溫，語音識別、圖像識別、自然語言處理、搜索廣告等深度學習相關(guān)的應用為之大熱。作為聯(lián)結(jié)主義的代表，深度學習儼然成為人工智能當下最為熱門的領(lǐng)域。
對此，北京大學林作銓教授認為：“2006年開始迅速發(fā)展的深度學習恰恰在人工智能的基本原理方面并沒有太大貢獻。深度學習的本質(zhì)是靠大量數(shù)據(jù)進行層級計算，第一層學習之后變成另一種表示，然后特征的抽取變成第二層，層級越多所達到的效果一定會更好;另外，深度學習每一層的計算或者所謂的學習其實本質(zhì)就是應用數(shù)學問題，即解出一個信息函數(shù)，但是原則上這些非線性函數(shù)都是難計算的。因此，帶來兩大問題就是：首先，深度學習網(wǎng)絡不斷增加深度層級的意義;另外就是每一層級的計算的理論問題，計算數(shù)學解決不了，深度學習也解決不了?！?br>
東南大學計算機與工程學院教授漆桂林則認為，讓機器學習具備認知和推理能力是人工智能領(lǐng)域下一步需要真正思考的難題，“不是所有公司都擁有Google這樣的大數(shù)據(jù)能力，Google跑深度學習的效果非常好。但是換了另外一家公司卻可能沒那么好的效果。如何在更小數(shù)據(jù)量上面提高機器的學習能力，其實需要讓它具有認知和推理能力。目前幾個深度學習領(lǐng)域的權(quán)威專家已經(jīng)在不同場合表示需要把人類的規(guī)則推理引入到神經(jīng)網(wǎng)絡，使得神經(jīng)網(wǎng)絡具有更好的解釋性。”
“人們對于深度學習的理解還沒到我們想要的人工智能的程度，想要通過深度學習的模型達到人的智慧還非常難做到。”普惠金融首席數(shù)據(jù)科學家李文哲補充道。
對于符號主義而言，認為人工智能源自數(shù)學邏輯，核心思想就是應用邏輯推理法則，在人工智能中體現(xiàn)就是機器定理證明。符號主義認為知識是信息的一種形式，是構(gòu)成智能的基礎，知識表示、知識推理、知識運用是人工智能的核心，知識通過符號表示，認知即為符號的推理過程，推理過程又可通過形式化語言來描述，并且主張通過邏輯方法來建立人工智能統(tǒng)一體系。林作銓教授表示：“符號主義的核心目標仍然是探尋人工智能的基本原理，屬于基礎研究。人工智能的原始目的之一就是通過計算機來模擬人的智能行為，探尋智能的基本原理，這個目標還遠遠沒有達到?！?/p>
人工智能之所有在當下受到廣泛關(guān)注，除了類似Watson參加危險游戲、Google AlphaGo對戰(zhàn)圍棋世界冠軍這些熱門事件外，更多的是來自基于人工智能的應用開始得到廣泛使用，比如銀行領(lǐng)域的自動欺詐檢測系統(tǒng)應用、零售商的銷售定價、智能家居機器人、人臉識別系統(tǒng)、自動語音識別等等。那么對于公司而言，在人工智能領(lǐng)域方向是選擇聯(lián)結(jié)主義還是符號主義呢?
對此，普惠金融首席數(shù)據(jù)科學家李文哲以金融業(yè)為例表示兩種方向都非常有用，他表示：“金融領(lǐng)域的特點是，公司剛成立不會擁有大量數(shù)據(jù)，因此不會嘗試聯(lián)結(jié)主義這種做法，因為像深度學習肯定需要大量的數(shù)據(jù)才能得到一個較好的結(jié)果。在數(shù)據(jù)量較少的時候，專家的經(jīng)驗才是最重要的，這就屬于符號主義。比如對欺詐的分析、信用風險的評估，這些都是基于專家先前的經(jīng)驗來做的。而當公司發(fā)展多年之后，積累了大量的數(shù)據(jù)樣本，則可以嘗試聯(lián)結(jié)主義的算法?！痹诶钗恼芸磥?，采用符號主義還是聯(lián)結(jié)主義最大的考慮因素就是數(shù)據(jù)量，“具體到公司業(yè)務上考慮聯(lián)結(jié)主義還是符號主義就是公司的數(shù)據(jù)量和數(shù)據(jù)復雜度，符號主義很多都是靠經(jīng)驗，很多邏輯是人為去定義。而當數(shù)據(jù)量非常龐大、而且屬性又非常復雜的時候，就很難用這種方式去定義，這時候就需要采用深度學習的方式?！?/p>
不過，在李文哲看來，深度學習仍然處于發(fā)展的初級階段，用戶仍然在做很多嘗試和實驗，他表示：“深度學習從2006年開始逐漸火起來，但還是較初級的階段，很多做深度學習的人在‘蠻干’，嘗試不同的方法。當發(fā)展到一定階段之后，就會有人研究理論層面。”
通常，人工智能往往劃分為三個層級，即弱人工智能、強人工智能以及超人工智能。像Google的AlphaGo就是弱人工智能的典型代表，在某一單個領(lǐng)域擁有強大的人工智能程序;另外，像機器人寫稿、Siri、微軟小冰等都屬于這個層級;通常弱人工智能并沒有自主意識，按照固定結(jié)構(gòu)去計算，并獲取答案。而隨著大數(shù)據(jù)以及計算能力的普及，弱人工智能可以被看成已經(jīng)基本實現(xiàn)。那么，能夠主動尋找問題、構(gòu)造問題的模型、并解決問題的強人工智能什么時候到來?甚至超過人類的超人工智能時代離我們又有多遠?
眾多專家認為強人工智能或者超人工智能時代將會在不遠的將來到來。美國未來學家、Google工程主管Ray.Kurzweil在其《奇點臨近》一書中更是預言：“2045年左右，人工智能將會來到一個'奇點'，跨越這個臨界點，人工智能將超越人類智慧，人類歷史將會徹底改變?！辈贿^，林作銓教授并不認同這種觀點，他表示：“關(guān)于人工智能威脅人類的話題這幾十年以來都一直持續(xù)不斷，我并不認同2045年會是人工智能超越人類的時間奇點，最近幾年搞的強人工智能，也有人稱之為通用人工智能，基本都不了了之，在短時間能很難看到實現(xiàn)的可能。”
“人工智能已經(jīng)有很多成熟的方法得到了應用，已經(jīng)成為基礎設施中重要的一部分。歷史上，人工智能也熱過好幾次，這次人工智能熱對于人工智能發(fā)展有推動作用，雖然可能有泡沫，但是這個過程其實對人工智能發(fā)展有幫助?！绷肿縻尳淌谧詈蟊硎镜?。
人工智能專業(yè)前景如何?