首頁熱門文章
第三波人工智能潮與以往有何不同？
發(fā)布時(shí)間：2019-06-26 分類：趨勢研究
[本輪人工智能主要算法的靈感來源于認(rèn)知科學(xué)、博弈論和量子力學(xué)等廣闊的領(lǐng)域，大數(shù)據(jù)驅(qū)動(dòng)的算法主導(dǎo)的科學(xué)研究范式（第四范式）被應(yīng)用于各個(gè)學(xué)科的研究，他山之石可以攻玉，其他學(xué)科的進(jìn)展也能反哺人工智能的創(chuàng)新，并可能起到至關(guān)重要的革命性作用，特別是腦科學(xué)、心理學(xué)等學(xué)科發(fā)展可能與AI的發(fā)展形成閉環(huán)和相互促進(jìn)的良性關(guān)系。]
[由于受當(dāng)時(shí)歷史條件所限，AI能做的事情很有限，大眾對(duì)AI前景不切實(shí)際的樂觀和AI所承諾的能力均未能兌現(xiàn)，引發(fā)上世紀(jì)70年代長達(dá)10年的首次AI寒冬。]
[摩爾定律驅(qū)動(dòng)算力在過去30年提升了百萬倍，為數(shù)據(jù)驅(qū)動(dòng)的人工智能提供了強(qiáng)勁的動(dòng)力。]
人工智能（AI）自1956年誕生以來，60多年來經(jīng)歷了“三起二落”的波折的發(fā)展歷程。
2016年，隨著谷歌圍棋機(jī)器人AlphaGo的一戰(zhàn)成名，從國家到企業(yè)層面，隨處都能見到人工智能的身影。隨著經(jīng)濟(jì)增速的放緩以及資本的退潮，人工智能的“寒冬論”又開始甚囂塵上，“一哄而上，一哄而散”帶來了一地雞毛，人工智能的未來，究竟何去何從？
人工智能歷史會(huì)重演嗎
AI之父、圖靈獎(jiǎng)獲得者約翰·麥卡錫在1956年的達(dá)特茅斯夏季研討會(huì)締造“人工智能”一詞時(shí)，曾有不同的聲音。在英語中，Artificial（人工、人造）一詞略帶貶義，如人造革、人造絲等，暗藏著一點(diǎn)“假”的意思，當(dāng)時(shí)英國的一些學(xué)者更愿意使用“思考機(jī)器”的提法。阿蘭·圖靈憑借他的“謎一樣的機(jī)器”（enigma）破解了德軍密碼，大大加速了二戰(zhàn)結(jié)束的進(jìn)程，減少了上千萬人的傷亡，居功至偉，他提出了著名問題：機(jī)器可以思考嗎？
從這個(gè)角度看，其實(shí)人工智能這個(gè)術(shù)語還是貼切的。今天，AI的核心支柱——機(jī)器學(xué)習(xí)并不是在進(jìn)行主動(dòng)的學(xué)習(xí)，而只是在被“訓(xùn)練”，更本質(zhì)的來說，只是通過尋找最小誤差值的方法來進(jìn)行參數(shù)擬合（Fitting），并不具有任何意識(shí)。在小數(shù)據(jù)等需要人類認(rèn)知能力的領(lǐng)域，今天的AI就連5歲的孩子都比不上，例如，兒童在看到幾張照片后，就能輕松地學(xué)習(xí)到“貓”的概念，而“先進(jìn)的”卷積神經(jīng)網(wǎng)絡(luò)需要對(duì)大量的標(biāo)簽數(shù)據(jù)進(jìn)行學(xué)習(xí)才能完成類似的任務(wù)。即便如是，得益于算法的改進(jìn)和指數(shù)增長的計(jì)算能力，在特定的場景中，AI已經(jīng)展現(xiàn)出令人驚嘆的能力，并且對(duì)部分行業(yè)的創(chuàng)新產(chǎn)生了關(guān)鍵影響。
麥卡錫對(duì)人工智能的定義是：制造智能機(jī)器的科學(xué)與工程。在人工智能誕生后的十多年里，科學(xué)家們致力于通過模仿人的思維來實(shí)現(xiàn)智能。今天的人工智能算法，例如神經(jīng)網(wǎng)絡(luò)、知識(shí)圖譜和對(duì)話機(jī)器人的雛形在那時(shí)都已經(jīng)出現(xiàn)，由于受當(dāng)時(shí)歷史條件所限，AI能做的事情很有限，大眾對(duì)AI前景不切實(shí)際的樂觀和AI所承諾的能力均未能兌現(xiàn)，引發(fā)上世紀(jì)70年代長達(dá)10年的首次AI寒冬。
80年代初，日本成為了當(dāng)時(shí)全球第二大經(jīng)濟(jì)體，在技術(shù)上也積極謀求世界領(lǐng)先的地位，提出了“五代機(jī)”（第五代計(jì)算機(jī)，前四代計(jì)算機(jī)代表性技術(shù)分別是：電子管、晶體管、大規(guī)模集成電路和超大規(guī)模集成電路）的設(shè)想，英美等政府也被迫跟進(jìn)，對(duì)相關(guān)技術(shù)進(jìn)行了大量投資，同時(shí)，機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法也出現(xiàn)了兩項(xiàng)突破。基于物理學(xué)能量概念的霍普費(fèi)爾德網(wǎng)絡(luò)被提出；在今天深度學(xué)習(xí)中仍然具有重要作用的“反向傳播”的方法被廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)的參數(shù)訓(xùn)練中，取得了不錯(cuò)的效果，并成為今年（2019）圖靈獎(jiǎng)得主杰弗瑞·辛頓（JefferyHinton）獲獎(jiǎng)的重要依據(jù)之一；90年代初，時(shí)任貝爾實(shí)驗(yàn)室負(fù)責(zé)人的楊力昆（YannLeCun，紐約大學(xué)教授，2019年圖靈獎(jiǎng)得主，美國工程院院士，原FacebookAI研究院主任）實(shí)現(xiàn)了商用的手寫數(shù)字識(shí)別，美國有10%的支票的識(shí)別使用了該算法，1992年，采用簡單神經(jīng)網(wǎng)絡(luò)控制的卡內(nèi)基梅隆大學(xué)的首輛無人駕駛的裝甲車也上路了。盡管如此，但是受制于當(dāng)時(shí)的計(jì)算力和數(shù)據(jù)量，人工智能逐漸湮沒于快速崛起的互聯(lián)網(wǎng)的奪目光芒中，但是，這個(gè)階段的理論儲(chǔ)備為今天的AI發(fā)展提供了重要的源泉（知識(shí)儲(chǔ)備）。
前兩次AI的繁榮具有兩個(gè)特點(diǎn)：一是從參與者來看，主要政府投資主導(dǎo)，企業(yè)參與度低，落地應(yīng)用極為有限；二是技術(shù)上均是以邏輯推理為核心的符號(hào)主義占據(jù)了主導(dǎo)地位，神經(jīng)網(wǎng)絡(luò)學(xué)派的發(fā)展長期被壓抑，客觀上，神經(jīng)網(wǎng)絡(luò)所需要的數(shù)據(jù)量和算力條件當(dāng)時(shí)也不成熟，AI的主要形式也因此表現(xiàn)為確定的推理，難以處理現(xiàn)實(shí)中遇到的大量不確定性問題。
當(dāng)下處在第三波人工智能浪潮之上
互聯(lián)網(wǎng)30年的快速發(fā)展，社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)和云計(jì)算所產(chǎn)生的海量數(shù)據(jù)為本輪人工智能的繁榮提供了燃料。摩爾定律驅(qū)動(dòng)算力在過去30年提升了百萬倍，為數(shù)據(jù)驅(qū)動(dòng)的人工智能提供了強(qiáng)勁的動(dòng)力。2006年，加拿大科學(xué)家杰弗里·辛頓（GeoffreyHinton）教授等人一年之內(nèi)連發(fā)三篇重量級(jí)論文，標(biāo)志著深度學(xué)習(xí)時(shí)代的開啟。自2016年AlphaGo引爆了媒體以來，AI得到整個(gè)社會(huì)的關(guān)注。
與前兩次人工智能浪潮不同，很多和業(yè)務(wù)緊密結(jié)合的AI應(yīng)用場景已經(jīng)或正在落地，企業(yè)成為了最主要的推動(dòng)者。技術(shù)上，深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一種，放棄了之前符號(hào)主義的機(jī)械推理，而采用了基于概率的范式，使得應(yīng)用場景得以大幅度地拓展。符號(hào)主義則以知識(shí)圖譜的形式延續(xù)下來，成為新一代搜索引擎的核心技術(shù)。
同時(shí)，繁榮之下的局限也是顯而易見的。首先，深度學(xué)習(xí)技術(shù)上缺乏理論的支撐，目前是模型的結(jié)構(gòu)和訓(xùn)練是經(jīng)驗(yàn)主義主導(dǎo)，未來深度學(xué)習(xí)理論的誕生將能減少算法對(duì)算力和數(shù)據(jù)的依賴；其次缺乏突破性的算法思想。深度學(xué)習(xí)中大紅大紫的卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長短時(shí)記憶網(wǎng)絡(luò)（LSTM）都是在上世紀(jì)八九十年代就被提出了的，只是囿于當(dāng)時(shí)數(shù)據(jù)量和算力，才沒有流行。本輪人工智能繁榮中真正令人眼前一亮的創(chuàng)新點(diǎn)乏善可陳，對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN）引入博弈論的思想、AlphaGo強(qiáng)化學(xué)習(xí)結(jié)合深度學(xué)習(xí)、自然語言處理中的詞向量等技術(shù)可以算是為數(shù)不多的重要?jiǎng)?chuàng)新。
經(jīng)典力學(xué)和量子力學(xué)的發(fā)展過程與今天的深度學(xué)習(xí)近似：第谷收集了大量行星運(yùn)動(dòng)數(shù)據(jù)，他的助手開普勒在這些數(shù)據(jù)中發(fā)現(xiàn)了行星運(yùn)動(dòng)三大定律，但未能指出背后的原理，直到牛頓在三大定律基礎(chǔ)上提出萬有引力定律；在量子力學(xué)領(lǐng)域，人們很早就獲得了氫原子的光譜數(shù)據(jù)，但是無法解釋。今天，我們擁有大數(shù)據(jù)，也有一些不錯(cuò)的深度學(xué)習(xí)模型，但是還缺乏理論的支撐。
本輪人工智能主要算法的靈感來源于認(rèn)知科學(xué)、博弈論和量子力學(xué)等廣闊的領(lǐng)域，大數(shù)據(jù)驅(qū)動(dòng)的算法主導(dǎo)的科學(xué)研究范式（第四范式）被應(yīng)用于各個(gè)學(xué)科的研究，他山之石可以攻玉，其他學(xué)科的進(jìn)展也能反哺人工智能的創(chuàng)新，并可能起到至關(guān)重要的革命性作用，特別是腦科學(xué)、心理學(xué)等學(xué)科發(fā)展可能與AI的發(fā)展形成閉環(huán)和相互促進(jìn)的良性關(guān)系。
在工業(yè)界，除了金融、零售等少數(shù)數(shù)據(jù)條件好而且“離錢近”的行業(yè)，傳統(tǒng)行業(yè)在數(shù)字化轉(zhuǎn)型過程中，面臨數(shù)據(jù)采集、數(shù)據(jù)治理和缺乏人才等一系列挑戰(zhàn)、直接利用人工智能變現(xiàn)具有一定難度。換個(gè)角度看，這些行業(yè)也具有極大的潛力，可以先從一些簡單的“速贏”場景切入，逐步培育數(shù)據(jù)文化和人才，先對(duì)已有業(yè)務(wù)進(jìn)行優(yōu)化。
本輪人工智能的上半場在C端衣食住行方面都已普及，接下來的主戰(zhàn)場將在B端，企業(yè)不要總是想著風(fēng)口，踏踏實(shí)實(shí)地將一個(gè)個(gè)AI場景落地才是王道。整個(gè)社會(huì)各行業(yè)的數(shù)字化轉(zhuǎn)型將持續(xù)數(shù)十年，即便學(xué)術(shù)界在未來十年在AI理論上沒有大的突破，對(duì)于行業(yè)的AI場景落地并不會(huì)產(chǎn)生太大的瓶頸效應(yīng)，大部分企業(yè)AI場景并非一定要使用最酷炫的技術(shù)，合適的技術(shù)才是最好的。
根據(jù)Gartner的估計(jì)，未來企業(yè)對(duì)于預(yù)測算法的需求將指數(shù)增長，其中大部分場景并不需要追求極致的預(yù)測準(zhǔn)確率，使用目前流行的框架和工具，普通程序員和商業(yè)分析師就能滿足大部分這類需求，對(duì)于少數(shù)核心場景，例如金融行業(yè)的風(fēng)控，零售行業(yè)商品推薦，1%的準(zhǔn)確率的提升都會(huì)帶來巨大的價(jià)值，企業(yè)自然會(huì)在這些領(lǐng)域不遺余力地進(jìn)行投入，數(shù)據(jù)科學(xué)家未來的用武之地也將轉(zhuǎn)移到這些領(lǐng)域。
今天，AI的主要目標(biāo)不再是讓它像大腦一樣思考，而是利用其獨(dú)特的能力，做好人類的助手，如同工業(yè)革命解放我們的體力那樣，AI解放我們重復(fù)性工作所需的腦力，讓我們有更多的時(shí)間和精力從事更有價(jià)值的創(chuàng)造性工作。雖然，今天對(duì)于沒有意識(shí)的AI統(tǒng)治人類的擔(dān)心如同杞人憂天，但是我們已經(jīng)看到大量的行業(yè)正在數(shù)字化轉(zhuǎn)型的進(jìn)程中，現(xiàn)實(shí)物理世界被逐漸映射到虛擬的數(shù)字空間之中，主宰虛擬世界的算法如同法律，其在虛擬世界中的決策作用在現(xiàn)實(shí)生活中不斷顯現(xiàn)，電影《黑客帝國》所預(yù)言的時(shí)代似乎已經(jīng)觸手可及。AI正在成為人類新的潛意識(shí)，替我們進(jìn)行著各項(xiàng)決定，雖然我們好像擁有最終決策權(quán)，卻對(duì)我們正生活在自己編織的信息繭房之中常常不自知。
（作者鄔學(xué)寧系數(shù)據(jù)科學(xué)50人成員、復(fù)旦大學(xué)人工智能客座講師）
