《人工智能的认知革命》由会员分享，可在线阅读，更多相关《人工智能的认知革命（30页珍藏版）》请在金锄头文库上搜索。
1、人工智能的认知革命一、Whn?什么时候人工智能将实现革命性突破?国际上有诸多非常有影响力的大牛或者是大咖论述过这个问题。例如,最伟大的科学家之一霍金讲:“人工智能不一定是好事。”比尔盖茨也说：“人工智能让我比较担忧。”最新的创业偶像马斯克说:“我们需要万分警惕人工智能,它们比核武器更加危险。”我们把她们叫做“人工智能威胁派”。而此外一方面，业界有诸多人,涉及在座的诸多专家,人们其实从此外一种角度看待人工智能，我们把她们叫“人工智能的理智派”。例如，机器学习大神Mcl Joda，Fcebok的n Lecun等。 可以看到有一种问题是人们都关怀的,那就是机器什么时候能实现智能的突破？我们懂得，计算
2、机浮现到目前大概70年左右。那么我们就要问一下，人类的智能是怎么突破的?非常故意思的是，人类历史学家对这个问题研究了很长时间,并且已经得出了结论。以色列的一位年轻的历史学家尤瓦尔.赫拉利的人类简史：从动物到上帝中写到:七万年前,从非洲大陆走出来的智人实现了“奇点”的突破,占领了整个世界。因此人们就会想懂得，七万年前来自非洲的猿人究竟发生了什么，仿佛智力一下子忽然开窍了，统一了地球呢?猿人在地球上已经存在了300到400万年了，到7万年前才实现了智能的突破，这里面是一种非常长的时间。而计算机浮现的时间刚刚只有几十年的时间,和猿人产生智能的时间周期相比,计算机刚刚度过的时间只能算一瞬间。 二、Ho
3、w？人工智能如何才干实现最后的突破呢？近来讨论比较热的一种话题是,神经科学对人工智能发展增进的也许性。近来这两年,美国政府已经顺利完毕人工基因测序的研究。美国和欧洲正在开展一种新的为期十年的40亿美金的基本研究投资，美国叫“大脑图谱”,欧洲叫“人类大脑项目”。在这个方面，国内各个方面也在积极推动“中国脑筹划”，例如中科院卓越创新工程里面,也波及了这方面的研究。我们可以看到,对于脑神经科学的研究，对于人工智能是可以产生增进作用的。目前脑科学的进展,已经使我们懂得大脑里面的不同区域可以解决不同的细节。人们看左图,当一种图像进来后来,我们看到了不同的像素、点、线、轮廓最后到人脸，这是一种非常复杂的图
4、像解决过程,需要使用几百亿个神经元。 并且非常故意思的是，人脑在解决多种不同的多媒体信号的时候,例如声音、图像、触觉,都是从细节到抽象逐渐的向上传递,并且最后综合在一起的。当你看到一幅猫的图片的时候,你的大脑里已有预备有猫的叫声,猫如果发出猫的声音，你的反映是正常的。如果猫发出的是老鼠的声音，那你觉得这是不正常的，又会调出此外一套解决机制。如果把人的大脑皮层剖析开，就会发现大脑皮层是由六层的神经元构造构成的。最重要的一点是什么呢？大脑皮层记忆的方式，跟我们电脑的存储是完全不同样的。例如:大脑重要存储序列模式。一首歌曲从前到后听是可以记得住旋律的，而倒过来放我们就不结识了。涉及自联想的回忆模式。
5、例如:看到猫脸上半部,人脑的神经网络会帮你自动的联想出猫脸的下半部出来。对比来说,电脑只能做运算和存储,而不是记忆。前一段时间跟李德毅院士专门探讨了记忆是如何协助人脑实现智能的问题，我觉得在这方面的研究还差的很远,尚有大量改善的空间。 迄今为止工业界人工智能的成功经验是什么呢？以ooge为代表的世界互联网公司，涉及中国的阿里、腾讯、百度、讯飞，已经找到了一条路,那就是运用深度神经网络与大数据结合,这已经成为目前人工智能实现的一条主流途径。我觉得这条途径中尚有一种非常重要的内容,就是基于互联网和移动互联网的“研究-工程-产品-顾客”大闭环优化。从开始,其实DN已经被广泛的应用在合成、辨认、评测、
6、增强等一系列方向。我们可以看到目前这个方面的工作，已经成为了目前机器学习和记录模式主流。目前的DN对人脑神经网络的借鉴是非常非常抽象的,我们其实可以通过对人脑的研究进一步的优化DN。 大学和研究院所要想做人工智能方面的工作,目前相对于互联网公司，一种很难比较的地方是什么呢？我总结了一种“研究-工程-产品-顾客”大闭环优化的核心思想，用简朴的四个字，可以说是“大、智、移、云”。移动互联设备对智能交互(涉及语音图像)提出了迫切的需求，而老式的嵌入式移动设备不可以提供足够的运算能力且缺少足够的电力供应,而云计算浮现后来,这些复杂的计算都可以放在云上。通过云计算自然就存储了大数据,而这些大数据结合刚刚
7、讲的深度神经网络，可以较好的解决人工智能问题。我自己把它总结成为一种效应，叫“涟漪效应”。“涟漪效应”就是水滴刚刚滴入水面的这个过程,会产生一种波纹逐渐的覆盖整个水面。我们可以想象一种人工智能产品刚开始投入到市场上的时候，有些性能是不好的，就像讯飞的语音输入法。水波纹每一圈向外扩散就会有更多人使用,更多人使用，真实数据和使用经验就会放到云上，系统会根据这些数据和经验进行自我学习和更新。当它扩散到更多的人使用的时候，就是波纹覆盖水面扩大的时候,已经是改善后来的系统。前一千万人免费使用系统的同步也奉献了珍贵的数据和经验。当第一千万零一种人使用的时候,她就会觉得：“哇，怎么这样好？”。 此前的语音辨
8、认是不能在真实场景下使用的,我们科大讯飞刚推出语音输入法的时候，在实验室里面测试辨认率是90%的系统，在真实的环境下辨认率是多少呢?558%。但是运用涟漪效应和“大、智、移、云”，目前已经辨认率达到了%。人是多少？99.5%。但是目前辨认率还在以每年30%的速度往上提高,大概5年后来就可以逼近人类的水平。 目前工业界所依赖的大闭环优化、深度学习和大数据方面，跟脑科学的研究思路有无也许结合呢？我觉得是完全有也许的。由于目前人工智能网络借助于新的学习机理甚至于拓扑构造上的改善，将可以进一步成为人工智能发展强有力的推动力。 例如,一种新型的递归型深度神经网络RNN已经成为目前语音辨认的一种新的原则配
9、备，比老式的DN措施可以再提高20%-30%。RN就是一种非常新的网络拓扑构造,和人脑神经网络可以时间上可以进行信息积累类似,通过网络拓扑构造的优化和变化可以实现对序列性数据更好的解决能力。 三、Wo?人工智能究竟是什么样的一种技术？上次开中国人工智能大会的时候,我被问到一种问题:人工智能跟机器人是什么样的关系？人们都懂得，人工智能和机器人的定义里面都是这样一种过程:一套完整的可以进行感知、认知、决策和执行整个过程的人工解决机制。人工智能自956年DatMouh会议有了定义以来,人们始终在追求的是通过计算机数字世界和虚拟世界完毕这样一种机制。但是做机器人的专家是从哪个角度呢？她们是在物理世界和
10、真实世界中探求能不能实现这样的机制。由于做机器人的，一定要在物理世界里面执行。目前做人工智能的人员长期与虚拟数字世界打交道,而目前要到一种真实的物理世界干活了。而作为长期在真实物理世界中工作的机器人专家来做,目前必须在数字化世界中获得更强的智能。我要讲的是,目前这个时代,也许这两方面要进行更紧密的融合。 四、here?目前人工智能发展到什么阶段了？世界上一种非常出名的公司Garne研究过,一项新的技术从开始研究到最后成功的产业化之间要通过诸多过程,涉及一开始的推崇备至发展到盼望巅峰然后到跌入现实低谷的痛苦,诸多技术在这个过程中慢慢的消失了，或者被新的技术替代了。但是在这个过程中我们看到，我们所
11、讲的人工智能其实是一种非常广泛的概念,她的各项技术以不同的状态分布在整个曲线上。工智能里面诸多项技术发展是不均衡的。上次李德毅院士跟我探讨过一种概念。我本来说的是计算机有计算能力和记忆能力。后来李院士讲：“这是不对的。”后来我就改了，我讲：“计算机目前比较强大的是运算能力和存储能力。” 996年IM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫,从此，人类在这样的强运算型的比赛方面就不能战胜机器了。江苏卫视有个最强大脑的节目,让每一种人类选手记00个4位数,然后让你问第8，第个位数是什么？这对于计算机来讲,主线就不是个问题。因此从运算智能的角度来说，人类早就不是机器的对手。 我们看到机器在感知
12、世界方面,比人类尚有优势。人类都是被动感知的，但是机器是可以积极感知的。例如：激光雷达、微波雷达和红外雷达都是。可以看到不管是ig Do这样的感知机器人,还是自动驾驶汽车，由于充足运用了D和大数据的成果，机器在感知智能方面已经越来越接近于人类。 但是,我们不要忘了一件事情，人类跟动物的区别是什么呢？是人类拥有自己的语言,有语言就可以体现知识，有知识就可以进行逻辑推理，而有逻辑推理后来我们就有向更高阶段发展能力。我们觉得语言的使用辨别了人与动物，也将是人工智能面临的最大挑战。 其实前一段时间就有人跟我提：“动物难道没有认知吗?”动物对自然世界的确有认知，但是它的认知也只能是停留在哪些是固体、哪些
13、是液体、哪些是能吃，哪些是不能吃的等等。因此我说,动物只能对自然世界产生简朴的认知，同步对人造世界的自然属性产生认知!动物可以看到月亮,但是它不懂得月亮是一颗星球。如果一只兔子来到这个会场,它会懂得这里有诸多活物（人），有桌子、椅子这些固体，但是它不能理解这些物体和人类社会之间的关系。目前我要问的问题是，计算机能理解这一切吗？我觉得这是非常核心的一点。如果这时候让我们回过头来看一看人类智能的突破。七万年前智人的智能仿佛有过大的突破,研究表白，这是由于她们有特殊的语言和认知。我们到目前分析人类历史都懂得有农业革命、工业革命、信息革命,但是在七万年前,目前历史学家有一种公认的,在七万年前人类发生了
14、“认知革命”。其中的核心是智人拥有丰富的语言，从而产生了三个成果,这些智人通过语言更好的描述自然世界,从而可以执行更加复杂的筹划。例如:河边有一只狮子，猴子和鸟类可以发出类似的声音，但是智人已经可以描绘出狮子多大,跑的多快。我曾经觉得八卦是女生特有的专利,目前我才懂得八卦对于人类发展非常重要。由于有了语言，智人可以对人类的社会关系进行“八卦”,从而可以组织50人以上的团队。而最重要的一点，就是智人有了语言之后可以描述在梦中想到的东西和她们脑子里面想到的东西,从而产生虚构、产生宗教,产生多种概念。 正是由于这样的,目前诸多正在做人工智能研究的专家，涉及我前面说的大牛Michael Joran和Y
15、ann Leun等也已经意识到，自然语言理解对于人工智能来说是一种突破口。在今年3月2号的静沙龙人工智能研讨会上，我对杨强专家当时提的一种概念非常尊崇。近来有一本书是从0到1，美国Peter Thiel写的,她讲的“从到1”是美国擅长的原始创新，而她讲的“从到N”是中国擅长的全球化。杨教师提出来一种,说目前我们人工智能研究大部分做的还是从到N的工作,我们让机器干诸多事情看起来像是有智能同样。但是其实在人工智能领域人们始终追求的从0到1的事情,就是让机器真正具有思维的能力。这个角度上，我们是不是可以从自然语言理解上突破？我觉得是可以值得期待的。如果机器已经在运算智能上比人类强诸多的话，在感知智能
16、上已经给了我们很大的威胁，而最需要突破也是最难的就是认知智能。 我在科大讯飞所领导的讯飞超脑筹划,就是想实现涉及感知智能和认知智能在内的全面突破。在感知智能领域,在语音辨认、手写辨认方面每年保证30%-50%的错误率的下降。进一步的，我们不仅可以辨认一般话,我们还可以辨认方言；不仅可以理解人类和机器的对话，而能理解人类和人类的对话；不仅可以辨认联机手写的字符,还能辨认离线手写的字符。我们在认知智能上的研究目的,核心是让机器能理解会思考,必须要突破语言理解、知识表达、联想推理，自主学习等多种方面。国家目前也立了一种项目:“类人答题系统”。评判一种人智商的原则是什么？让你参与考试,虽然这个措施诸多人都在批判，但是没有其他更好的措施。美国华盛顿图灵中心在做，让机器人通过美国高中生物测试。日本国立情报研究所在做可以考上东京大学的高考机器人。国内863筹
