人工智能的未來

秦曾昌

人工智能無疑是這一兩年商業領域里的強IP，它所涉獵的領域不僅是在商業上，更在我們生活的方方面面。

7月5日，“李彥宏坐無人駕駛汽車上五環”的消息突然就上了熱搜。當大家還在議論這是否違規的時候，那些不曾預見的未來正悄然無息地走到了我們身邊。

不久前，韓國科學家將全息顯微鏡與人工智能技術相結合，創建了一種能快速發現炭疽病的算法。這種算法可以分析細菌芽孢的圖像，在一秒鐘內確定它們是否屬于炭疽病原體芽孢，準確率已達96%。

8月8日21時19分，九寨溝縣發生7.0級地震，21時37分，中國地震臺網的機器人僅用25秒便完成了出稿，540字并配發4張圖片。內容包括速報參數、震中地形、熱力人口、周邊村鎮、周邊縣區、歷史地震、震中簡介、震中天氣8大項。對于人類記者，25秒能做什么？我們或許還處在地震發生之后的驚愕之中，而機器人就已經迅速完成了數據挖掘、數據分析、自動寫稿的全過程。

不得不說，人工智能越來越智能了。單純從人工智能的英譯來說，它其實是指用人工的方法來實現智能。但在這種簡單解釋的背后，卻包含了眾多的誤解和不為大眾所知的外延。在通俗文化中，機器人甚至成為了人工智能的代名詞。實際上，兩者還是有著明顯的差別。

人工智能更關注機器人是如何“思考”的，主要涉及如何編制聰明的自動算法來實現復雜的功能。這種算法主要基于計算機的基本工作原理，也許并不適合人類這種由有機物組成的復雜系統。更重要的是，我們其實還沒有真正弄清楚“智能”的基本工作原理。

想象一下，人類和計算機都存在于一個客觀的、遵循物理規律的世界中，里面有很多難題，人類進化出了一些解決方案。但計算機也可以在人類的幫助下，實現另外一種以0-1邏輯變換為基礎的解決方案，而兩者未必要相同。只是在行為上，兩者實現的功能是相似的。

早在2001年，以機器學習為代表的人工智能技術就已經在發展了。雖然當時我與那些喜愛人工智能的同學們不是計算機界的主流，但那時包括微軟、谷歌在內的大公司就開始關注機器學習并開始布局。經過了16年，當時被我們認為晦澀和深奧的算法開始讓資本所追逐，成為了社會新的技術發展力量。我們驚嘆于新技術的發展，也不免擔心人們對于這項技術的誤解。在這里，我想按個人的理解來澄清幾個關于人工智能的主要問題。

1.不是通過利用深度神經網絡構建復雜的數學模型，就能模擬給定輸入輸出的真實函數關系。

雖說機器學習的方法都是類似的思路，但深度網絡利用了大量的數據，也的確完成了以前我們沒有解決的任務，在某些領域把準確率提高了一個或幾個量級。我們也開始重新思考神經網絡這種計算模型與生物神經網絡的關系。我想澄清的是，我們目前的深度網絡不是在模擬人腦，也不是通過使網絡更像人腦的神經工作原理來提高準確率。嚴格來說，人工智能的發展是由于在算法、數據利用和硬件使用上提升到了新的技術高度，而非我們看破了人類“智能”的玄機。

2.我們面臨的難題不是有大量的數據就一定會解決問題。

通過對數據的認知，甚至通過利用復雜的深度模型，來自動提取和發現數據中的特征。我們也許能夠在以前的研究基礎上更進一步，但這不代表數據就是一切。因為很多解決問題的鑰匙不見得就在這些大量的數據中。如何獲得有效的數據，如何對問題進行理解，這些都是解決問題的關鍵。

比如，一個人在超市購物的數據能說明這個人的財務狀況和對物品的偏好，但如果想要通過這些數據來判斷一個人的受教育程度，遠遠不如直接拿到他購買書籍的數據。我們深信數據中那些神秘和潛在的規律，但也不能迷信和將未知數據神化。

3.人工智能不是只有深度學習。

雖然今天人工智能技術的代表是深度學習技術，但很多其他領域的研究在過去數10年中也都在不斷進步和發展。人工智能可以幫助我們整理人類的知識，變成可溝通或問答的“聰明”數據庫；可以指導無人機或機器人編隊完成一個協作任務，比如踢足球；也正在幫助我們實現工業控制中的優化，提高供應鏈的效率，自動為貨品定價，給廣告排名；或者輔助人機交互，識別我們的意圖，通過問答來增強對我們意圖的理解。

信息技術在當今時代的發展如同20世紀初物理學的發展一樣，在不斷地進步與迭代。更重要的是，新發明與新技術在以更短的周期改變人類的生活。這本書講述的正是人工智能技術會對各個行業產生的深遠影響與升級。這個升級遵循我們在一開始提到的樸素的技術發展規律。各個行業的人工智能+技術升級將用聰明的算法，盡可能地利用信息來為人類服務，提高各個行業的生產效率。

未來人工智能是否會統治人類，我不敢斷言，但這個問題還很遙遠，還不是一個可被解答的科學問題。目前人類有限的知識范圍能畫出的這個圈子還很小，我們需要通過大量的工作來提高自身對于智能的認知，才能對這個問題有更好的認知。endprint