人工智能發展到哪個階段了

熊輝

【摘要】當前，人工智能領域處于第三次浪潮的初始階段，這一波人工智能的發展主要受到大數據、機器學習尤其是深度學習技術的推動。人工智能技術在智能醫療、自動駕駛、金融科技等領域有著很好的發展前景，同時也開始同社會公益相結合，未來各國人工智能的發展應該更注重高素質人才的培養。

【關鍵詞】人工智能 機器學習 大數據 【中圖分類號】TP29 【文獻標識碼】A

人工智能（Artificial Intelligence，以下簡稱“AI”）亦稱機器智能，是指由人制造出來的機器所展現出來的智能。盡管“人工智能”的概念于1956年才首次被提出，但人工智能領域的起源可以追溯到20世紀40年代。從那時起，人工智能研究經歷了多次的跌宕起伏，直到20世紀90年代后期才開始出現加速發展，主要因為研究人員開始更加關注現實世界的AI子問題和子應用，例如圖像識別、語音識別和醫學診斷等。

人工智能領域現處于第三次浪潮的初始階段，更加注重解釋性和通用人工智能技術

據《美國國家人工智能研究和發展戰略計劃》分析，從技術角度來看，AI研究已經歷了三次浪潮。第一次浪潮開始于20世紀80年代，主要是基于規則的專家系統的研究與開發。專家系統是一個具有大量專業知識與經驗的程序系統，根據某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決策的復雜問題。此類系統推理可成功應用于狹義問題，但其并不具備學習或處理不確定性問題的能力。然而，它們仍然取得了巨大的成功，并且在今天的技術發展中仍然非常活躍。第一次浪潮產生了很多里程碑式的系統，例如XCON（1980）、IBM的深藍（1997）與DARPA的CALO（2003）等。第二次浪潮始于21世紀，其表現特征是機器學習的崛起。特別是大數據、大規模并行計算和增強的學習算法三者之間相互促進與發展，使得AI在諸如圖像和書寫識別、語音理解和人類語言翻譯等任務上取得了較大的進步。例如在一個人類識別錯誤率為5%的圖像識別挑戰中，最好的AI系統（2015）可以將錯誤率降低到3.5%。相比于第一次浪潮，里程碑的步伐越來越快，產生了trivia（2011）、Atari games（2013）、圖像識別（2015）、語音識別（2015）、AlphaGo（2016）等系統，并廣泛地應用到我們生活中的各種場景。盡管在特定任務上人工智能取得了長足的進步，但人工智能系統仍然有其局限性。幾乎所有AI系統都是針對特定任務的“狹義人工智能”問題而研發的，而在各種認知領域能夠發揮有效作用的“廣義人工智能”方面取得的進步相對不大。因此，人工智能領域現處于第三次浪潮的初始階段，更加注重解釋性和通用人工智能技術。

在目前，世界各國政府和企業投入大量的人力和物力開展新一代人工智能的研究。2016年，美國制定了全球首份國家層面的人工智能發展戰略計劃《美國國家人工智能研究和發展戰略計劃》；英國相繼發布《機器人技術和人工智能》和《人工智能：未來決策制定的機遇與影響》兩份報告，將人工智能列為“重中之重”；歐盟也推出了《歐盟機器人研發計劃》；2017年，中國正式發布了《新一代人工智能發展規劃》，從戰略態勢、總體要求、資源配置、立法、組織等各個層面闡述了中國人工智能發展規劃，為中國人工智能產業明確了“三步走”發展路線。除了政府投入，各國的企業也投入大量的資金開發人工智能技術與行業應用。例如，在無人駕駛方面，美國的Google、Mobileye和中國的百度均已開發相應的系統并進行了試用。

這一波人工智能的發展主要受到大數據、機器學習，尤其是深度學習技術的推動。人工智能技術的現狀可以從三個層次來分析。一是基礎支撐層：這一輪人工智能技術成功的三大因素分別為大數據、計算力和新模型。可以說，大數據為人工智能的發展提供了燃料。最近幾年，新的增強算法模型極大地提高了機器學習的能力。 這方面的典型代表就是深度學習，通過神經網絡的多層疊加，深度學習模型表現出了遠超過前一代神經網絡的學習能力，在監督學習、非監督學習和強化學習等任務上都有很好的表現。

二是平臺框架層：目前谷歌、Facebook、微軟、百度和亞馬遜等互聯網公司，以及加州大學伯克利分校、加拿大蒙特利爾大學等高校都推出了自己的深度學習框架。期待通過少許的定制和部署就可以應用先進的深度學習技術，從而大大減輕開發者和企業的負擔，降低深度學習的門檻，推動這一波人工智能技術向各個領域發展。

三是領域技術層：當前，人工智能技術已經應用到各個領域。根據問題領域的不同，主要技術包括：計算機視覺。目前比較成熟的技術包括人臉識別技術，在這一領域已經涌現出商湯科技、曠世科技等一批有影響力的創業公司，以及一些實際的應用，如百度人臉閘機正在首都機場試運行，阿里巴巴的人臉識別技術已經用于支付領域等；自然語言處理。相關技術已經廣泛用于翻譯軟件（如有道翻譯）、搜索引擎、問答系統（如知乎）、輿情分析、自動應答等領域；語音識別。以蘋果Siri、微軟Cortana和谷歌Google Now為代表的語音助手已經進駐了用戶的手機和電腦。以Amazon Echo為代表的智能音箱已經占據了數以萬計的用戶家庭。這些設備的核心技術之一就是語音識別技術。

人工智能技術仍在不斷地飛速發展當中，近期有幾個發展趨勢值得注意

一是人工智能正在變“硬”。在芯片領域，Google為大規模神經網絡訓練推出了TPU，目前已經發展到了第二代；英偉達發布了針對人工智能應用的重量級處理器Tesla V100；蘋果公司在最新一代的iPhone上集成了仿生芯片，可以大幅度提高人臉識別的反應時間；華為公司也發布了全球首個人工智能芯片NPU，即將應用在最新的手機上；致力于人工智能硬件芯片研發的中國初創公司寒武紀被稱為“全球AI芯片界首個獨角獸”。在服務器領域，Facebook開源了人工智能硬件用于人工智能計算服務器，浪潮推出GPU深度學習一體機。面向消費者的智能硬件，更是層出不窮。endprint

二是機器學習模型和算法出現了新的發展思路。深度學習三巨頭之一Geoffrey Hinton最近提出了Capsule概念，呼吁將神經網絡的基石之一的反向傳播機制推倒重來，重新建立新的理論體系。遷移學習可以將一個領域學習的模型應用到另一個領域，從而節省大量的訓練時間，減少對任務量的要求。最近神經科學的研究進展，也將為神經網絡帶來新的靈感。

三是人工智能日益重視移動端。越來越多的人工智能應用在移動端運行，從而要求在移動端部署深度學習模型。為實現這一目標，一方面要求提高移動端的處理能力，另一方面要求降低深度學習模型的規模和部署時間，并對移動端平臺進行優化。日前，百度開源了移動端深度學習框架，其他的深度學習框架也對移動平臺提供了更多的支持。

人工智能技術的應用，正在改變一大批傳統行業，并培育了一批新興企業

智能醫療一直被視為一個很有前景的應用領域，數據仍是關鍵點。據《2017年互聯網趨勢報告》顯示，醫療行業表現出數據爆發式增長，全球健康數據年增長率達到48%。數據增長有助于診療的智能化、精準化和個性化。智能醫療主要包括醫學影像智能判讀、智能輔助診斷、手術機器人、康復智能設備、智能醫藥等。其中智能輔助診斷和醫學影像智能判讀發展相對成熟，前者源于IBM Watson自然語言理解技術以及多年的醫學文獻數據積累；后者源于基于深度學習算法的圖像識別能力的不斷提升。通過AI和大數據技術，有助于解決目前醫療行業嚴峻的供需矛盾。

自動駕駛是人工智能的重要應用場景，傳感器、高精地圖和算法模型是其技術核心，互聯網巨頭、傳統車企和新興創業公司都在積極布局。自動駕駛可分為兩類，一類是高級輔助駕駛系統（Advanced Driver Assistance System， ADAS），并非完全控制汽車，強調提高行車安全性；一類是無人駕駛，更強調車的自主駕駛，節省人力。ADAS是無人駕駛的前提，兩者都是利用車上的各式傳感器搜集數據，結合地圖數據進行系統計算，從而實現行車路線規劃和車輛控制。近兩年，自動駕駛技術發展迅速，特斯拉、寶馬、奔馳、卡迪拉克等多家車企已量產具有ADAS功能汽車，奧迪已量產特定環境下無人駕駛汽車A8，能夠在單向車道無行人環境下，速度低于60公里每小時的時候完全接管汽車。從智能科學來看，無人駕駛技術障礙相對較少，法律問題可能是一個潛在障礙。

金融科技（Fintech）是金融與科技的結合，是技術驅動的金融服務創新。近些年，人工智能技術被廣泛應用于金融領域，如智能投顧，利用AI技術為客戶量身定制包括股票配置、期權操作、債權配置、房產投資等資產投資組合建議；智能風控，借助人工智能和大數據，金融的風控能力得到了質的突破；智能量化交易，快速分析、擬合、預測海量數據，將AI作為投資過程的一部分；智能客服，基于深度學習和大數據分析為基礎自動回答用戶咨詢，替代傳統人工客服。金融科技創新金融模式、業務、流程與產品，能提升金融服務效率，降低金融交易成本及管理風險。

除了在上述傳統領域的創新應用，人工智能的另一應用趨勢熱點是與社會公益（Social Good）相結合，通過大數據、機器學習技術對行業數據進行深度分析，為社會發展策略的制定提供前瞻性建議，推動社會公益事業的發展。近年來，人工智能技術被廣泛應用于社會公益的各個方面，例如城市規劃與治理，利用AI技術和城市大數據輔助交通擁堵治理、城市功能區域建設；公共安全，基于圖像識別、大數據挖掘等技術進行區域安全風險評估、智能犯罪預防；定向扶貧，基于機器學習技術和衛星遙感數據對貧困區域進行精準檢測；災害預警，利用AI技術對歷史數據的深入分析和建模，為地震等自然災害后的快速應急預案制定提供有效的決策支持。總體而言，AI與社會公益相結合的研究方興未艾，具有重大的科研和社會意義，同時需要學界、產業界和政府在技術、數據、政策等方面緊密的合作。

最后需要強調的是，雖然人工智能已經成為世界各國政府和企業關注的焦點，現在人工智能發展面臨的最大挑戰卻是高素質人才的稀缺。傳統的制造業注重的是“人員”，比如富士康，強調人員的高效性和嚴格的工作紀律性。現在的高科技企業注重的是“人才”，強調深度的專業技能和團隊協作能力。而未來的人工智能企業注重的是“人物”，人物是具有創新領導力的人才。和人才相比，人物除了具有戰略視野，同時有帶領人才團隊創新的能力。因為人工智能的發展，世界已經進入快速多變的時期，具有風險評估和風險控制能力的人物會變得越來越重要。因此，國家和企業人工智能發展的成敗在于設立合理的組織架構、激勵機制、文化氛圍積極吸引和培育人才和人物。可以預見，未來是得人物者得人工智能的天下。

（作者為美國羅格斯-新澤西州立大學羅格斯商學院管理科學與信息系統系副系主任、教授、博導）

【參考文獻】

①《百度人臉識別入選MIT十大突破技術》，《北京晨報》，2017年2月24日。

責編/宋睿宸 美編/楊玲玲endprint