红鸟沙龙(13)|杨强:人工智能-永远在路上

2016年AlphaGo与李世石的五番棋让人工智能变成了人人都关注的话题。此后人工智能的发展可谓一日千里，人工智能的很多成果都已经走进了我们的生活。那么什么是人工智能？人工智能发展史上取得过哪些成就，又经历过哪些波折？目前人工智能有哪些发展方向？未来又会不会出现一个人工智能超越人类的技术起点呢？

本期红鸟沙龙邀请到了人工智能专家杨强教授，与我们分享人工智能的历史与最日新月异的发展。

精彩回顾（上）

精彩回顾 （下）

01

嘉宾分享

人工智能简史

提起人工智能，不得不回想起图灵。他先是提出了intelligent machines的概念和假设，并在之后的1950年提出一个著名的实验，图灵测试指的是要测试一个机器是否有智能，就看它是否可以混淆一个真人。1956年，又有一群当时的年轻人大胆提出了人工智能的假设和理想，他们希望所有智能的方面都可以用机器来做模拟，包括语言、抽象概念、解决问题、自学习。30多年后， 1991年国际人工智能联合会在悉尼召开，发现传统的人工智能沿着上述的方向不断努力，但进步未达预期，促使人工智能界开始反思。

Rodney Bruce教授就此提出一个哲学，反传统人工智能的推理符号，也就是Intelligence without representation。传统人工智能要进行一个非常复杂的推理，然后再去执行规划。这里涉及拉尼悖论，即我们所知道的远远大于我们知道自己知道的，所以我们并不是一个好的老师，没有办法通过语言来教机器。因此大家逐渐认识到像这种基于推理的专家系统是失败的，逻辑AI原来那条路是一条死路。

因此就有了另一个人工智能和机器学习的流派，连接主义。连接主义向物理学习，用模型驱动，希望用一个通用模型来做很多事，解释所有的现象。而另外一个发展则是预训练模型加迁移的模式，预训练模型像是让人工智能去上学，上完幼儿园上大学，然后最后上研究院，他博士毕业以后也不是一成不变，还要不断做adaptation。

封闭世界与开放世界

本次分享的主题是人工智能永远在路上。其实现在的人工智能最大的成就还是基于封闭世界的模式，所谓封闭世界就是任务单一不变，数学模型目标由人类设定的，边界由人类给定的，它的可能性是有限的。

比方说围棋，虽然非常的复杂，但空间是一个有限空间，可动行为非常有限，规则和目标都可以很简洁地用数学来表达。所以它仍是一个封闭世界。相反，开放世界是什么？比方说无人车就是一个开放的世界，永远不能见到所有的情况，因为我们不知道大自然怎么走，不知道人类社会是怎么样的情况。现在无人车比较成功的案例还是在封闭的场景，比方说仓库、港口、停车场，但是在开放世界如何应用仍是一个挑战。

除了封闭世界，人工智能的另一个挑战是数据。当前的人工智能过度依赖大数据，而真实世界的数据却往往是小数据，样本更小，参差不齐；当前的人工智能也过度依赖中心化数据，多元的零散分布的数据则未能得到很好的利用。

迁移学习与联邦学习

我01年加入香港科技大学，主要的方向就是迁移学习。致力于解决小数据和新任务的问题。比方说我们有大量的互联网数据，我们建立一个模型以后，如何把它适配到医疗数据集上？我们需要利用两个领域的相似性和不同性，把建好的模型适配到新领域。

而分散数据的解决则需要依靠新的思路，以前要训练一个模型，数据一定要汇聚到一个中心；而现在我们换一种方式，不把数据带走，而是让训练好的模型在不同地方得到使用，即“数据可用，而不可见”。

在这个领域，我们就不得不来碰标准这个事。工业界有一个说法，一流的做标准，二流的做框架，三流的做产品。目前联邦学习是多方合作的一个规范，第一个国际标准就是我们领头建立，并且还开源了。国内的一些大公司和初创公司都用了联邦学习，是我们喜闻乐见的。包括在微众银行的7×24对3亿用户服务的客服机器人也是大量使用联邦学习来建立它的语音识别对话系统和人脸识别。

人工智能要统治世界吗？

我们经常听到一个说法，叫技术奇点，也就是机器的智能随着技术的发展有一天会赶上人的智能。有人说在2035年，人工智能就要统治世界，取代人类了。

但我认为这个观点本身是错误的，奇点是永远不会发生。因为所有现在的人工智能都是任务形式的，这个任务是目标，目标需要人来给一个数学定义；这个定义一定是人给的，而非机器自动生成。我觉得一个通用化的人工智能解决方案，还有很长的路要走。

但同时人的智能是慢慢在发展的，人可以做很多在数学上人工智能做不到的事情。我认为我们会不断surprise我们自己，人工智能可能永远也赶不上，因此他们的交接我们永远看不到，所以奇点是一个不可达到的目标。

02

 问答环节

Q

提问1：您如何看待AI技术降低应用门槛的发展前景？

A

杨教授：这个思路是非常对的，有能力的公司利用自己大量的算力、数据和非常高端的人才，这三者结合形成一个大模型，并且对某个垂直领域进行释放，然后在垂直领域里面，各个应用场景就可以通过适配和迁移的手段来个性化。我更认为在大模型的下一步应该是一种小模型。小模型的集群的出现，更符合这个社会的发展。

Q

提问2：您对香港在人工智能的发展有什么建议？

A

杨教授：香港在人工智能界理论和算法的发明方面，一直是领先的。但香港作为一个城市来讲，算力、数据和应用确实很缺乏。正因为这样的困难，也为香港提出了一个新的契机，就是我们在香港率先提出理论，再利用内地的大量的算力和数据，同时在保证用户隐私、保证合法合规的前提下把它利用起来。跨境数据合法合规的管理和应用是现在的一个热点。

Q

提问3：您如何看待脑机接口？

A

杨教授：我们三十几年人工智能的发展，让我们在90年代意识到人直接去教会计算机一些技能是没戏的，因为人和计算机之间有太大的鸿沟，但是我们终于找到一个中间语言，可以让人和计算机进行沟通，中间语言就是数据。因此如何保护数据也成为绕不开的议题。

马斯克说，他的想法就是不产生数据，直接把人和计算机连起来，通过信号间的连接形成一个特别短的回路，使得人能够通过回路去教会计算机。虽然现在还很少见，但我觉得马斯克这一招是非常巧妙的。

文字来源 | 红鸟高飞

-end-