Uploads%2farticles%2f11061%2fscreen shot 2016 05 09 at 11.08.05 am.0.0

2016-08-30

等著被人工智能的風口吹起？跟隨院士的這份報告，了解 10 大事件 6 大趨勢

北派多學術，南派多實踐

編者按：8 月 26 日~8 月 27 日，由中國科學技術協會、中國科學院指導、中國人工智能學會主辦、中國科學院自動化研究所和 CSDN 承辦的中國人工智能大會（CCAI 2016）在北京召開。大會邀請了 40 多位國內外頂級專家，圍繞當前關注度較高的人工智能與自然語言處理、深度學習與人機交互、類腦智能與機器人等主題，分享學術觀點、解析產業技術路線。

中國科學院副院長、中國科學院院士、中國人工智能學會副理事長譚鐵牛，在大會開場向大家解讀了人工智能近一年發展的 10 大事件，對學術研究和產業實踐進行了反思，并預測了人工智能發展的未來大趨勢。

本文的文字內容絕大部分來自于現場速記和筆記。考慮到看院士的長篇報告會需要讀者花一些耐心，深圳灣（微信公眾號 ID：shenzhenware）對文字進行了校對和編輯整理，并根據內容特別做了配圖和說明。

溫馨提示：最后大疆創新董事長李澤湘那一段，不要錯過！

· 2001 年拍攝的一部電影『人工智能』，豆瓣電影 TOP250，故事讓人很感動，機器男孩有著人類的一切特征，又比人類忠誠千萬倍。

1956 年就被提出的「人工智能」概念，60 年經歷了漫長的發展

1956~1960，起步發展期：人工智能誕生，出現機器定理、智能跳棋程序。
1960~1970，反思發展期：機器翻譯笑話百出，定理證明發展乏力，任務失敗，目標落空。
1970~1985，應用發展期：醫療專家系統 MYCIN、化學專家系統 DENDRAL、地質專家系統 PROSPECTOR 等，遍地開花，人工智能轉向實用。
1985~1995，低速發展期：專家系統發展乏力，神經網絡研究受阻，多項研究發展緩慢。
1995~2010，穩步發展期：互聯網推動人工智能不斷創新和實用。
2010 至今，蓬勃發展期：深度學習與物聯網、云計算、大數據的興起，帶來了人工智能的爆發。

經歷了 60 年的發展，人工智能到了一個令人興奮激動的新高潮。人工智能產業化應用蓬勃發展，2015 年全球人工智能市場規模為 1270 億美金，今年預計將達到 1650 億美金，2018 年預計超過 2000 億美元。人工智能已經成為西方國家「再工業化」戰略的核心內容，美國的「工業互聯網」，德國的「工業 4.0」，日本的「工業智能化」，英國的「工業 2050 戰略」。

在從去年到今年的這一年里，人工智能領域都發生了哪些大事？

1. 競技：人工智能 AlphaGo 在圍棋大賽中取勝

2016 年 3 月，Google DeepMind 團隊的 AlphaGo 在圍棋人機大戰中，以 4:1 的比分戰勝了李世石，震驚了全世界。DeepMind 團隊 2016 年 1 月在『Nature』發表論文，介紹深度神經網絡與強化學習等方法結合的圍棋博弈方法。

· Alphabet co-founder Sergey Brin 與李世石的新聞畫面。

2. 政府：美國、日本、中國等各國政府高度重視人工智能發展

2016 年 5 月，美國白宮計劃組織 4 場研討會討論人工智能，還成立了人工智能委員會。日本提出要實現「超智能社會」即「Society 5.0」。2016 年 5 月，我國的幾個部委也發布了『互聯網+人工智能三年的行動實施方案』。

3. 計算能力：IBM 發布類腦超級計算機平臺 IBM TrueNorth

IBM 基于前幾年發布的芯片，在今年 4 月，發布了一款用于深度學習的類腦超級計算平臺 IBM TrueNorth，其處理能力相當于 1600 萬個神經元和 40 億個神經鍵，消耗的能量只需 2.5 瓦。

4. 收購：軟銀 320 億美元收購 ARM

2016 年 7 月，軟銀以 320 億美元的高溢價收購 ARM，搶占人工智能和物聯網生態的制高點。而早在 2014 年 7 月，軟銀就成了軟銀機器人子公司，研發和銷售 Pepper 人形機器人。

今年還有其他「大」的收購案：截止到 2016 年 7 月 15 日，美的已收購取得 72.18% 的庫卡股份；2016 年 8 月，英特爾以 4.08 億美元收購人工智能創業公司 Nervana Systems。

5. 開源：Google、Microsoft、Facebook 等紛紛開源了人工智能基礎平臺

2015 年 11 月，Google 開源了人工智能基礎平臺 Tensor Flow，微軟開源了機器學習平臺 SystemML。2016 年 6 月 24 日，Facebook 宣布開源深度學習平臺 Torchnet。

6. 公益：創建公益性的人工智能機構 OpenAI

2015 年 12 月，馬斯克等人投資 10 億美金啟動非盈利人工智能機構 OpenAI，目標是在沒有創造財務回報的約束下，推動數字化智能的發展，造福人類社會。

· 偉大的馬斯克除了發射火箭，還成立了 OpenAI 非盈利組織，旨在阻止人工智能毀滅世界。

7. 學術：『Science』發表論壇介紹認知模擬新方法

2015 年 12 月，麻省理工學院、紐約大學和多倫多大學的研究者在『Science』發表『Bayesian Program Learning』論文，介紹認知模擬新方法，能夠從少量樣本生成與識別字符，并通過「視覺圖靈測試」。

8. 機器視覺：微軟深層殘差網絡奪冠 2015 ImageNet

2015 年 12 月，微軟亞洲研究院的 152 層 Deep Residual Networks 在 2015 ImageNet 計算機視覺挑戰賽中，獲得圖像分類、圖像定位、以及圖像檢測全部三個主要項目的冠軍。

9. 計算設備：Google 量子計算機取得重要的突破，為人工智能計算搭建平臺

2015 年 12 月，Google 量子人工智能實驗室的量子計算機 Wave2X 的運行速度，比傳統計算機芯片上運行的模擬裝置快 1 億倍，為人工智能發展提供了先進的計算設備。

10. 倫理研究：劍橋大學成立人工智能倫理研究所

2015 年 12 月，英國劍橋大學新建研究中心，研究在人工智能的發展過程中帶給人類的機遇和挑戰，并旨在影響其道德倫理發展，從而防止人工智能在 21 世紀會控制世界。

· Goole I/O 2016 上發布的 Google AI 語音助手。

對于人工智能領域發展狀態，我們如何解讀？

1. 人工智能熱潮全球化，從東方到西方，從發達國家到發展中國家，從大國到小國，都掀起了熱潮。

美國：美國計劃組織 4 場研討會討論人工智能，白宮還成立了人工智能委員會，旨在協調全美各界人工智能領域的行動。美國交通部宣布歷時 10 年投資 40 億美元的提案，旨在實現無人駕駛汽車上路。

日本：在日本從 2016 年開始執行的「第五期科技技術基本計劃」中，日本政府將投入總額約 26 萬億日元（約合 1.5 萬億人民幣）的研究經費，重點研發物聯網及人工智能系統。提出要領先于世界的「超智能社會」即「Society 5.0」。

中國：國家四部委發布了『互聯網+人工智能三年的行動實施方案』，到 2018 年形成千億級的人工智能市場應用規模。2016 年 8 月 8 日發布的『十三五國際科技創新規劃』多次提到人工智能。

2. 人工智能產業競爭白熱化，巨頭紛紛投入重金收購并購、人才招聘、核心技術，企業之間的競爭非常激烈。

機器學習專家 Pedro Domingos 曾經表示：「贏得人工智能競賽就可以主導信息時代的下一階段。」

Google、IBM、Microsoft、Facebook、Amazon 等企業巨頭充分認識到人工智能技術引領新一代信息產業發展的重大意義，紛紛投入重金收購企業、招募人才和研發核心技術，力圖掌握人工智能時代的主動權，引發人工智能產業競爭白熱化。

3. 投資并購密集化，過去一年大的小的收購、投資，數不勝數，從幾百億到幾個億

這里僅提幾起大的案子：

軟銀 310 億美元收購 ARM；
美的 40 億歐元收購庫卡；
馬斯克等人投資 10 億美元成立 OpenAI；
豐田 10 億美元在美國成立人工智能公司發展機器人和無人駕駛；
日本 NEC 與日本國立研究開發法人產業技術研究所（產總研）成立人工智能聯合實驗室；

……

· 軟銀 2012 年投資的 Pepper 人形機器人，已經成為機器人的「超模」。

4. 人工智能應用普適化，在各個領域滲透。

Watson 是 IBM 的認知計算技術平臺，具有 Understanding（理解）、Reasoning（推理）、Learning（學習）等功能，已經在咨詢、醫療、制造、服務、媒體和教育等領域廣泛應用。

Microsoft 在操作系統 Windows 10 和辦公軟件 Office 中嵌入人工智能基礎軟件，聊天機器人小冰和人工智能助理「微軟小娜」成為人性化的智能界面，云平臺 Microsoft Azure 也增加了人工智能，利用機器學習軟件幫助客戶在海量數據中識別模式、進行預測。

Amazon Machine Learning 提供云端的模式識別和預測分析能力，用于欺詐偵測、文檔分類、內容個性化、客戶不良表現預測、營銷廣告活動、自動化解決方案推薦等。

· Amazon 說：Machine Learning 其實很難。

5. 人工智能的服務專業化，逐漸形成「通用化人工智能研究」和「專業化人工智能研究」兩條未來發展的路徑。

通用化人工智能：研究通用化智能方法與系統，實現像人腦一樣的一腦百用。
專業化人工智能：在細分領域實現智能算法與系統，提供專業化的智能服務。

專用人工智能在某種程度上是通用人工智能的基石。無論是多任務學習、遷移學習、在線學習、增強學習，都是專用人工智能向通用人工智能的有益嘗試。

在攻克通用人工智能會前，專業化智能服務成為主流模式：

2015.7，Google 推出智能終端手機翻譯應用；
2015.9，佐治亞理工研究人員研究通過人工智能創作小說；
2016.4 MIT 推出人工智能算法，預測網絡攻擊；
2016.5 IBM 推出人工智能律師 Ross，就職于紐約 Baker & Hostetler 律師事務所；
NASA 希望人工智能能夠幫助在航空航天領域解決優化問題；
波音公司希望大數據 + 人工智能能夠改善航空技術。

· IBM 的人工智能律師 Ross 基于 IBM Watson 認知計算機，律師用自然語言與 Ross 辯論。

6. 巨頭引領，人工智能基礎平臺紛紛開源化。

Google 開源了人工智能基礎平臺 Tensor Flow；
Facebook 開源了深度學習基礎平臺 Torchnet；
Microsoft 開源了機器學習平臺 SystemML；
IBM 開源了人工智能基礎平臺 SystemML。

7. 關鍵技術硬件化。

IBM 的類腦計算平臺。

· IBM TrueNorth 類腦超級計算機平臺，看樣子蠢蠢的、笨笨的，卻擁有了「超人」的能力。

8. 技術方法集成化，集成創新勢在必行。

單一的人工智能計算理論和方法不可能包打天下，將多個模型、方法與技術在不同層面上進行有機集成，在實戰應用中取得良好效果。

比如 AlphaGo 系統集成了蒙特卡洛樹搜索方法、深度學習方法、強化學習方法，引入了專家知識，在技術方法上實現了集成創新，讓圍棋這一經典難題取得重大突破。

9. 學科創新協同化，多學科跨界融合、交叉協同，探索人工智能創新途徑。

類腦智能被認為是實現通用人工智能的重要途徑，已成為人工智能的研究熱點。類腦智能=腦科學+人工智能。

歐美國家紛紛啟動類腦智能研究計劃，IBM 研制成功神經計算芯片，并上市類腦計算機。

此外，量子技術跟人工智能也有了更新的結合。

10. 人工智能的影響的社會化大眾化。

思考人工智能下一個 60 年應該怎么走？

1. 保持警醒：人工智能熱潮下的冷思考

熱潮下面尤其需要冷思考，AlphaGo 在圍棋上的表現，提高了人們對人工智能的期望，但是切記對人工智能提出更高的期望，希望太高。如果沒有實現會非常的失望，甚至絕望，這不是一個好思想。

根據最新的 Gartner 新興技術成熟度曲線，我們可以看到，「智能機器人」、「認知專家顧問」、「機器學習」、「自動駕駛汽車」等人工智能熱門技術正處于「期望膨脹期」，接下來可能是「幻滅期」，所以需要我們冷靜的思考。

· Gartner 新興技術成熟度曲線 2016 年 8 月最新發布。

2. 切忌跟風：跟風難有大作為

這幾年風口熱說的很多，站在風口上豬都會飛起來，臺風一過摔死的是被風吹起來的豬。找風口不如找關口，找到風口是「跟班發展」，找到關口是「引領發展」。找到發展的瓶頸在哪里，突破那個瓶頸，就可能開創一個新天地。

3. 不忘初心：回歸人工智能的本原

人工智能是信息科技與腦認知科學的交匯點，人工智能機理的挖掘孕育著信息科技的重大變革。腦科學研究為類腦智能研究提供生理學原理與數據、啟發全新計算模式；類腦智能研究則為腦科學研究提供仿真模擬手段、系統與平臺，支持科學假設的驗證。兩者相互支撐、相互促進、共同發展。

不忘初心繼續探索，回歸人工智能的本原，信息科技與腦類科技的交匯，從研究的內容到研究的目的，都要回歸。

4. 苦練內功：重視前沿基礎理論研究

重視前沿基礎理論是人工智能技術突破、應用創新和可持續發展的基石。

20 世紀 40 年代，人工智能處于萌芽期，研究理論包括：MP 模型、闕值加和模型、Hebb 學習規則。
20 世紀 50 年代，人工智能出現第一次高潮，研究理論包括：感知器模型、自適應線性單元。
20 世紀 80 年代，人工智能出現第二次高潮，研究理論包括：Hopfield 網絡Bolzman 機、BP 算法。
進入 21 世紀，人工智能進入了第三次高潮期，研究理論包括：深度網絡、DBN、DBM、DeepCNN、RUU。

重視前沿基礎理論研究，這樣的說法現在是家喻戶曉，但是我們不能被當下的熱點一葉障目。

深度學習不等于人工智能，深度學習只是人工智能領域機器學習方向的一種方法。

深度學習的成功不是理論方法的突破，而是在大數據和大規模計算資源驅動下、基于基礎理論的技術突破，其本質是通過映射對復雜函數進行逼近。

深度學習依舊存在明顯的局限性，尤其在任務的切換、知識遷移、對環境變化的適應和自身完善，對小樣本的舉一反三等方面，深度學習與人類學習能力還相差甚遠。

5. 以史為鑒：人工智能 60 年需要總結回顧

丘吉爾說：「你能看到多遠的過去，就能看到多遠的未來。」

人工智能 60 年需要總結回顧。你過去看的有多深，你對未來才能看的有多準。縱觀過去 60 年，人工智能的研究經歷了 6 個發展時期，其中的成功經驗、失敗教訓、發展瓶頸、技術趨勢、社會影響，值得我們反思。

預測人工智能未來發展的 6 大趨勢

1. 從淺層智能到深層智能，對通用人工智能的思考

曾經有四句話描寫了人工智能目前的水平：目前人工智能是有智能沒智慧，有智商沒情商，會計算不會算計，有專才無通才。人工智能的深層智能還遠遠不夠。

淺層智能是指，視覺聽覺等感知信號的計算分析和模式識別；深層智能是指，模擬人腦認知機理，實現自主學習、推理、思考、預測、決策。

淺層智能止于知其然，深層智能始于知其然，歸于知其所以然。深層智能需要更強的自我更新和自我完善的學習能力，以及舉一反三的泛化能力。

「人類將在 10 年內研發出具有常識的機器。」

—— Geoffrey Hinton，深度學習鼻祖

「通用人工智能最快 15 年可以實現。」

—— Jeffery Dean，Google X 實驗室 Google 大腦負責人

· MIT 的人工智能系統 ConceptNet 以「韋氏學前及學初智力量表」為標準，從信息詞匯的分析與理解上測試，ConceptNet 的智商答題相當于四歲兒童的水平。

2. 從專用人工智能到通用人工智能，專用人工智能在做通用化嘗試

專用人工智能與通用人工智能之間沒有明確的界限；人工智能算法的專用性是相對的。

目前深度學習能夠解決的任務越來越多，其模型和學習算法越來越趨同，DeepMind 的強化學習能夠學習多種多樣的游戲，都可以認為是專用人工智能的通用化嘗試。

在現階段，實現機器智能的自主性（自我更新、自我完善、舉一反三）是值得首先思考和解決的問題。

人工智能學者從未放棄邁向通用人工智能的嘗試，從人腦中尋求啟發，在機理層實現自然智能，是從專用人工智能走向通用人工智能的重要途徑。

3. 從機器智能到混合智能

人工智能是指人為操作的智力能力，機器智能則是指已脫離了人為操作而由機器獨立施放出的智力能力。

微軟、蘋果、谷歌等科技巨頭競相開發機器智能，欲通過挖掘海量的數據（涉及搜索、郵件、社交網絡、網絡瀏覽習慣等）來獲得有助其產品滿足甚至預測用戶需求的價值信息。隨著時間的推移，計算機本身（不管是哪一類設備）都將成為能夠全天候給你提供各種幫助的智能助手。

隨著人工智能的發展，各種智能技術的研究都取得了不少的成果。但這些技術本身都存一些局限性，因此目前出現了不少將不同的智能技術結合起來、組成多種新的能夠解決復雜問題混合型智能系統。

混合智能系統是在解決現實中復雜問題的過程中，從基礎理論、支撐技術和應用視角，為了克服單個技術的缺陷，而采用不同的混合方式，使用至少一種各種智能技術，以及非智能技術，從而獲得運行效率更高、知識表達能力和推理能力更強的智能系統。（來自百度百科）

4. 從數據驅動到數據和知識協同驅動

對于人臉檢測、關鍵點定位、特征表達等人工智能需要解決的課題，經歷了以下三種人工智能的進階式發展：

經驗型的人工智能：依賴經驗，手工設計模型，手工調整參數，各個模塊獨立，數據規模小，識別精度低，泛化能力差。

數據型的人工智能：依賴數據，自動選擇，手工調整參數，各個模塊獨立，數據規模大，識別精度高，但泛化能力差。

知識型的人工智能：依賴數據的同時，依賴知識，調參可以達到自適應，各模塊融合，數據規模大，識別精度高，泛化能力強。

5. 從線下智能到云上智能，智能在云上，使用在端上

云端智能可以廣泛應用在視覺檢測、客戶服務、研發支持、智能控制、錯誤診斷、大數據分析。

6. 從網下到網上，以互聯網為中心的人工智能

互聯網是多終端的分布式互聯，有大數據、有知識、有交互、有眾包。互聯網是人類智能與機器智能的混合載體。研究以互聯網為中心的人工智能，具有重要前景和意義。

中科院自動化所人工智能研究的一些產業化成果

院士舉了一個中科院自動化研究所走出來的團隊的例子。銀河水滴科技（北京）有限公司由智能感知與計算研究中心團隊發起成立。2016 年 6 月，獲得 6000 萬 A 輪融資。

公司專注于人工智能和計算機視覺技術，引領作為人工智能核心的深度學習技術的突破與革新，提供世界領先的視覺大數據分析技術。目前，公司以復雜場景下遠距離非受控身份識別技術為突破口，自主研發了遠距離步態識別技術，突破傳統生物特征識別的局限性，將成就身份識別領域高通量、全視角、遠距離等終極形態。該技術可廣泛用于智能家居、機器人、無人機和安防監控等應用場景。