張鈸院士報(bào)告《邁向第三代人工智能的新征程》讀后感
2019年09月21日第五屆中國人工智能大會（CCAI2019）在山東青島舉行。本屆大會的主題是智變?nèi)诤稀?/p>
張鈸院士報(bào)告《邁向第三代人工智能的新征程》讀后感。
張鈸院士在報(bào)告中提到：（分點(diǎn)是我自己分的）（括號里面是我的理解）
“人工智能不可能‘畢其功于一役’，它永遠(yuǎn)在路上”，這就是人工智能的魅力所在。
第一代人工智能提出符號模型，以知識經(jīng)驗(yàn)為基礎(chǔ)的推理模型。（這是從0到1的事情）局限在于需要豐富的（人類）知識、知識與經(jīng)驗(yàn)通常難以準(zhǔn)確（用計(jì)算機(jī)語言或者是邏輯語言）描述、就事論事、難以處理不確定性（只能處理知識經(jīng)驗(yàn)覆蓋范圍內(nèi)的事情）、應(yīng)用領(lǐng)域狹窄（只能用于知識和經(jīng)驗(yàn)方便表述成計(jì)算機(jī)語言的領(lǐng)域）。一個應(yīng)用舉例是IBM沃森醫(yī)療保健系統(tǒng)。
第二代人工智能是以深度學(xué)習(xí)為代表的使用充分多的數(shù)據(jù)配合強(qiáng)大的性能的智能系統(tǒng)。對比一代的改進(jìn)在于輸入不需要復(fù)雜的預(yù)處理和可以利用更強(qiáng)大的算力，并且在一定意義上有通用的能力。這一代人工智能系統(tǒng)有許多成就，像是語音識別圖像識別圍棋等。難點(diǎn)在于產(chǎn)業(yè)應(yīng)用——對應(yīng)用的困難估計(jì)不足、對取得的成果估計(jì)估計(jì)過高。
深度學(xué)習(xí)不是通用人工智能，它的應(yīng)用場景需要滿足五個條件，具有豐富的數(shù)據(jù)或者知識、完全信息、確定信息、靜態(tài)（環(huán)境）（或按規(guī)律演化）、單領(lǐng)域單任務(wù)。自動駕駛不在這個范圍內(nèi)。符合這個條件的領(lǐng)域，盡管拿人工智能去套用，可以做到超過人的水平。今年5月，6人無限注的德州撲克，計(jì)算機(jī)也戰(zhàn)勝了人類，說明在概率意義下的確定性計(jì)算機(jī)也可以戰(zhàn)勝人類了。
需要注意的是數(shù)據(jù)驅(qū)動的系統(tǒng)抗干擾很差。雖然計(jì)算機(jī)可以分辨不同物體但是本質(zhì)上不認(rèn)識物體。這是一個極大的安全問題。這是當(dāng)代人工智能存在的不可解釋與不可信問題。
第三代人工智能重點(diǎn)解決上面的問題。建立可解釋、魯棒的人工智能理論，發(fā)展安全、可信、可用的人工智能技術(shù)，促進(jìn)人工智能的創(chuàng)新應(yīng)用。
清華大學(xué)人工智能研究院在做這個事情。大致思路是多學(xué)科交叉。這很有必要，人工智能不僅是計(jì)算機(jī)專業(yè)的事情，歷史上心理學(xué)家和神經(jīng)科學(xué)家、數(shù)學(xué)家都提出過重要貢獻(xiàn)。清華大學(xué)18個系參與進(jìn)來了。
重視人工智能治理。希望能提出新原理和新模型和把數(shù)據(jù)驅(qū)動與知識驅(qū)動結(jié)合起來。
再次強(qiáng)調(diào)，人工智能不像之前的科學(xué)——解決一個原理定理所有問題都迎刃而解了。人工智能太復(fù)雜了，需要不斷前進(jìn)。
我的讀后感：
人工智能確實(shí)還有很長一段路要走。大家為什么會對人工智能有一種“畢其功于一役”的錯覺，大致是因?yàn)槿斯ぶ悄艿淖詫W(xué)習(xí)特性。回望電氣革命，即使是到了電氣發(fā)展如此完備的今天，還是有無數(shù)電氣工程師奮斗在一線。雖然電氣的基礎(chǔ)理論和框架都已經(jīng)完善，但是依然有無數(shù)的工程應(yīng)用等著大家去解決。更不用說基礎(chǔ)框架和理論尚不完善的人工智能了。人工智能的基礎(chǔ)理論和框架完成之后還有基礎(chǔ)設(shè)施的建設(shè)，包括芯片。
當(dāng)代人工智能發(fā)展天花板。人工智能相關(guān)的電影真的是為宣傳人工智能立下了汗馬功勞。但是電影里面的人工智能水準(zhǔn)，現(xiàn)實(shí)中普遍達(dá)不到。雖然可能者之間的差距只有一點(diǎn)點(diǎn)，但是填充這之間的差距可是十分困難的。就像電影是100分，現(xiàn)實(shí)是99分，得到最后的一分不比得到99分輕松。更何況現(xiàn)實(shí)的人工智能都還沒有達(dá)到99分。在一些領(lǐng)域人工智能的處理結(jié)果已經(jīng)超越人類了，但是就像之前所說，人類的準(zhǔn)確率是95%，人工智能是96%-99%。那么在一些需要做到100%準(zhǔn)確率的地方就必須有人參與。這應(yīng)該是人工智能的硬傷，最起碼是這一代人工智能的硬傷，不知道下一代怎么講。
當(dāng)代人工智能的一個發(fā)展方向?，F(xiàn)在科學(xué)家們正在從專用領(lǐng)域的人工智能走向通用人工智能。每一步都十分不易。在DOTA2游戲中戰(zhàn)勝部分高水平玩家，在星際2中戰(zhàn)勝部分高水平玩家，都是做出的努力。這些工作就好比有人提出兩點(diǎn)之間線段最短，然后有人去無數(shù)次的驗(yàn)證這個公理，沒有人能證明他只能靠事實(shí)去印證。OPENAI提出的算法沒有人能證明它可以應(yīng)用在什么樣的任務(wù)上，只能去嘗試。
當(dāng)代人工智能的不可忽視的問題之一。當(dāng)代人工智能有巨大的數(shù)據(jù)用以學(xué)習(xí)但是缺乏常識。網(wǎng)上出現(xiàn)了在圖像識別領(lǐng)域，在系統(tǒng)準(zhǔn)確識別的圖片上添加一些噪聲，識別結(jié)果迥然不同。但是原圖片和添加了噪聲的圖片在人類看來別無二致，這就是當(dāng)代人工智能不可忽視的一個問題。系統(tǒng)僅由數(shù)據(jù)驅(qū)動而產(chǎn)生的巨大安全問題和不可解釋性應(yīng)該可以在數(shù)據(jù)和知識共同驅(qū)動的系統(tǒng)下解決。
其實(shí)我還覺得僅僅能夠可解釋的魯棒的完成區(qū)分物體這種任務(wù)是不夠的，或者說認(rèn)識東西是人工智能的第一階段。第二階段應(yīng)該是理解自然世界和人類社會的運(yùn)行原理。第三階段是根據(jù)認(rèn)識的物體、掌握的運(yùn)行原理解決提出的問題。前面兩句話幾十個字，但是可能需要人類投入一百年吧~（或許科學(xué)家們的注意力會被別的什么吸引過去呢）
科技每走一步都能感受到科技為人類服務(wù)的一丁點(diǎn)改進(jìn)。我的親身經(jīng)歷是從語音輸入法幾乎不可用到現(xiàn)在流暢準(zhǔn)確輸入。人們不正是需要這樣的每前進(jìn)一步都有一顆糖吃么？
好的，說了這么多。下一代人工智能的樣子是什么樣，有什么目標(biāo)可以達(dá)成，有什么要求。這里我偷個懶http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm 如果要做人工智能研究和超前布局，這個網(wǎng)頁時一定要仔細(xì)研讀的。
最后說一下B站的這個專欄簡化投稿挺好的，因?yàn)橹暗挠悬c(diǎn)變態(tài)哦，寫篇文字還要這個配圖才能傳，每次都要這那種“圖不重要，看字”，現(xiàn)在沒有這些破事了。
