用开放的心态迎接人工智能

□贺 倩

■人工智能技术的萌芽很早就出现了。早在20世纪40年代，英国数学家图灵提出了人工智能的基础问题——机器是否可以思考，从而拉开了人工智能技术的研究序幕。

■人工智能的发展存在着两条发展路径：弱人工智能和强人工智能。弱人工智能是通过人类编写好的算法来解决和计算某些问题。而强人工智能是通过对生物行为或大脑的研究和模仿以期达到对意识、情感、理智三位一体的人工智能模型。简单地说，就是通过无监督学习、人工生命、神经网络等技术让机器具有人类的感知、思维和情感。

在AlphaGo打败柯洁之后，人工智能瞬间被推到了聚光灯下，不同专家的解读，不同商品的概念捆绑，人工智能一时间被理解为无所不能的技术，未来科技发展的重要驱动力，甚至还出现了针对人工智能取代劳动力的恐慌。

人工智能技术是如何起源的？它又经历了哪些发展？本文试图还人工智能以本来的面目。

转折和重生

实际上，人工智能技术的萌芽很早就出现了。早在20世纪40年代，英国数学家图灵提出了人工智能的基础问题——机器是否可以思考，从而拉开了人工智能技术的研究序幕。可以说早期人工智能技术的发展非常快，现在沿用的大多数人工智能的技术雏形，如神经网络、启发式算法、进化算法等都已经在当时被一一提出，而且人工智能技术的发展也得到了当时政府的大力扶植，并投入了大量的科研经费以维持人工智能的研究。

尽管投入巨大，但仍无法避免人工智能的研究在20世纪70年代陷入衰退期。究其原因，一方面在于人工智能的算法需要进行大量的计算，而当时的计算资源显然跟不上算法进步的速度：另一方面，人工智能落地的项目太少，无法产出相应的经济效益，这也使得资本市场对此意兴阑珊。

在这个时候，专家系统这项人工智能技术诞生了。专家系统通过录入行业专家经验信息形成规则库，以指导事件求解和预测，它并不需要大量的计算资源，部署起来也相对简单，同时也比以前依赖经验进行产品线参数调整的工作更加精确了，所以很快就在工业界推广起来。

专家系统的成功应用给业界树立了人工智能技术研究的信心。与此同时，硬件市场的发展、进步提升了计算设备的计算能力，所以各种机器学习算法如雨后春笋般出现了。不同人工智能算法的融合和扩展形成了目前人工智能的发展脉络。

目前，人工智能受到了前所未有的重视。2017年7月20日国务院正式印发《新一代人工智能发展规划》，明确提出人工智能的三步走计划，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。Gartner发布的《2017十大技术趋势》报告中更是指出，到2020年人工智能将成为服务提供商的主要战场。而领英发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球人工智能领域技术人才数量超过190万。其中，中国人工智能领域人才总数有5万余人，位居全球第七。然而人工智能领域的人才缺口仍然十分巨大，其供求比例仅为1：10，供需严重失衡。

是什么导致了当下人工智能如此火爆的状况？首先是人工智能技术本身的优势。如果说一开始人工智能的提出是为了研究机器的智能化，到现在人工智能技术的发展已经不仅仅局限于此。人工智能技术所展现出来的学习和预测能力已经让人们大为惊讶，更不要说人工智能系统的多输入和多输出的架构模式可以并行处理大量数据了。人工智能对于大量历史数据，特别是具有复杂关系的数据的处理简直是得心应手。

其次是人工智能和各种新兴技术的碰撞会产生一些新突破。在过去的几十年间，金融业、工业、医疗等不同行业产生了大量的数据记录，而这些数据通常只进行简单的存储和备份，从来没有人去挖掘这些数据中蕴含的深层意义。现在我们又迎来了数据爆炸的时代，运营商和服务提供商每天追逐流量、用户黏性、活跃度等信息。移动互联网、大数据、超级计算等新的名词和技术层出不穷。在这样的背景下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。在大数据的驱动下，在超级计算资源的支持下，在移动互联网万物互联的背景下，人工智能正迈入新阶段，推动经济社会各领域从数字化、网络化向智能化加速跃升。

最后还有一个重要原因，那就是深度学习在2010年取得的突破性进展。深度学习的本质也是神经网络，只不过以前受计算资源所限，神经网络的层数不能太多，因此限制了学习结果的精准度。如今，在计算能力的支持下，神经网络结构可以加入多个隐藏层从而达到逐层认知，深度学习的目的。在2010年，深度学习与语音识别相结合产生了巨大的突破，使得识别错误率降低了20%，这个改进幅度超过了过去多年的总和。

强弱人工智能之争

人工智能的蓬勃发展也给我们当前的社会也带来了深刻的影响。一方面，人工智能可以把人们从重复性的繁重工作中解放出来，从而让人们有更多的自由时间来支配，而另一方面，在公众中也存在着因害怕机器取代人类而出现的恐慌。

不得不说的是，人工智能的发展存在着两条发展路径，我们可以称之为弱人工智能和强人工智能。弱人工智能是通过人类编写好的算法，或者软件智能化来解决和计算某些问题。这样的算法或软件只是采用一些智能化的计算工具，而计算行为需要人为触发或控制，这种人工智能技术的目标是通过智能化计算更好地解决一些复杂问题。而强人工智能是通过对生物行为或大脑的研究和模仿以期达到对意识、情感、理智三位一体的人工智能模型。简单地说，就是通过无监督学习、人工生命、神经网络等技术让机器具有人类的感知、思维和情感。

那么可以预知的是，弱人工智能是在人类控制下进行的， 即使Siri能够风趣地回答用户的提问，那也不过是人类工程师在程序中进行设定的结果。而强人工智能确实是以模仿人类的智能和情感为目标的，但是它是否会取代人类本身呢？在这个问题上我们可以参考百度大脑的研发进度。

2014年，李彦宏宣布百度大脑具备大概3岁孩童的智力水平，2015年进步为4岁孩童的智力水平，而现在百度大脑的本质还是被描述为一个分布式的深度学习网络。对于模拟大脑来说，进行图像识别需要万亿级的参数、千亿的样本和训练、数十万的GPU（图形处理器）服务器保障，更不要说模拟人类的情感和感知，并建立连接进行决策和创造等更加复杂的人类活动了。就目前的人工智能发展状况来看，对于人工智能会取代人类的恐慌和担忧似乎有些为时过早。当然，以谨慎的态度对待强人工智能的研发，规范强人工智能在进展过程中可能出现的伦理和道德问题，也是人工智能发展道路上需要考虑的问题。

全方位渗透

目前人工智能技术正在全面地向各个行业渗透。在交通行业，实现了人工智能助力自动驾驶汽车。通过人工智能技术，汽车可以处理大量复杂道路、行人和其他车辆的信息并得出行驶路线的智能决策。在金融行业，人工智能技术可以生成金融分析模型，并且可以对历史信息进行分析，以便在征信和风控领域进行辅助控制。在医疗行业，人工智能技术可以通过对海量历史数据的挖掘，协助医生完成辅助诊断，还可以通过对医疗影像数据的分析初步得出病理分析。

人工智能在各行业全面运用的同时，我们也需要关注两个可能制约其发展的问题。其一是计算资源浪费问题。人工智能技术要针对必要和不必要的大量数据进行反复的计算才能形成学习模型，计算量非常大，会占用非常多的计算资源。其二是安全问题。人工智能技术通常需要收集大量的感知数据进行汇总，在数据传输和存储方面存在安全隐患，这也是人工智能在金融、社保等安全性要求较高的行业内发展较为缓慢的原因之一。

更多的人似乎认为科幻世界中的自动驾驶、智能管家、逗趣的机器人等炫酷的场景和设备才是人工智能。但实际上，人工智能正在潜移默化地改变我们的生活，只是我们并不太容易察觉。比如，使用苹果手机时我们要用指纹解锁，比如百度可以进行语音搜索，再比如支付宝可以进行刷脸付款，种种在生活中已经很熟悉的场景实际上都有人工智能技术的因素，它们都在“润物细无声”地弥漫在我们的日常生活中。

虽然人工智能在短期内并不会对人类的生活产生绝对性的改变和颠覆，但是量变总会引起质变。人工智能技术正在默默地改变人类的生活，我们要用开放的心态去迎接它，让一代一代的研究者、开发者、用户去推动和实现新一代的智能生活。

（作者系中国信息通信研究院技术与标准研究所工程师）