徐波(自動化所所長)：新一代人工智能正在崛起

人工智能模擬、延伸和擴展人類智力。自1956年達特茅斯研討會上，科學家們設(shè)想研發(fā)一種擁有與人類相媲美的機器智能，首先提出“人工智能”概念后，這一新興學科引得無數(shù)的科學家為之奮斗，涌現(xiàn)出Wiener、Simon、Hinton等大師級代表性人物。研究者們在尋找答案的過程中導致了深刻的分歧，形成了連接主義、符號主義和行為主義等流派，同時也推動了人工智能與各學科領(lǐng)域的深入融合。

人工智能的發(fā)展歷程絕非一帆風順，歷經(jīng)幾榮幾衰后，此輪以深度學習為代表的新一代人工智能的崛起，正在深刻影響一個國家的國際競爭力和國際產(chǎn)業(yè)競爭格局。當前，世界主要發(fā)達國家紛紛將人工智能作為國家戰(zhàn)略，力爭搶占新一輪科技革命的制高點。在全球競爭壓力下，我們站在人工智能新時代的懸崖頂端，再次問自己這個引發(fā)了一切的問題：人工智能到底是什么？人工智能如何改變社會？中國的人工智能應(yīng)該做怎樣的探索？

人工智能：是否具備強大學習能力

歷經(jīng)60多年起起落落，人工智能在深度學習、大數(shù)據(jù)和計算能力三大發(fā)展力量碰撞下重獲新生，數(shù)據(jù)智能成為這次人工智能浪潮最重要的技術(shù)特征。在具體應(yīng)用場景下，人工智能基于場景大數(shù)據(jù)進行學習，發(fā)現(xiàn)知識，創(chuàng)造價值，并為智能系統(tǒng)合理的決策和行動提供支撐。在這一背景下，這種初級階段的“人工智能”需要大量的數(shù)據(jù)作為“思考”和“決策”的基礎(chǔ)，大數(shù)據(jù)也需要人工智能技術(shù)進行數(shù)據(jù)價值化操作。

人工智能與自動化也有著明顯區(qū)別。自動化是建立在確定的模型和流程基礎(chǔ)上的，能自動反饋控制，也具有對環(huán)境中確定性參數(shù)變化的調(diào)整能力。數(shù)學家也可以提出判定這些自動化系統(tǒng)調(diào)整能力穩(wěn)定性的判斷依據(jù)。而人工智能的研究對象則存在模型嚴重的不確定性，即模型未知或知之甚少，模型的結(jié)構(gòu)和參數(shù)變動范圍較大。人工智能如果具備對非結(jié)構(gòu)化環(huán)境變化系統(tǒng)的適應(yīng)能力，則就具備了自主性，這是自動化的高級階段。而自主性是基于信息甚至知識驅(qū)動的，系統(tǒng)根據(jù)任務(wù)需求自主完成“感知—判斷—決策—執(zhí)行”的動態(tài)過程，并能夠應(yīng)對意外情形。

這種建立在大數(shù)據(jù)基礎(chǔ)上的靜態(tài)學習和自動化基礎(chǔ)上的動態(tài)自主學習目前還大多是弱人工智能。靜態(tài)的學習是通過與大數(shù)據(jù)標注等結(jié)合構(gòu)成閉環(huán)，從而不斷提高性能，例如語音識別、圖像識別、機器翻譯等任務(wù)。而動態(tài)學習能力，則是與環(huán)境建立實時化的學習和反饋機制，不斷適應(yīng)交互需求，例如進入物質(zhì)世界的機器人和自主無人系統(tǒng)�，F(xiàn)有大多人工智能算法在現(xiàn)實數(shù)據(jù)或者環(huán)境下性能進步只是線性的，而通過虛擬環(huán)境則有可能實現(xiàn)超實時、指數(shù)級性能提升，這有待于人工智能基礎(chǔ)理論突破。

智能的玄妙之處在于沒有一個明確的標準。但真正的人工智能無疑應(yīng)該具備強大的學習能力。對環(huán)境的理解、推理、對結(jié)果的可解釋性等都是達到認知、決策階段人工智能必不可少的重要特征。我們正處在真正人工智能的起步階段，這意味著巨大的發(fā)展空間，也正是人工智能的魅力所在。這些問題只要有一點兒進步和解決，就會對人類社會和人們生活發(fā)生巨大的改變。

人工智能：處于改變社會的初級階段

自20世紀50年代發(fā)展至今，根據(jù)人工智能解決問題的不同階段，大致可以將其歸納為感知智能、認知智能和決策智能等三個階段。

第一階段是感知智能，以語音識別、圖像理解、文字識別等為主要任務(wù)，表現(xiàn)為“能聽會說、能看會認”，單一任務(wù)已接近或超越人類水平。就人工智能取得最大進展的語音識別領(lǐng)域而言，在幾萬乃至幾十萬小時標注語音數(shù)據(jù)基礎(chǔ)上，深度學習可以達到甚至超過我們?nèi)祟惖穆爩懰�平。當前人工智能在感知智能層的技術(shù)已經(jīng)進入了一個成熟的階段。

第二階段是認知智能，以推理、決策、學習等為主要任務(wù)，表現(xiàn)為“能理解、會思考、有認知。以讓機器回答“明天這個天氣狀況會造成航班延誤嗎？”為例，機器不但需要了解現(xiàn)在的天氣狀況是什么、還需要知道什么樣的天氣會造成航班延誤等常識，也需要知道具體到某個航空公司或機場飛機起飛基本準則等。語言理解的背后是常識和推理，而文字只是人類認知空間的冰山一角。認知智能的研究才剛起步，目前人工智能的認知天花板還很低。

隨著機器認知水平越來越高，其“自主性”進一步增強，具備了應(yīng)對更多樣態(tài)勢和功能的能力，人類無可避免地會將越來越多的問題交給機器決策。但機器的決策就一定比人的決策正確嗎？這就需要加強復雜問題下，提升人機信任度，增強人類與智能系統(tǒng)交互協(xié)作智能的研究，即決策智能。

但感知智能、認知智能和決策智能絕非涇渭分明。當前人工智能只解決了專用場景的識別、分類、跟蹤、檢測等感知智能，但當這些感知智能走向通用場景時，就邁入了認知智能和決策智能邊界。當我們試圖把語音識別系統(tǒng)放置于背景嘈雜的雞尾酒會環(huán)境時，現(xiàn)有系統(tǒng)就基本分不清東南西北了。機器就需要跟人類大腦一樣，調(diào)用人類的知識、常識等記憶并不斷進行選擇決策，才能有效區(qū)分不同信號源并加以正確處理。目前人工智能距離認知智能和決策智能還有較遠的距離，存在大量“無人區(qū)”亟須探索。

人工智能技術(shù)正在塑造數(shù)據(jù)極其豐富的商業(yè)和社會場景，但目前推動業(yè)務(wù)爆炸式增長的人工智能往往并不復雜。事實上，只需要一個計算機系統(tǒng)就能完成傳統(tǒng)上由專業(yè)人士來完成的特定任務(wù)——這通常被稱為“弱人工智能”。

人工智能作為社會發(fā)展的引擎，必須與各行業(yè)深度結(jié)合，而人工智能平臺至關(guān)重要。平臺就像人類工業(yè)文明的蒸汽機，可以適配到不同的應(yīng)用領(lǐng)域，形成不同的AI社區(qū)幫助解決氣候變化、改善生產(chǎn)和管理流程、提供醫(yī)療輔助診斷、到改變?nèi)祟惖慕虒W方式等。在人工智能時代，我們需要新的思維邏輯，數(shù)據(jù)和算法已經(jīng)成為整個世界的底層，也是我們理解未來的關(guān)鍵。但受人工智能技術(shù)和商業(yè)推動的約束，這種改變目前僅僅處于初級階段。

我國人工智能：健康發(fā)展的正確路徑

首先，人工智能技術(shù)發(fā)展首先需要一個務(wù)實的環(huán)境。只有清醒客觀的判斷和勤勤懇懇的努力，這項技術(shù)才會真正地便捷人們的工作和生活。過去幾年把后臺人工作業(yè)當做人工智能，刻意拔高人工智能水平以獲取投資，以及把預設(shè)程序的自動化當做智能等偽人工智能的行為層出不窮。再加上媒體不嚴謹?shù)膱蟮溃�如把OpenAI的GPT-2生成文章的能力、對人工智能替代放射科醫(yī)生的預測、DeepMind論文缺乏潛在局限性的討論、Elon Musk曾承諾2020年實現(xiàn)無人駕駛等新聞。在擾亂人工智能市場的同時，也給決策者和公眾帶來困惑。實踐證明，即使在更簡單、更具體的智能放射學案例中，將實驗室演示用于現(xiàn)實也非常困難，而實現(xiàn)更加復雜的全自動駕駛，比大多數(shù)人預期的要困難得多。

第二，人工智能學習能力的基礎(chǔ)科學問題需要長期探索。真正人工智能核心體現(xiàn)在能指數(shù)級提升性能的卓越學習能力上，目前機器學習無論從機理還是能力都與此相差甚遠。從人類大腦結(jié)構(gòu)、功能和可塑性學習機制上探索智能本質(zhì)、研究相應(yīng)學習算法，將為了解并定量化描述人工智能技術(shù)的性能預期和局限性奠定基礎(chǔ)。人工智能不同于人類智能，研究把數(shù)據(jù)和知識相結(jié)合，開發(fā)能充分利用觀測數(shù)據(jù)、模擬數(shù)據(jù)和先驗知識的人工智能算法體系，設(shè)計并測試基于真實物理環(huán)境的學習算法等基礎(chǔ)性工作也十分重要。

第三，需要堅持把應(yīng)用場景落地作為推動新一代人工智能發(fā)展的抓手。人工智能作為一項通用性賦能型技術(shù)，對人類經(jīng)濟和社會發(fā)展產(chǎn)生了深刻的影響，隨著我國《新一代人工智能發(fā)展規(guī)劃》加緊實施，充分發(fā)揮我國得天獨厚的海量數(shù)據(jù)資源、巨大應(yīng)用需求和深厚市場潛力，以此促進推動關(guān)鍵核心技術(shù)形成以及應(yīng)用模式的推廣，建立起我國人工智能健康發(fā)展的創(chuàng)新高地，是當前人工智能發(fā)展的最重要發(fā)力點。

第四，需要加快建立連接人工智能創(chuàng)新鏈的人工智能平臺生態(tài)。如同所有創(chuàng)新性的信息技術(shù)，人工智能正在快速走向開源化、平臺化、生態(tài)化。在過去幾年，PyTorch和TensorFlow 等深度學習框架流行，極大地優(yōu)化了模型性能和提供更加高效的開發(fā)模式。從中短期來看，我國要充分發(fā)揮應(yīng)用優(yōu)勢，從應(yīng)用、芯片和基礎(chǔ)算法協(xié)同入手，依托現(xiàn)有優(yōu)勢企業(yè)、聯(lián)盟等開源平臺和社區(qū)，集中力量發(fā)展開源開放的人工智能平臺，奠定良好的人工智能底層應(yīng)用生態(tài)；從中長期看，要通過算法的原始創(chuàng)新，形成從基礎(chǔ)理論、算法、芯片、核心軟件到應(yīng)用生態(tài)的完整創(chuàng)新鏈，研究建立基于知識產(chǎn)權(quán)共享的開源激勵機制和大規(guī)模群體協(xié)同共享機制，促進基礎(chǔ)算法、行業(yè)數(shù)據(jù)、典型應(yīng)用方面的開放共享，推動形成具有國際影響力的標準規(guī)范和準則，占據(jù)人工智能制高點。

習近平總書記在主持中共中央政治局第九次集體學習時強調(diào)，“人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機遇的戰(zhàn)略問題�！敝袊�在這一輪的人工智能浪潮中發(fā)揮著不可替代的作用，并且第一次有可能站在領(lǐng)跑的位置上，新一輪科技革命與產(chǎn)業(yè)變革已曙光可見。

在此背景下，圍繞人工智能重大問題，探索新型舉國體制在重大基礎(chǔ)理論突破和關(guān)鍵核心技術(shù)攻關(guān)中的作用，加快構(gòu)建引領(lǐng)型資源集聚性的創(chuàng)新體制就顯得極為必要。一方面從國家層面完善人才政策和評價體系，從上到下構(gòu)建吸引人才、適合人才成長的、穩(wěn)定支持的環(huán)境，組織頂尖科學家和工程師長期穩(wěn)定地進行團隊式研究攻關(guān)，并鼓勵自由探索。另一方面，加快布局國家級的人工智能研究中心和實驗室，橫向吸納各領(lǐng)域頂尖人才和資源，碰撞智慧火花，縱向串聯(lián)整條人工智能創(chuàng)新鏈條。

在這場關(guān)乎前途命運的大賽場上，我們必須搶抓人工智能發(fā)展的重大戰(zhàn)略機遇，構(gòu)筑先發(fā)優(yōu)勢，把握新一輪科技革命戰(zhàn)略主動，以期實現(xiàn)我國在人工智能馬拉松賽式國際競爭中始終占據(jù)有利地位，為建設(shè)創(chuàng)新型國家奠定堅實基礎(chǔ)。