在首屆世界智能大會(huì)上，中國科學(xué)院院士張鈸發(fā)表了題為《基于大數(shù)據(jù)的人工智能》演講，分享了中美人工智能差異、深度學(xué)習(xí)成功的三大法寶、隱患與短板以及中國如何實(shí)現(xiàn)人工智能基礎(chǔ)研究趕超歐美等話題的見解。

張鈸：CCF會(huì)士，2014CCF終身成就獎(jiǎng)獲得者，中國科學(xué)院院士，計(jì)算機(jī)專家。主要從事人工智能理論、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、分形和小波等理論研究，以及把上述理論應(yīng)用于模式識(shí)別、知識(shí)工程、智能機(jī)器人與智能控制等領(lǐng)域的應(yīng)用技術(shù)研究。以下為張鈸的演講內(nèi)容。

人工智能基礎(chǔ)研究中美相差甚遠(yuǎn)

如今，人們經(jīng)常會(huì)向研究人工智能的人提出問題：和國際先進(jìn)水平相比，中國的人工智能處于什么位置 不少人給出的答案：和世界人工智能差距不是很大，這幾年，中國在學(xué)術(shù)研究方面也取得了很多進(jìn)展，在重要的國際會(huì)議、重要的期刊雜志上，中國的(論文)文章也占了相當(dāng)?shù)谋戎?。中國有?shù)量龐大的網(wǎng)民，在網(wǎng)絡(luò)數(shù)據(jù)上占有相當(dāng)優(yōu)勢(shì)的地位，而且中國市場(chǎng)有如此大的需求，所以最后的結(jié)論是：中國趕上和超過世界人工智能的最高水平，必須也是可以做到的。

這個(gè)答案對(duì)不對(duì) 今天的報(bào)告就是要回答這個(gè)問題，我的回答是“不完全對(duì)”。首先，中國的人工智能，研究、開發(fā)、產(chǎn)業(yè)水平，跟世界相差不大，這句話不完全(對(duì))，在基礎(chǔ)、算法的研究上，中國和世界(頂尖)水平還相差甚遠(yuǎn)，這個(gè)是不爭的事實(shí)。人工智能在1956年(誕生)成立的時(shí)候，是美國人建立的學(xué)科，這61年中，一直是美國在引領(lǐng)人工智能領(lǐng)域的發(fā)展。這個(gè)當(dāng)然是成為過去了，問題是，現(xiàn)在還是美國和加拿大等北美的國家在引領(lǐng)這個(gè)領(lǐng)域的發(fā)展，他們?cè)诓粩嗟貏?chuàng)新，如果我們不重視(基礎(chǔ)/算法理論研究)，不在這些領(lǐng)域趕上他們，會(huì)非常制約中國的創(chuàng)新能力，特別是原始創(chuàng)新的能力。如果這點(diǎn)不重視，不抓緊，要趕上或超過世界的先進(jìn)水平是有困難的。

深度學(xué)習(xí)拓展了AI的技術(shù)邊界

我的報(bào)告題目是《基于大數(shù)據(jù)的人工智能》，主要是談人工智能和大數(shù)據(jù)，我用它作為例子分析一下，中國在人工智能領(lǐng)域如何趕上和超過世界的先進(jìn)水平。

首先認(rèn)識(shí)一下基于大數(shù)據(jù)的深度學(xué)習(xí)。深度學(xué)習(xí)的提出，在人工智能領(lǐng)域中是一個(gè)重大突破。以往，人工智能只能用來解決人們對(duì)它非常了解，而且能夠清楚地將它表達(dá)出來的問題，例如醫(yī)療診斷，人們大體上能夠說清楚一個(gè)癥狀是由什么疾病引起的;例如下象棋，每下一步都能夠說明它的理由，等等。但這些(問題領(lǐng)域)非常有限，深度學(xué)習(xí)拓展了人工智能所能解決問題的邊界。

其次，深度學(xué)習(xí)具有一定的通用性。比如，人們(用深度學(xué)習(xí))做圖像識(shí)別，不一定要具備非常豐富、專業(yè)的圖像知識(shí)，外行也能做。即使你不是這個(gè)領(lǐng)域的專家，也能把深度學(xué)習(xí)應(yīng)用到這個(gè)領(lǐng)域。所以，深度學(xué)習(xí)是一種大眾化的工具，它把解決問題的領(lǐng)域大大延展了。而且，即便對(duì)這個(gè)領(lǐng)域沒有很深入的了解，但是只要擁有充分的數(shù)據(jù)就能夠做(研究)。

正因?yàn)槿绱?，?duì)大眾而言，這些奇跡引發(fā)人們認(rèn)識(shí)到了深度學(xué)習(xí)的威力。第一，就是在圖像識(shí)別領(lǐng)域，在某一個(gè)圖像庫里，機(jī)器識(shí)別準(zhǔn)確度略微超過人類，或者機(jī)器的誤識(shí)率低于人類，(展示)這是微軟做的工作;百度做的工作是在語音識(shí)別(展示)，識(shí)別錯(cuò)誤率略低于人類，在兩個(gè)領(lǐng)域的識(shí)別上機(jī)器都超過了人類。

其中，震動(dòng)最大的還是AlphaGo，為什么會(huì)引發(fā)大家的震動(dòng)。機(jī)器超過人，在數(shù)字計(jì)算方面早就已經(jīng)實(shí)現(xiàn)，人們一點(diǎn)不感覺驚訝，因?yàn)橛?jì)算機(jī)的本行就是計(jì)算，所以在數(shù)字計(jì)算上超過人類，大家并不覺得奇怪。

現(xiàn)在，在語音、圖像識(shí)別、下圍棋方面，以往都被認(rèn)為是人類最擅長的，居然也被機(jī)器超越了，所以人們覺得驚訝、震動(dòng)。

深度學(xué)習(xí)成功的三大法寶

現(xiàn)在要分析兩個(gè)問題：一個(gè)問題是這些奇跡會(huì)不會(huì)在今后不斷地發(fā)生，大家都希望把深度學(xué)習(xí)的方法用到其他領(lǐng)域可能會(huì)產(chǎn)生新的奇跡，這些奇跡會(huì)不會(huì)發(fā)生，在什么樣的情況下會(huì)發(fā)生;第二，如何推動(dòng)深度學(xué)習(xí)繼續(xù)向前發(fā)展。

首先，要分析一下，這些奇跡來自何處 為什么機(jī)器下圍棋能超過人類，為什么在圖像識(shí)別的某些方面會(huì)超過人類，成功的因素是什么 我認(rèn)為有三大法寶：頭一個(gè)是數(shù)據(jù)，第二個(gè)是計(jì)算資源，第三個(gè)是算法。這就是深度學(xué)習(xí)成功的三大法寶。大家對(duì)于前面兩個(gè)方面比較注意、有體會(huì)，很多人還沒有體會(huì)到算法的重要性。我這里繼續(xù)用AlphaGo作為例子，具體談?wù)勊趺磥硎褂眠@三個(gè)法寶。

AlphaGo戰(zhàn)勝人類棋手，跟象棋(人機(jī)大戰(zhàn))完全不一樣。象棋程序是怎么做的呢，就是把象棋大師的下棋經(jīng)驗(yàn)編成程序放在機(jī)器里，所以做象棋程序的人相當(dāng)一部分是象棋大師，而且請(qǐng)了好多的象棋大師幫忙，深藍(lán)打敗了卡斯帕羅夫，其實(shí)不是機(jī)器打敗的卡斯帕羅夫，而是大師的群體打敗了他，也就是說人們利用機(jī)器把一群大師群體的智慧和經(jīng)驗(yàn)總結(jié)起來，才打敗了個(gè)別的大師。但是圍棋不同，圍棋(程序)里，懂圍棋的很少，最高的是圍棋業(yè)余五段，做出來的東西居然能打敗世界冠軍，靠的是什么 靠的就是剛才說的三大法寶。

機(jī)器用了兩個(gè)多星期的時(shí)間，學(xué)了7千萬局棋局，這7千萬局棋局就是歷史以來大師們下過的所有棋局。(機(jī)器)自己又跟自己下，跟李世石下之前也下了千萬局的棋局。也就是說比所有的棋手多下了幾千萬局的棋，最后的結(jié)果是4比1戰(zhàn)勝(李世石)。最好的棋手一生中所下的棋局是百萬級(jí)，而AlphaGo下過的棋局是幾十億級(jí)的，這兩項(xiàng)數(shù)據(jù)非常不對(duì)稱，(人類)絕對(duì)是輸?shù)?。這里可以看到，一個(gè)是數(shù)據(jù)的力量，第二個(gè)是計(jì)算資源的力量，大家沒有看到背后算法的力量。但AlphaGo能夠在兩三周里學(xué)到幾千萬個(gè)棋局，靠的是什么，其實(shí)是靠學(xué)習(xí)算法，它自己跟自己下棋，靠的是什么，靠的是強(qiáng)化學(xué)習(xí)算法，沒有這些，它是做不到的。

滿足四個(gè)條件機(jī)器才能超過人類

是不是所有問題，只要有數(shù)據(jù)，就能夠做到這么好呢 不是!這要受四個(gè)條件限制：頭一個(gè)條件當(dāng)然是需要有大量的數(shù)據(jù)，第二個(gè)是完全信息，第三個(gè)是確定性，第四個(gè)是單領(lǐng)域和單任務(wù)。只有這四個(gè)限定條件達(dá)成后才有可能做到剛才說的，達(dá)到或者超過人類的水平。有很多問題(同時(shí))符合這些條件，比如說醫(yī)療數(shù)據(jù)，可以做大數(shù)據(jù)處理，像某些疾病的醫(yī)療診斷、醫(yī)療圖像的識(shí)別、醫(yī)學(xué)圖像識(shí)別等等，只要(問題領(lǐng)域)符合這四個(gè)條件，都可以做，而且經(jīng)過努力，依靠那三大法寶是可以達(dá)到或者超過人類的水平。但是，大量的工作并不符合以上四個(gè)條件，不符合中間一條兩條或者四條都不符合，如果一旦不符合這四個(gè)條件中的任何一個(gè)，現(xiàn)在的人工智能技術(shù)就有困難。

所以，現(xiàn)在的問題是下一步怎么辦。單業(yè)務(wù)的問題，單領(lǐng)域的問題，下圍棋的程序只能下圍棋，不能下象棋。但是人類很多棋手象棋和圍棋都下的很好，語音識(shí)別系統(tǒng)只能識(shí)別語音，不能識(shí)別文字，這些多任務(wù)問題怎么解決 不久前，Google發(fā)表了一篇文章，文章的題目也很震動(dòng)人，一個(gè)模型可以學(xué)所有的任務(wù)，當(dāng)然這里面有夸大說法(的成分)。

但是，這也就意味著在一個(gè)網(wǎng)絡(luò)里，一個(gè)模型里可以學(xué)多項(xiàng)任務(wù)，它一共學(xué)了八項(xiàng)，這八項(xiàng)任務(wù)中有五項(xiàng)是屬于機(jī)器翻譯的，有英文翻譯成法文，英文翻譯成德文，法文翻譯成德文等等，有圖像識(shí)別，圖像解釋等等，一共八項(xiàng)任務(wù)在一個(gè)網(wǎng)絡(luò)下學(xué)習(xí)。如果這個(gè)問題解決了，就能讓計(jì)算機(jī)解決更復(fù)雜的問題，因?yàn)檫@不僅涉及到一個(gè)領(lǐng)域，還涉及到另外的領(lǐng)域。當(dāng)然這是個(gè)初步工作，但是它有個(gè)非常好的苗頭。

對(duì)此，以往大家是困惑的，語音也在里面學(xué)，文字也在里面學(xué)，圖像也在里面學(xué)，會(huì)不會(huì)互相干擾呢，過去我們怕裝不同東西的時(shí)候它會(huì)亂了，會(huì)互相干擾，但Google得出來的結(jié)論，不僅不會(huì)互相干擾，在一定程度上還略微有幫助。這個(gè)幫助領(lǐng)域可能很廣，語音的東西幫助機(jī)器翻譯，機(jī)器翻譯會(huì)幫助圖像，這是個(gè)非常重大的成果。這就說明人大腦里可以做很多事情，它們互不干擾而且能夠互補(bǔ)。(北美)還在引領(lǐng)這些發(fā)展，如果中國只低頭用深度學(xué)習(xí)去解決(應(yīng)用)問題，這個(gè)確實(shí)需要，但是如果不去研究一個(gè)目的背后需要解決的問題，中國要達(dá)到引領(lǐng)是不可能的。

目前看，相當(dāng)一部分問題不符合剛才講的四個(gè)條件。簡單舉一個(gè)例子就是無人駕駛車。無人駕駛車到現(xiàn)在為止，在特定的條件下可以用它，如果在交通非常繁忙的地方，美國、德國都規(guī)定這個(gè)時(shí)候司機(jī)不能下車，無人車上都必須得有司機(jī)。為什么會(huì)有這個(gè)規(guī)定呢 這不是坐無人車的人的責(zé)任，這是人工智能的問題。

因?yàn)檫@是在一個(gè)開放的環(huán)境下，大數(shù)據(jù)解決不了它，大家不要認(rèn)為大數(shù)據(jù)可以解決一切。同樣，自然語言理解，大數(shù)據(jù)也不能解決，它是一個(gè)開放的領(lǐng)域，因?yàn)槿祟愓f話的時(shí)候各個(gè)領(lǐng)域的話都可以說。簡單解釋下，為什么在復(fù)雜的交通環(huán)境里司機(jī)不能下車，原因很簡單，大家看一下這個(gè)路況(展示復(fù)雜路況圖)，計(jì)算機(jī)能搞明白嗎，中國式的過馬路計(jì)算機(jī)能搞明白嗎，美國式的過馬路計(jì)算機(jī)就能用嗎 也不能用，因?yàn)橥话l(fā)的事件，新的場(chǎng)景，新的路況是層出不窮的，你不可能把它所有情況都算到。

但是人為什么可以呢，機(jī)器為什么不可以呢 理由非常簡單，就是人工智能現(xiàn)在做不到舉一反三，人工智能現(xiàn)在學(xué)習(xí)的是舉一百反一。它要訓(xùn)練幾千萬上億的樣本，你的測(cè)試新的樣本只有幾萬，現(xiàn)在多的有幾十萬，它是學(xué)過才能夠識(shí)別，沒學(xué)過的識(shí)別不了，也就是所謂的舉一反三能力，用專業(yè)話講就是推廣能力，這是怪人工智能，不怪坐車的人。

所以，這里面有大量的研究工作要做，美國人也在引領(lǐng)這些研究，我們?nèi)绻蝗リP(guān)心，那么問題就會(huì)很大。我們要解決小樣本甚至零樣本學(xué)習(xí)的問題，小樣本學(xué)習(xí)就是用很少的樣本學(xué)習(xí)和訓(xùn)練，然后就可以推廣到應(yīng)用。比如小孩學(xué)習(xí)一個(gè)馬或者牛的概念，只要看一下馬或牛，甚至看一下馬的圖片就能認(rèn)識(shí)真正的馬，計(jì)算機(jī)不行，得把所有情況所有背景下的馬都得讓它看，要看成千上萬個(gè)它才能識(shí)別。

第二，樣本少了怎么辦 現(xiàn)在有自動(dòng)產(chǎn)生樣本，這點(diǎn)也是美國人提出的方案。兩個(gè)對(duì)抗的深度網(wǎng)絡(luò)就可以產(chǎn)生各種各樣的樣本。包括，現(xiàn)在可以逐步地(自動(dòng))產(chǎn)生非常復(fù)雜的環(huán)境和路況，這就可以解決樣本不足的問題。因?yàn)橛写罅康膯栴}根本沒法取樣本。

深度學(xué)習(xí)并非萬能

回頭看，深度學(xué)習(xí)也不是非常完美的。很多人以為用深度學(xué)習(xí)去做產(chǎn)業(yè)或者應(yīng)用是不會(huì)有問題的，但是這里要強(qiáng)調(diào)，深度學(xué)習(xí)有大量的隱患，這些隱患在很多應(yīng)用場(chǎng)合下是絕對(duì)不允許的。首先，它需要大量的樣本，有些問題很難獲取很多樣本，比如特殊疾病，罕見疾病，根本沒有那么多樣本。當(dāng)然推廣能力差已經(jīng)說過了。給它什么(數(shù)據(jù)訓(xùn)練)，它就只能學(xué)到這個(gè)，最重要的是，不可理解性，現(xiàn)在看到深度學(xué)習(xí)建立的系統(tǒng)，實(shí)際上跟人的思路很不一樣。

因此，這句話說它(機(jī)器)的識(shí)別能力超過了人，這只是在非常特定的環(huán)境下這么說，其實(shí)很多方面它不如人。比如它識(shí)別率比人高，只是說它區(qū)別馬和牛能力比人高，就是在一定的數(shù)據(jù)庫下它識(shí)別能力比人高，但是它根本上不認(rèn)識(shí)馬和牛，所以這個(gè)不理解性問題很大。將來如果做一個(gè)人機(jī)系統(tǒng)、決策系統(tǒng)的話，機(jī)器做出來的決策人都不知道它怎么做出來的，那怎么用呢 

我們看一下為什么機(jī)器學(xué)習(xí)的效率這么低，還要使用那么多樣本，比如用這張圖告訴(機(jī)器)說這里有一只貓，這個(gè)貓?jiān)谶@里面信息流占了多少比重呢 我們有計(jì)算過是1.1%，也就是說提供的這個(gè)樣本只有1%左右有用，99%沒有用，因?yàn)樘峁┻@個(gè)照片告訴它這里是一只貓，計(jì)算機(jī)根本不知道貓?jiān)谀膬海赃@就迫使人們必須用大量的樣本，告訴它這是貓，在草地的貓，在另外的背景里貓會(huì)變成這樣，要用各式各樣的樣本在不同背景下的貓去訓(xùn)練它，它才能認(rèn)識(shí)，只有跟它相近的背景、相近的角度拍下的貓它才認(rèn)識(shí)，如果背景變了，貓拍攝的角度變了它也不認(rèn)識(shí)了，所以這是它的一個(gè)根本性的問題，它不理解，但人是看了這個(gè)貓就理解這個(gè)貓。

第二，魯棒性差，左邊這個(gè)圖這個(gè)貓是熊貓，中間這個(gè)圖我們加了一點(diǎn)線可它還是熊貓啊，可是計(jì)算機(jī)把它判斷成長臂猿了，這就叫魯棒性，很容易錯(cuò)，因?yàn)樗举|(zhì)上不認(rèn)識(shí)貓。雖然做出來的表面上看起來性能跟人一樣，實(shí)質(zhì)上跟人是非常不一樣的，所以我們說的能超過人都是在特定意義上說的。

機(jī)器把這個(gè)環(huán)境的貓都學(xué)了，我們來了一個(gè)新樣本也是貓，環(huán)境跟它完全不一樣，它不認(rèn)識(shí)了，這就叫推廣能力，它無法舉一反三，至于剛開始說的無人車問題，訓(xùn)練的時(shí)候可以這樣過馬路，換成另外一種形式過馬路，你沒教它它就不知道怎么弄了。比如說，對(duì)人來講馬上能區(qū)分出來，一個(gè)男的一個(gè)女的肯定不是一個(gè)人，但是機(jī)器里絕對(duì)把他看成一個(gè)人，因?yàn)閺母鞣N特征來看很多是一樣的，因?yàn)樗徽J(rèn)識(shí)什么是男什么是女，所以，機(jī)器做的事和人是不一樣的。

所以，現(xiàn)在實(shí)際要解決的問題就是人和機(jī)器能夠合作的問題。大家都在強(qiáng)調(diào)，今后的方向肯定是人和機(jī)器合作，要各發(fā)揮所長，這里面有一個(gè)問題就是機(jī)器如何理解人，人如何理解機(jī)器。過去的重點(diǎn)是放在機(jī)器如何理解人上面，比如說人類的語音命令，用自然語言發(fā)的命令它能夠聽懂，這是所謂自然語言對(duì)話。

其實(shí)忽視了一個(gè)非常重要的另外一個(gè)點(diǎn)就是人如何理解機(jī)器，這是由深度學(xué)習(xí)引起的，因?yàn)樯疃葘W(xué)習(xí)出來以后，它做出來的事情人非常不理解，這就給人機(jī)共同合作帶來了巨大的困難，所以現(xiàn)在很多的重點(diǎn)除了做自然語言理解，理解用戶的意圖等等這些工作外，還要集中在人如何理解機(jī)器的方面。

為什么會(huì)發(fā)生這種情況，為什么機(jī)器的思路跟人不一樣，因?yàn)闄C(jī)器處理的方式要用專業(yè)的語言。機(jī)器怎么識(shí)別貓呢 它只是從一些局部的特征，局部的紋理來識(shí)別它，它根本不是從貓的整體，因?yàn)闄C(jī)器要取得整體的特性是非常困難的，它只取得局部的特性，所以它都是在利用局部特性，在一個(gè)特征空間里去認(rèn)識(shí)貓，跟人認(rèn)識(shí)貓的角度完全不一樣，人認(rèn)識(shí)貓是從所謂語義空間里，是通過它的各種各樣的屬性來識(shí)別它，比如貓有四條腿，貓有尾巴，貓有長胡子等等，機(jī)器不是這么認(rèn)識(shí)它的。

總結(jié)一下，人工智能做了兩件事，一件是屬于文本處理。早期的，以知識(shí)為基礎(chǔ)，在一個(gè)稱為語義的符號(hào)空間。也就是說文本在機(jī)器里用符號(hào)來表示，而且這個(gè)文本就是用原來自然語言表示。但是做起來有兩個(gè)難點(diǎn)，一個(gè)難點(diǎn)就是要從文本符號(hào)、符號(hào)序列中挖掘出它的知識(shí)很困難，而且符號(hào)的處理非常低效。所以早期的人工智能沒有得到很大的發(fā)展。

往后進(jìn)入深度學(xué)習(xí)時(shí)代，深度學(xué)習(xí)時(shí)代依靠的是數(shù)據(jù)，它是在向量空間里來處理的，因?yàn)橄蛄繉?duì)計(jì)算機(jī)來講非常好處理。深度學(xué)習(xí)為什么那么有效，重要的原因是用想象來處理的。缺點(diǎn)是做出來的東西是不可理解的，跟人的做法完全不同。將來怎么利用它呢，答案是無法利用?，F(xiàn)在大量的研究工作是集中在尋找中間量，稱之為語義的想象空間，右邊取一個(gè)詞“語意”，左邊取一個(gè)詞“向量”，所以任務(wù)就變成了兩個(gè)，如何把文本符號(hào)的東西變成向量。至于如何將數(shù)據(jù)空間把它提升到語義中來，也是不久前Google發(fā)表的文章提出的一個(gè)方向。另外，如何從數(shù)據(jù)中間提取知識(shí)，也就是人們常說的數(shù)據(jù)挖掘。這些領(lǐng)域進(jìn)展都非?？?，一旦這些問題突破了，人工智能不論是技術(shù)，還是產(chǎn)業(yè)都會(huì)得到進(jìn)一步的飛速發(fā)展。

目前，這些研究不僅只是大學(xué)或者科研機(jī)構(gòu)的事情了，企業(yè)也都在紛紛參與。我有個(gè)團(tuán)隊(duì)也是圍繞上面的問題，重點(diǎn)是如何突破將來人工智能要解決的基礎(chǔ)和關(guān)鍵問題，而不僅只是低頭跟隨性地應(yīng)用深度學(xué)習(xí)，只有從這點(diǎn)上著手，我們才有可能實(shí)現(xiàn)(在人工智能領(lǐng)域)追趕、超過或引領(lǐng)的目標(biāo)。

來源：AI早餐匯