2019年中國人工智能大會（Chinese Congress on Artificial Intelligence 2019，簡稱“CCAI 2019”）將于9月21日-22日在青島膠州召開。南京大學人工智能學院俞揚教授將出席大會，并擔任人工智能青年論壇共同主席。

俞揚在2011年博士畢業后，留校加入計算機科學與技術系、機器學習與數據挖掘研究所（LAMDA）從事教學與科研工作，主要研究領域為人工智能、機器學習、強化學習。他還入圍了2018年度IEEE Intelligent Systems評選的國際“人工智能10大新星”名單，是該次國內高校唯一入選者。

近年來的爆發讓人工智能成為當下最火熱的風口行業之一，機器學習又是其中的先驅領域。作為這方面的專家，俞揚如何評價這一輪行業發展熱潮？我們對他的觀點和思考作了梳理，一起來看。

人工智能不是一蹴而就，要靠厚積薄發

2016年圍棋人機大戰中，DeepMind開發的AlphaGo以4:1的絕對優勢，橫掃人類頂級選手柯潔、韓國名將李世石，讓世人對智能的力量大為驚嘆。

俞揚通過拆解AlphaGo的訓練“秘密”，指出了它驚艷亮相背后的成功路徑。

AlphaGo的基礎框架是“蒙特卡洛樹搜索”。在俞揚看來，這是一種聰明的搜索算法，它可以成功避免很多無效搜索，但現在也只能達到業余棋手五段、六段的水平，遠不具備與人類頂尖棋手對話交鋒的實力。

在此基礎上，AlphaGo引入了“機器學習”，通過學習人類歷史上高手對弈的棋局數據，模擬人類走法，如果碰到沒有見過的棋局，則以過往相似棋局作為參考。它雖然可以學習，但無法理解這些走法背后的玄機。此外，AlphaGo還通過“強化學習”，自己與自己對弈來提升水平。

俞揚指出，這種學習機制并不是新事物。AlphaGo涉及的所有算法部件都是現成的，“蒙特卡洛樹搜索”已經發展了十年，強化學習也經歷了數十年的發展。AlphaGo的突破在于，人們以卓越的工程水平實現了這些技術的結合，用成百上千的CPU和數百個顯卡實現了加速計算。

AlphaGo的例子清晰地表明，人工智能近年來的成功并不是一蹴而就的，而是許多年基礎研究的成果。既然我們希望人工智能的發展能夠更多的造福于未來生活，就要做好長期基礎研究的探索和積累，這樣才能做到厚積薄發。

人工智能發展的“奇點”還未來臨

人工智能在人機對弈、圖像識別、語音識別等領域的進步，引發了行業內外的強烈關注和熱切討論。作為機器學習領域的專家，俞揚如何看待這些進步呢？

俞揚曾對媒體表示，雖然人工智能迎來了第3次發展熱潮，但“人工智能威脅論”尚不成立，人工智能發展“奇點”還未來臨。他提出，不要混淆“技術進步”和“社會進步”的概念。以蒸汽機為例，它帶來了工業革命，人類生產力得到巨大提高，顛覆性地改變了人類社會的生產生活面貌，但在這一過程中，要注意原理和工藝的區別。蒸汽機的原理自誕生起就不再出現變化，人類不斷改造和升級的，是蒸汽機的工藝水平。正是因為后者的不斷提升，才讓蒸汽機效率更高、價格更低、使用更安全方便，進而廣泛普及開來，推動了社會進步。如果依照“奇點”理論來推算，蒸汽機應當迅速發展，但工程工藝的精化無法克服其原理上的先天缺陷，后來還是被內燃機所取代。今天我們在汽車、飛機上已經看不到蒸汽機的影子了。

人工智能的決定權依然在人

關于人工智能的能力邊界問題 ，一直以來都存在不同的聲音。人工智能有沒有權限做決策？如果有，這一權限應該多大？

2018年3月，一輛自動駕駛的Uber在美國亞利桑那州撞倒了一位推著自行車的女性，致其身亡，這是自動駕駛導致行人死亡的第一例事故。事件迅速發酵，引發了關于人工智能安全問題的廣泛討論。

對此，俞揚明確表示，人工智能作為一個工具，如何使用，目前來看決定權依然在人，系統的設計者和商業（應用）的提供人員需要對此負責。他說，“我們必須清楚地知道人工智能會做出什么樣的決策。對人工智能的應用范圍，以及應用結果的預期，一定要有約束”。在人工智能決策相關的問題上，人類一定要慎之又慎，環境是否可控，是否經過了可理解性的測試，決定了它是否可以用在關鍵的場所。否則，產品就存在重大缺陷。

在高效強化學習方面的探索

俞揚介紹道機器學習可以有“機械學習”、“示教學習”、“類比學習”和“歸納學習”等多種類型。自20世紀80年代以來，歸納學習成為機器學習中被研究最多、應用最廣的分支。歸納學習又分為監督學習、無監督學習和介于二者之間的弱監督學習。

強化學習可以看作是一種弱監督學習，它的數據標記需要靠自己探索來獲得，往往需要經過多次決策的探索才能獲得標記。

俞揚指出，強化學習在現實社會的應用還很少。當前強化學習主要有兩個經典方法：一是對值函數的學習；二是策略搜索方法。但這兩個方法對于樣本的需求量都極其大，在真實物理環境中的應用很難得到滿足。俞揚以狗舉例，讓狗聽懂“趴下”只需半個小時，這個過程大概有二十個樣本。由此可見機器強化學習的能力與生物相比，還有很大差距。即目前強化學習方法的樣本利用率很低，這種低效可能來源于優化能力、方法論等多個方面的局限。

2017年，俞揚介紹過自己在提高機器強化學習能力方面的一些探索。近期，他的研究更關注模擬器的構建。俞揚認為強化學習落地的主要瓶頸在于需要大量試錯，而現實環境難以承受試錯代價，構建模擬器可能是突破瓶頸的一條可行途徑。2017年開始，俞揚與阿里巴巴合作，成功構建了“虛擬淘寶”，模擬了購物的買家?！疤摂M淘寶”模擬器用于訓練強化學習，從而避免了試錯代價，最終訓練出的模型，直接上線測試，獲得了2%的性能提升。俞揚認為“零試錯”是強化學習能夠得以推廣應用的關鍵門檻，并且看好強化學習未來落地應用的前景。