人工智能發展的回顧

前兩天人工智能與人的圍棋比賽又是一個 5 比 0，從這個意義來講，大家好像覺得機器可以挑戰人，但是不是整個人工時代就要有更大的改變，或者來臨了？人工智能再回過頭來，雖然說有五六十年的歷史，但是從現在的人工智能最核心的神經網絡來講，應該有七十多年的歷史，神經網絡基本單元模型到現在已經有七十多年了，如果再回到深度學習，或者說深度神經網絡的BP算法，梯度算法，已經有幾百年的歷史了。 1、發展學派經過這么多年的發展，雖然已經有符號主義、聯結主義、行為主義、貝葉斯學派、類推學派，所有這些都各有特色，都是從不同的角度。符號主義的核心認知就是計算；聯結主義認知就是網絡；行為主義是靠感知和行動來做工具；貝葉斯學派是通過推理來解決問題；類推學派是通過優化算法回答這個世界的一些問題。 2、發展階段神經網絡四個階段看起來很簡單，從專家系統到個人工程再到最自然的語言信息處理：聲音-語言-文字-圖像，再到現在大家更關注的是算法。增強也好，對抗也好，聯邦也好，所有這些法的提出，對我們來講，都是希望提高解決問題的效果。 3、發展核心我們如何利用對這個世界的感知認知的基本經驗，同時在數據的基礎之上，去解決這些問題。我自己的思考是：數據是重要的，但是我們面對的是大數據，是小樣本，是不完整的，而人處理不了這樣的問題，通過數據之后，更多的是知識力、學習力，和無形中的多種方法的融合和優化，從這個意義上來講，我們走上了想讓機器像人一樣思考學習、認知這樣的道路，并且經過漫長的一個過程。現在為止各種復蘇各種浪潮都在提，各種模型都在提出，但是大家記住最本質的關于人是怎樣認知這個世界的，很多核心問題是在八十年代之前完成的，從這個意義上類腦就是希望人是怎樣思考的，我們也希望機器怎樣幫助我們思考。變革的核心和基礎還是人的認知，所有的這些東西是建立在現在的算力基礎上解決這樣的一些問題。

焦李成教授視頻演講現場

下一代人工智能的挑戰

腦科學角度——從基本認知能力出發，構建模型 人工智能實際上到現在為止，說法非常多，但是存在著解釋性的問題，存在著安全性的問題，存在著魯棒性的問題，怎么像人一樣有監督、半監督更多的是無監督，人是通過先進經驗的學習，而不僅僅是明確數據的學習，雖然有數據隱含在里面，但是這里面環境不同，意識不同，情感不同，反思不同，頓悟和行動能力不同，這個時候人的認知感知也不一樣。 1、數據與模型共同驅動把現在的或者第一代第二代人工智能，以這種思路，怎么和人結合，去面對下一代人工智能的挑戰，當然對于人來講，我們的常識和常識的推理，包括不確定性是我們創新的基本能力之一。讓機器怎么樣面對常識，常識的推理和不確定的推理，是下一代人工智能關注的。所以人工智能的核心不僅僅是機器學習算法，不僅僅是現有的深度學習模型，從這個意義上來講，從最早開始為特征為中心的這種顧慮，到以學習為中心的處理，再到現在把表征、學習相結合起來的這種人工智能的辦法，應該說發生了根本性的變化，我們面對的是一個共同開放的環境，面對的是大量的數據，同時又是小的樣本，怎么做。所以說海量數據，網絡過擬合，超參優化的困難，以及高性能硬件的缺失，可解釋性差，怎么樣面對常識，先驗，因果和推理去解釋魯棒可解釋性安全性的問題，同樣也需要硬件的支持。所以說人工智能闡述的難題，怎么樣逐步解決。 2、認知上怎么把概念抽象成模型自動學習，漸進學習，解決學習的收斂性、穩定性，梯度駐點屬性等數學問題是下一代人工智能算法和模型要解決的基本理論問題。 3、產學研相結合最近我們國家非常重視，從最頂層需要解決這些問題，國家也出臺了相應的計劃，這些計劃大家都知道，我也說過，這些計劃是從學術角度感知與解決這些問題，而且國家也建立了相應的人工智能開放創新平臺，所有這些是我們真正要做的事情，和我們面臨的國家重大需求和國家的重大任務，怎么和國家發展結合做相應的工作。這些公司是做什么的？自動駕駛、城市大腦、醫學影像、智能影音、智能視覺，包括最近的抖音和微信，包括華為的5G，大家知道美國對中國禁用的這些技術，實際上是影響我國下一代國民經濟發展的核心技術。

所以說人工智能實際上要為國家服務，在諸多的新基建領域，包括5G、特高壓、軌道交通、大數據、工業互聯網，實際上歸結起來，信息基礎設施、融合基礎設施、創新基礎設施。所以我們怎么實現從0到1的創新突破，不一定是單純的做研究，更重要的是產學研相結合，建立國家創新性的環境、技術，創新性的環境和創新性的人才培養機制。華為任總也是這樣的思想，所以說科技部就出臺了國家新一代人工智能創新試驗區的建設，到目前為止共有11個城市，作為我國下一代人工智能創新試驗區。核心是干什么？就是形成示范，形成樣板，帶動全國和下一代人工智能中心的發展。中心任務不僅僅是理論，更重要的是產業，產學研相結合，推進國民經濟的發展，推進創新型國家建設。

焦李成教授視頻演講現場

下一代人工智能發展的思考

1、世界主要國家的人工智能發展 西安人工智能創新實驗區的發展整個方案是我們團隊起草的，在感知、交互等等方面不僅從技術，更重要的是從體系，從人才環境打造國家示范，當然更重要的還是體制機制的改革和建立，優化人工智能創新發展的生態，從而為國家的建設貢獻力量。實際上我之前講過世界各國出臺的人工智能戰略，也在賦能社會和實體經濟的發展，從這個意義上來講，人工智能發展到這個階段，東盟十國，越南、泰國、馬來西亞都踏上這樣的軌道。美國的人工智能計劃也是希望走在前面的，而且明年的人工智能和量子計算在國家預算當中增加了30%，他們也是想得到這一領域國際研究的領先地位，但是他們的五個關鍵領域，通過研究開發，更重要的是資源、自動化和國際推廣，也是他們世界霸權的一部分。從這個意義上講，他們的國家戰略也是想依靠人工智能、量子這些技術來做。普京同樣對于俄羅斯的人工智能發展非常重視，回過頭來看，一定是從基礎到應用到軟件，到數據，到平臺一直到社會整個綜合的體系上面，所以說世界主要國家的人工智能發展，不僅僅是發展相應的技術，更重要的是發展相應的基礎設施，社會的發展體系，也就是說占領未來發展的制高點。 2、人工智能的跨學科研究昨天晚上我們正在緊鑼密鼓制定國家基金委人工智能發展規劃，不僅有信息學會的人工智能處，而且希望能夠在國家基金委成立人工智能交叉學科，或者說包含人工智能的交叉學科。2018年MIT投資十億美元，重塑人才培養新模式為目標的新的學院，一直到后來又把計算機、人工智能和相關學科部門推進的人工智能領域剔除，他們是要重塑人才培養的新模式，走交叉發展道路，通過腦科學、認知科學、計算機科學，共同推進下一代人工智能跨學科研究。 同樣在2018年，CMU宣布開設全世界第一個人工智能的本科學位，因為他們是學分制，今年就有一些人工智能本科學位畢業生畢業，進入到研究生和相關的體系工作，他們的專業本科的設置，同樣給我們國家的發展是相應一致的，注重數據，注重統計，注重計算機科學，同樣以人工智能為代表做這樣的一件事情，同樣交叉引領和創新，占據世界這個領域的領導地位也是他們的目標。李飛飛在斯坦福創建以人為本的人工智能研究院，包含語言、社會、政治、生物、法律、腦科學，推動人工智能的研究、教育、政策和實踐，造福全人類，要把人工智能變成一種更偉大的人性化的力量，一種正面的力量來做這件事情。 3、我國人工智能教育體系到目前為止全國成立了100所人工智能的學院、研究院、交叉研究中心，也有11個國家新一代人工智能的創新示范區，15個新一代人工智能開放創新平臺，215所高校獲批人工智能的本科專業，230多所高校設立了智能科學與技術的本科專業，現在多個出版社在出版人工智能的系列教材，也有幾百所大專院校開設了人工智能技術服務專業，所以說人工智能學院研究院成立的淵源來自于多個不同的領域，有的有基建，有的有控制，有的有電科，有的有信通，有的有計算機，或者說他們之間的結合交叉和融合。我國三部今年出臺的關于雙一流建設促進學科融合，加快人工智能人才培養的若干意見就是需求導向、應用驅動、項目牽引、多元支持、跨界融合、精準培養，核心是設立人工智能的研究生培養的交叉學科，在我國培養體系當中增加了交叉門類，今年的集成電路一級學科就有交叉門類，人工智能也屬于交叉門類，也就是我國人才培養的第14個學科門類。 4、世界各國科技公司的布局世界各國的科技公司不僅是布局，而且是重點投資，成為了發展的重點方向，谷歌、微軟、IBM同樣如此，我們國家也是這樣的戰略。當然了我們國家的人工智能的獨角獸公司，也是做的非常的不錯的，和世界應該說處在一個并駕齊驅的步伐上。

焦李成教授視頻演講現場

5、人工智能發展的四大趨勢：技術走向-落地實施-應用價值-建設市場生態傳統企業的改造，多模態融合計算的落地，多模型大數據庫走向市場，低成本的人工智能技術走向應用，人工智能走向邊緣計算，同樣我們的業務更智能化更自動化，貫穿了整個社會的方方面面，所以說云端、網上，邊緣，成為了人工智能應用的核心，工業互聯網、車聯網、物聯網也成為了新的關注焦點，所有這些人工智能技術軟件基礎架構生態成為制勝關鍵。 6、下一代人工智能發展的瓶頸問題算力、算法和數據，但是核心是自主算力，核心算法是基礎算法，大數據不僅僅是把數據拿來，而是要發掘數據的新范式。怎么樣構建和表彰這樣的數據，實現我們提高算法的基礎。當然所有的這些，都應該在開放的環境在變換的場景，在任務遷移，在資源變換和環境開放上做文章，談的是我們國家的技術，不斷的發展不斷的總結，要解決這些問題，實際上就是要解決人工智能所面臨的一些理論和技術性的問題，包括資源受限、認知缺陷，我們的出路一定是要新原理、新結構、新方法和高風險、高可靠，當然更是小樣本資源節約型的應用，而不僅僅是現在的一味的拿算法。所以從理論從技術驗證三方面要相輔相成做這樣的事情，才能往前走一步，這些科學問題也是感知、認知、學習的基本問題，我們把機器學習、認知科學、優化所有這些結合起來，在開放的環境中，在現有計算機，或者說新的平臺上去實現，把它變成創新和思考的精準動力。所以我們不僅要從認知建模，發展為自動學習，更要到漸進演化做這件事情，而且要把知識模型結構調參結合起來，從進化到學習，這是新的深度學習算法的問題。可持續的學習，連續的學習，機器學習成為我們的方向，應該說向自然去學習，這是我們發展新的人工智能方法的源泉和動力。

我們始終要堅持，道路很曲折，但是前途一定是光明的，中國也一定會不管別人怎么阻撓，定會引領這個世界，造福中國人民，造福全世界人民。