11月18日，第五屆世界聲博會(huì)暨2022科大訊飛全球1024開發(fā)者節(jié)在合肥拉開序幕。開幕式上，中國(guó)科學(xué)院院士鄂維南發(fā)表了《下一代智能》的主題演講，分享對(duì)未來的思考與展望。

鄂維南院士表示，關(guān)于下一代人工智能可能是人工智能領(lǐng)域里面討論的最多的一個(gè)話題。以深度學(xué)習(xí)為核心的這一代人工智能已經(jīng)取得了巨大的成功，但仍然存在多方面的挑戰(zhàn)。因此，發(fā)展下一代人工智能，是人工智能領(lǐng)域許多人都在思考和探索的問題。

巨大成功背后 這一代人工智能面臨的挑戰(zhàn)

從圖像識(shí)別、AlphaGo下圍棋，到蛋白質(zhì)結(jié)構(gòu)解析，以深度學(xué)習(xí)為核心的“這一代“人工智能，已經(jīng)取得了巨大成功。那么為什么還需要發(fā)展“下一代”方法呢？鄂維南院士用一個(gè)簡(jiǎn)單且深刻問題，引發(fā)大家的思考。

要回答這個(gè)問題，就必須從人工智能的底層邏輯出發(fā)。人工智能的底層邏輯包括社會(huì)邏輯、科學(xué)邏輯和商業(yè)邏輯。

在社會(huì)層面，我們要努力確保新的技術(shù)是有利于社會(huì)發(fā)展的。在科學(xué)層面，人工智能在工程方面已取得巨大成功，但是在科學(xué)方面仍然有很多問題，尤其是深度學(xué)習(xí)，像是一堆黑魔術(shù)。人工智能不應(yīng)該僅僅是一些技術(shù)的組成，而是一個(gè)系統(tǒng)的Science，就像物理化學(xué)這類傳統(tǒng)學(xué)科一樣。

商業(yè)邏輯方面有三個(gè)關(guān)鍵問題——能不能用，是不是可靠，以及成本如何。對(duì)于能不能用，還存在許多挑戰(zhàn)。以皮膚狀況鑒別診斷為例，雖然深度學(xué)習(xí)提供了高診斷精度，但不具備可解釋性，這嚴(yán)重制約了實(shí)際應(yīng)用。對(duì)于可靠性問題，鄂維南院士舉猴子照片的例子說到，雖然深度學(xué)習(xí)算法能夠準(zhǔn)確識(shí)別猴子，但是如果猴子前面存在遮擋，深度學(xué)習(xí)算法有可能將其識(shí)別為人類。在成本維度，深度學(xué)習(xí)有效但并不高效，需要大量訓(xùn)練數(shù)據(jù)、人力成本和算力消耗。

數(shù)據(jù)、算法、系統(tǒng)……，下一代AI需要解決的基本問題

當(dāng)談及下一代人工智能時(shí)，“數(shù)據(jù)、算法、平臺(tái)、模型、系統(tǒng)以及應(yīng)用”是重要的六大維度。在大會(huì)現(xiàn)場(chǎng)，鄂維南院士著重分享了對(duì)“數(shù)據(jù)、算法和系統(tǒng)”三個(gè)方向的思考。

首先，談到系統(tǒng)層面，如果平臺(tái)上有幾百個(gè)，幾萬個(gè)，甚至幾十萬個(gè)模型，就需要一個(gè)模型管理系統(tǒng)。這里涉及不僅僅是技術(shù)問題，還包括社會(huì)學(xué)，以及社會(huì)制度的問題。對(duì)于數(shù)據(jù)，可以說， 目前深度學(xué)習(xí)模型都是建立在原始數(shù)據(jù)的基礎(chǔ)上。現(xiàn)在人工智能這么高的門檻，很重要原因就是需要處理大量的非結(jié)構(gòu)化數(shù)據(jù)，例如視頻、文本等。這些的處理成本比較高。對(duì)此，鄂維南院士分享了邰騁、湯林鵬等開發(fā)的AI數(shù)據(jù)庫的想法，即在原始數(shù)據(jù)湖或數(shù)據(jù)系統(tǒng)，加一層AI數(shù)據(jù)庫，其效果就像把非結(jié)構(gòu)化數(shù)據(jù)庫結(jié)構(gòu)化一樣，可以用通常搜索語言實(shí)現(xiàn)搜索， 并且實(shí)現(xiàn)了高精度、高效率地實(shí)現(xiàn)精確或近似查詢。這為模型開發(fā)提供了新的、更加高效的模式。

關(guān)于算法，鄂維南院士則分享到，目前人工智能算法基本分為兩大類，一類是基于學(xué)習(xí)（數(shù)據(jù)、經(jīng)驗(yàn)）的算法，例如深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等，也就是這一代人工智能。另一類就是基于規(guī)則的算法，比如邏輯方法、符號(hào)方法、專家系統(tǒng)，即上一代人工智能。其中，專家系統(tǒng)的可解釋性相對(duì)好，但是對(duì)復(fù)雜系統(tǒng)的準(zhǔn)確度不夠。與此同時(shí)，深度或強(qiáng)化深度學(xué)習(xí)則對(duì)復(fù)雜系統(tǒng)的準(zhǔn)確率比較高，但可解釋性比較差。

如何能找到一個(gè)可解釋性強(qiáng)，并且對(duì)復(fù)雜系統(tǒng)準(zhǔn)確率高的新方法？鄂維南院士分享了自己的建議——墨奇算法。墨奇算法有四個(gè)關(guān)鍵點(diǎn)：首先是非結(jié)構(gòu)化數(shù)據(jù)的多尺度表示；其次是知識(shí)驅(qū)動(dòng)的自監(jiān)督學(xué)習(xí)；再者是基于算法的規(guī)則提取；最后是迭代改進(jìn)。同時(shí)，以指紋識(shí)別為例，分享了墨奇算法如何發(fā)揮作用，并建立起第一個(gè)十億級(jí)指紋識(shí)別系統(tǒng)。這樣的系統(tǒng)僅僅依靠深度學(xué)習(xí)是做不到的。

“深度學(xué)習(xí)為什么能取得這么大的成功？”鄂維南院士最后分享道，在2012年，寫深度學(xué)習(xí)的程序是非常困難的?，F(xiàn)在，基本上本科生都能很容易做到。巨大轉(zhuǎn)變的背后是一個(gè)非常完善的生態(tài)，包括算法、算力、好的數(shù)據(jù)集、以及模型訓(xùn)練平臺(tái)等。因此，下一代人工智能不是個(gè)單純的算法，而是要建立起來一個(gè)良好的生態(tài)。

面向未來，鄂維南院士也在大會(huì)現(xiàn)場(chǎng)呼吁，企業(yè)、高校與科研機(jī)構(gòu)攜手，建立這樣的良好生態(tài)，共同實(shí)現(xiàn)下一代人工智能。

審核編輯 ：李倩