對(duì)人工智能現(xiàn)在和未來(lái)的思考

張文生

(中國(guó)科學(xué)院自動(dòng)化研究所)

1956年夏季，在美國(guó)達(dá)特茅斯(Dartmouth)大學(xué)，麥卡錫(McCarthy)和明斯基(Minsky)等人共同組織了用機(jī)器模擬人類智能問(wèn)題的小型研討會(huì)，其學(xué)術(shù)本質(zhì)是探討認(rèn)知領(lǐng)域的復(fù)雜信息處理問(wèn)題，并首次使用了“人工智能”這一術(shù)語(yǔ)[1]。人工智能已經(jīng)走過(guò)了60多年的輝煌歷程，期間最吸引人們眼球、引起轟動(dòng)的就是不同時(shí)期的人機(jī)大戰(zhàn)。縱觀其起起伏伏的研究過(guò)程，新的研究結(jié)果不斷出現(xiàn)，同時(shí)也有大量的研究成果被摒棄。我們不禁要反思這風(fēng)風(fēng)雨雨的60年，人工智能的本質(zhì)是什么？哪些研究是永恒的主題？哪些研究成果至今還重要？哪些研究成果沒(méi)有意義？基于此，本文將展望未來(lái)人工智能的研究熱點(diǎn)和重點(diǎn)，特別是如何開展產(chǎn)業(yè)應(yīng)用，讓人工智能造福人類。

1 如火如荼的人工智能現(xiàn)狀

自2015年以來(lái)，國(guó)內(nèi)外人工智能產(chǎn)業(yè)呈現(xiàn)出如火如荼的景象，機(jī)器在搜索、計(jì)算、存儲(chǔ)、優(yōu)化等方面展現(xiàn)出人類無(wú)法比擬的優(yōu)勢(shì)，然而在感知、推理、歸納、學(xué)習(xí)等方面尚無(wú)法與人類相比[2]。

縱觀人類發(fā)展的歷史，必須給人工智能一個(gè)客觀的認(rèn)識(shí)，那就是：人工智能是“人造的智能”[3]，以物化的計(jì)算機(jī)系統(tǒng)為載體，用于“解脫或者輔助人類腦力勞動(dòng)”。從人類四次工業(yè)革命200多年的過(guò)程中不難看出：生產(chǎn)力的發(fā)展、工業(yè)革命的發(fā)展以及社會(huì)進(jìn)步的過(guò)程就是人類從體力勞動(dòng)到腦力勞動(dòng)中逐步解放的過(guò)程。第一、二次工業(yè)革命實(shí)現(xiàn)了“機(jī)械化”和“電氣化”，通過(guò)制造各種工具/機(jī)器替代人進(jìn)行繁重的體力勞動(dòng)，將人從體力勞動(dòng)中解放；第三次工業(yè)革命逐步實(shí)現(xiàn)了“自動(dòng)化”，帶來(lái)了生產(chǎn)效率的飛躍，逐步將人從腦力勞動(dòng)中解放；第四次工業(yè)革命是實(shí)現(xiàn)“智能化”，將過(guò)去需要人類的腦力勞動(dòng)才能解決的個(gè)性化、柔性生產(chǎn)和產(chǎn)品服務(wù)中的復(fù)雜問(wèn)題[4]，通過(guò)人造的智能來(lái)實(shí)現(xiàn)，將人從腦力勞動(dòng)中進(jìn)一步解放。

人工智能的長(zhǎng)期目標(biāo)是建立達(dá)到人類智能水平的計(jì)算機(jī)系統(tǒng)，在人工智能學(xué)科和應(yīng)用的發(fā)展過(guò)程中，設(shè)定的人造智能系統(tǒng)研發(fā)目標(biāo)往往與人類智能對(duì)標(biāo)。人工智能研究之初，對(duì)比的主要方式是機(jī)器與人玩游戲，從20世紀(jì)60年代人工智能在西洋跳棋上戰(zhàn)勝人類選手，到1997年IBM“深藍(lán)”計(jì)算機(jī)在國(guó)際象棋上戰(zhàn)勝世界棋王卡斯帕羅夫，到2006年“浪潮天梭”超級(jí)計(jì)算機(jī)戰(zhàn)勝五位中國(guó)象棋特級(jí)大師，再到2016年3月9-15日谷歌公司研發(fā)的人工智能圍棋軟件AlphaGo與韓國(guó)世界冠軍李世石九段進(jìn)行的圍棋人機(jī)大戰(zhàn)，最終AlphaGo圍棋軟件以總比分4∶1戰(zhàn)勝人類代表李世石九段。

經(jīng)過(guò)深入冷靜的思考，容易發(fā)現(xiàn)：無(wú)論人工智能如何強(qiáng)大，比如在博弈游戲中不斷地挑戰(zhàn)人類，從結(jié)果來(lái)看這些都是在炫技，即炫耀人工智能陽(yáng)春白雪的頂級(jí)成果，但并沒(méi)有關(guān)注如何將人工智能研究的成果用于創(chuàng)造人類的物質(zhì)財(cái)富，開展真正的實(shí)際應(yīng)用。

人工智能真正造福人類，將人類從腦力勞動(dòng)中解放，是從智能搜索、工業(yè)機(jī)器人和電子商務(wù)開始的[5]。第一個(gè)互聯(lián)網(wǎng)搜索引擎是1990年在蒙特利爾麥吉爾大學(xué)創(chuàng)建的Archie，當(dāng)時(shí)Archie瀏覽器僅是索引基于文件傳輸協(xié)議(FTP)的檔案。真正意義上的智能搜索引擎誕生是隨后以對(duì)搜索引擎服務(wù)進(jìn)行升級(jí)優(yōu)化為宗旨的Yahoo、Altavista、Inktomi、Google。這里對(duì)工業(yè)機(jī)器人和電子商務(wù)的應(yīng)用不過(guò)多贅述，但值得注意的是，在這兩個(gè)領(lǐng)域人工智能的成功應(yīng)用完全改變了人工智能炫技的歷史定位。

2011年IBM公司推出Watson認(rèn)知計(jì)算系統(tǒng)，用來(lái)解決問(wèn)答系統(tǒng)、醫(yī)療、金融、制造業(yè)中的復(fù)雜問(wèn)題，使人工智能研究的關(guān)注點(diǎn)完全由“游戲娛樂(lè)”走向數(shù)以億計(jì)尋常百姓的實(shí)際生活應(yīng)用[6]。

目前，人工智能已經(jīng)滲入到人類的日常生活中，并在逐步改變?nèi)祟惖纳钅Ｊ絒7]。以人類的“出行模式”為例，以人工智能為核心的自動(dòng)汽車駕駛技術(shù)，正在將人類逐步從完全依靠腦力勞動(dòng)實(shí)現(xiàn)駕駛汽車的任務(wù)中解放出來(lái)。2012年5月7日，內(nèi)華達(dá)車管局為一輛改裝版的“豐田普銳斯”型汽車頒發(fā)“001”號(hào)車牌，這是首輛獲得車牌的自動(dòng)駕駛汽車；2017年6月，130輛通用公司的新一代Bolt自動(dòng)駕駛測(cè)試車正式下線，通用公司成為第一家可以實(shí)現(xiàn)自動(dòng)駕駛測(cè)試車輛量產(chǎn)規(guī)模的車企，并計(jì)劃在2021年開始嘗試銷售自動(dòng)駕駛汽車；2018年2月，谷歌Waymo獲得亞利桑那州交通部門許可，無(wú)人駕駛小型貨車在亞利桑那州向乘客提供付費(fèi)交通服務(wù)，后續(xù)將推出自動(dòng)駕駛出租車叫車服務(wù)。

人工智能一直以來(lái)致力于用計(jì)算機(jī)模擬人類大腦解決問(wèn)題，讓人從腦力勞動(dòng)中解放出來(lái)，讓計(jì)算機(jī)看懂世界，目前已經(jīng)誕生了谷歌大腦、百度大腦、訊飛超腦、阿里城市大腦等一系列互聯(lián)網(wǎng)大腦。

谷歌大腦是Google X實(shí)驗(yàn)室的一個(gè)項(xiàng)目，通過(guò)將1.6萬(wàn)臺(tái)電腦的處理器相連，建造出大型中樞網(wǎng)絡(luò)系統(tǒng)，能夠模擬人腦實(shí)現(xiàn)自主學(xué)習(xí)，有望成為人類社會(huì)首個(gè)真正意義上的人工智能系統(tǒng)。百度大腦是模擬人腦神經(jīng)元組成的超大規(guī)模神經(jīng)網(wǎng)絡(luò)，擁有語(yǔ)音、圖像、自然語(yǔ)言理解和用戶畫像四大核心能力。訊飛超腦模擬人腦神經(jīng)元構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，旨在實(shí)現(xiàn)世界上第一個(gè)中文認(rèn)知智能計(jì)算引擎。阿里城市大腦以阿里云彈性計(jì)算與大數(shù)據(jù)處理平臺(tái)為基礎(chǔ)，逐步實(shí)現(xiàn)城市海量多源數(shù)據(jù)的收集、實(shí)時(shí)處理與智能計(jì)算。

2 令人擔(dān)憂的人工智能繁榮

盡管人工智能已經(jīng)如火如荼，但是，從事人工智能研究的人為當(dāng)前媒體過(guò)分宣傳和民眾對(duì)人工智能過(guò)高期許感到非常擔(dān)憂。縱觀人工智能60多年來(lái)“三起兩落”的發(fā)展歷程，我們發(fā)現(xiàn)每一次人工智能的熱潮都源于長(zhǎng)期的人工智能理論積累和關(guān)鍵技術(shù)突破，然而，每一次人工智能墜入低谷都是人類對(duì)人工智能的期望遠(yuǎn)遠(yuǎn)超出其理論和技術(shù)水平。

目前，國(guó)內(nèi)外對(duì)人工智能炒作有過(guò)熱的趨勢(shì)，無(wú)論是學(xué)術(shù)界還是商業(yè)界，都低估了大數(shù)據(jù)時(shí)代新出現(xiàn)的認(rèn)知問(wèn)題的復(fù)雜性和難度，導(dǎo)致后續(xù)的技術(shù)研發(fā)無(wú)法支撐任務(wù)的推進(jìn)[8]；與此同時(shí)，新技術(shù)往往意味著新的投資機(jī)會(huì)，乘機(jī)炒作、騙取資本在所難免，炒得越熱，潛在的泡沫就越大。事實(shí)上，人工智能繁榮發(fā)展的表面之下，存在很多隱患和值得關(guān)注的問(wèn)題，需要全社會(huì)科學(xué)地理解人工智能，正確地把握人工智能的本質(zhì)，改正過(guò)去和現(xiàn)在對(duì)人工智能的片面認(rèn)識(shí)。

2.1 人工智能是人造的智能

人工智能是旨在研究、開發(fā)、模擬、延伸、拓展人類的智能的理論、方法、技術(shù)與應(yīng)用系統(tǒng)，可見人工智能就是人造的智能[9]。從智能機(jī)器人、無(wú)人系統(tǒng)發(fā)展的歷程深入思考，我們可以認(rèn)為：智能機(jī)器人等只是人工智能成果的一個(gè)實(shí)物展示，其核心集中在將人類研究出的智能用一種機(jī)器作為載體。除了機(jī)器人以外，有代表性的人工智能產(chǎn)品包括郵政分揀、文字識(shí)別、語(yǔ)音識(shí)別、多語(yǔ)種翻譯、自動(dòng)問(wèn)答、車牌識(shí)別、視頻智能監(jiān)控、智能搜索、智能輔助駕駛等等，這些產(chǎn)品的智能水平/應(yīng)用滿意度或高或低，但是，人造的智能系統(tǒng)正在向我們走來(lái)。

從上述人工智能成果應(yīng)用的案例中，我們發(fā)現(xiàn)：人類智能主要是從大腦結(jié)構(gòu)和功能兩個(gè)方向展開研究[10]，因此，研究產(chǎn)生智能載體的途徑可以歸結(jié)為兩類：結(jié)構(gòu)派和鳥飛派[11]。然而，人造的智能存在諸多難以逾越的局限，比如認(rèn)知論機(jī)理的局限、智能物化方法與途徑的局限、數(shù)學(xué)方法與工具的局限、計(jì)算模型方面的局限、實(shí)現(xiàn)技術(shù)和途徑方面的局限等。

2.2 人造的智能可以精準(zhǔn)定義

按照傳統(tǒng)的說(shuō)法，直到今天多數(shù)學(xué)者贊同“人類的智能”(簡(jiǎn)稱智能、人類智能)難以說(shuō)清楚，究其原因是無(wú)法將人類智能形式化、數(shù)學(xué)化，但是，人造的智能(簡(jiǎn)稱人工智能)是完全可以形式化、數(shù)學(xué)化的。

2007年，Legg等[12]指出：人類提出過(guò)至少70種人類智能的定義，但是，至今還未有蓋棺定論的說(shuō)法。對(duì)“人類智能”定義及界定的模糊，使得度量“人類智能”變得困難。缺少“人類智能”的量化，導(dǎo)致我們無(wú)法精確地判斷人類智能水平的高低，只能借助某些角度的局部特征來(lái)描述。

人工智能不同于人類智能，我們完全可以借助人工智能解決的“問(wèn)題難易程度”來(lái)度量人造的智能高低。眾所周知，從1956年夏季麥卡錫和明斯基等組織的用機(jī)器模擬人類智能問(wèn)題的討論會(huì)以來(lái)，人工智能公認(rèn)是解決認(rèn)知問(wèn)題復(fù)雜信息處理的科學(xué)。認(rèn)知領(lǐng)域復(fù)雜信息本質(zhì)是非線性信息，而非線性信息的難易程度在數(shù)學(xué)上已經(jīng)研究多年，積累了大量的研究成果，這些數(shù)學(xué)成果可以有效地度量非線性的大小[13]。例如：VC維(VC dimension)，可以從函數(shù)論/泛函角度衡量某個(gè)待研究問(wèn)題集合的復(fù)雜程度；拉德馬赫復(fù)雜度(Rademacher Complexities)可以結(jié)合函數(shù)論與隨機(jī)科學(xué)來(lái)衡量某個(gè)待研究問(wèn)題集合的數(shù)據(jù)分布的復(fù)雜程度。因此，我們完全可以借助數(shù)學(xué)上成熟的非線性理論來(lái)度量人工智能問(wèn)題的復(fù)雜性，進(jìn)而用于衡量人工智能的智能水平。

2.3 反饋是實(shí)現(xiàn)人工智能的絕招

“反饋”是人類智能的顯著特征，是控制科學(xué)獨(dú)到的特色，也是人工智能區(qū)別于計(jì)算機(jī)系統(tǒng)的顯著標(biāo)志。當(dāng)一個(gè)人舉杯喝咖啡時(shí)，他/她通過(guò)視覺(jué)反饋可以改變手拿杯的位置，從而更順利地享受這一杯咖啡。同樣，通過(guò)將聽到的媒體信息或者感覺(jué)到的天氣溫度反饋給大腦，人可以調(diào)整穿衣。然而，計(jì)算機(jī)科學(xué)沒(méi)有“反饋”這一標(biāo)簽，否則，計(jì)算機(jī)“死機(jī)”就不存在了。人工智能就是要把控制科學(xué)與計(jì)算機(jī)科學(xué)“混雜”，期待解決用機(jī)器(計(jì)算機(jī))模擬人類智能的難題。

反饋的思想貫穿于控制理論的整個(gè)發(fā)展階段。1943年，Rosenblueth等[14]發(fā)表了最早的控制論文章“Behaviour，purpose and teleology”，指出人的行動(dòng)和目的是從神經(jīng)系統(tǒng)出發(fā)進(jìn)入肌肉，然后通過(guò)感覺(jué)再進(jìn)入神經(jīng)系統(tǒng)的環(huán)形反饋過(guò)程。隨后一系列控制理論都以反饋?zhàn)鳛榛纠碚?，在現(xiàn)代控制理論、大系統(tǒng)控制與智能控制理論中，反饋思想得以擴(kuò)展[15]。

2.4 必須讓大數(shù)據(jù)說(shuō)話

人工智能早期主要集中在設(shè)計(jì)各種簡(jiǎn)單的線性與非線性模型，但是，隨著社會(huì)的發(fā)展，需要解決的認(rèn)知問(wèn)題逐漸復(fù)雜化，早期的理論和方法難以處理復(fù)雜的非線性問(wèn)題。對(duì)于認(rèn)知領(lǐng)域的復(fù)雜非線性問(wèn)題，孤立的個(gè)體探尋其規(guī)律不足以建立可靠的模型，究其原因，在于個(gè)體獲取的數(shù)據(jù)/信息不足以認(rèn)識(shí)復(fù)雜非線性問(wèn)題的本質(zhì)，必須借助大數(shù)據(jù)，同時(shí)結(jié)合個(gè)體經(jīng)驗(yàn)，才能解決復(fù)雜的人工智能問(wèn)題。

一方面，大數(shù)據(jù)樣本分布廣泛，讓機(jī)器學(xué)習(xí)模型很難過(guò)擬合，這種優(yōu)勢(shì)有助于在受限場(chǎng)景下取得超越人類的學(xué)習(xí)效果，比如語(yǔ)音識(shí)別、圖像識(shí)別等達(dá)到或者超過(guò)了人類識(shí)別的水平；另一方面，大數(shù)據(jù)并非唾手可得，一些成本較高的領(lǐng)域數(shù)據(jù)極為稀少，即便有大數(shù)據(jù)也不一定能用，例如主觀性較強(qiáng)的應(yīng)用、信息采集的個(gè)體差異大且不具備獨(dú)立同分布規(guī)律、優(yōu)化目標(biāo)不明或推理路線不清等。

大數(shù)據(jù)時(shí)代數(shù)據(jù)規(guī)模、質(zhì)量等的改善，使得諸多機(jī)器學(xué)習(xí)算法的建模效果大幅提升，特別是在機(jī)器學(xué)習(xí)算法缺少良好建模方法的情況下，需要大量數(shù)據(jù)才能擬合[16]。如果直接斷言大數(shù)據(jù)和機(jī)器學(xué)習(xí)的深度結(jié)合就可以創(chuàng)造出全能強(qiáng)大的人工智能，則會(huì)陷入一種過(guò)度依賴數(shù)據(jù)驅(qū)動(dòng)的方向，換言之就是過(guò)度神化數(shù)據(jù)驅(qū)動(dòng)可能導(dǎo)致方向性錯(cuò)誤。

2.5 人工智能最適合用于制造業(yè)

從制造業(yè)生產(chǎn)線上采集的數(shù)據(jù)質(zhì)量非常高，這些數(shù)據(jù)除了存在隨機(jī)噪聲以外，只有系統(tǒng)噪聲，此外，這些數(shù)據(jù)幾乎是以連續(xù)方式呈現(xiàn)的。對(duì)比從互聯(lián)網(wǎng)上采集的數(shù)據(jù)，我們發(fā)現(xiàn)制造業(yè)數(shù)據(jù)的質(zhì)量遠(yuǎn)遠(yuǎn)高于互聯(lián)網(wǎng)數(shù)據(jù)，互聯(lián)網(wǎng)上的數(shù)據(jù)經(jīng)常存在偽裝、突變。由于人工智能不擅長(zhǎng)利用偽裝、突變數(shù)據(jù)，因此從尋找制造業(yè)規(guī)律、減少操作人員腦力勞動(dòng)、解決網(wǎng)絡(luò)化制造等角度考慮，人工智能應(yīng)用到這一領(lǐng)域是非常合適的，遺憾的是中國(guó)人工智能界和制造業(yè)企業(yè)家目前還沒(méi)有充分認(rèn)識(shí)到這一觀點(diǎn)。

人工智能用于制造業(yè)能起到事半功倍的效果，工業(yè)制造是與國(guó)家生產(chǎn)力產(chǎn)出直接相關(guān)的行業(yè)，在國(guó)民經(jīng)濟(jì)中的作用舉足輕重。美國(guó)Softweb Solutions公司首席策略官Vibhu Bhutani表示：建立完整智能制造系統(tǒng)的基礎(chǔ)是單體機(jī)器可以為人工智能訓(xùn)練收集高質(zhì)量的數(shù)據(jù)。制造業(yè)的數(shù)據(jù)有著非常良好的標(biāo)準(zhǔn)和質(zhì)量積累，對(duì)于訓(xùn)練人工智能模型有很大的優(yōu)勢(shì)。制造業(yè)生產(chǎn)過(guò)程流程明確、任務(wù)清晰，而人工智能一旦成功應(yīng)用于制造業(yè)，一些復(fù)雜腦力勞動(dòng)完全有望借助機(jī)器來(lái)完成。例如，2017年，著名人工智能學(xué)者、前百度首席科學(xué)家Andrew Ng創(chuàng)建的LANDING.AI公司，其近期的機(jī)器視覺(jué)產(chǎn)品可以對(duì)工業(yè)產(chǎn)品的微小瑕疵進(jìn)行超越人類肉眼水平的監(jiān)測(cè)。

未來(lái)制造業(yè)的一個(gè)重要的發(fā)展方向是智能工業(yè)設(shè)備和人工的結(jié)合，實(shí)現(xiàn)網(wǎng)絡(luò)化協(xié)同制造[17]。工業(yè)智能技術(shù)的升級(jí)并不意味著完全替代人類的作用，2017年麻省理工學(xué)院(MIT)和Rochester大學(xué)研究人員也正式提出了新的人機(jī)協(xié)同制造概念，通過(guò)簡(jiǎn)單的語(yǔ)言交互，人類可以即時(shí)控制機(jī)器完成非預(yù)先編程的動(dòng)態(tài)任務(wù)。

水力旋流器入口設(shè)為速度入口，連續(xù)相介質(zhì)為水，流速為3 m/s，設(shè)定顆粒入口處的射流源為面源，顆粒入口速度與液相入口速度相同，離散相密度為2 600 kg/m3，且顆粒粒徑分布服從Rosin-Rammler分布[11]；溢流及底流出口均為壓力出口，壓力設(shè)置為0，設(shè)置溢流口為逃逸，底流口為捕集；壓力-速度耦合方式為SIMPLE，壓力離散格式為PRESTO。其他控制方程的離散格式均采用QUICK格式。設(shè)置重力加速度為9.81 m/s2。

2.6 對(duì)人工智能必須冷思考

盡管人工智能改變了很多領(lǐng)域的商業(yè)模式，但是，在“人工智能熱”的背后，要進(jìn)行深度的“冷思考”[18]。我們要清醒地認(rèn)識(shí)到，人工智能并不是萬(wàn)能的。人工智能說(shuō)到底是掌握在人類手里的技術(shù)，是否能夠發(fā)揮人工智能的能力，取決于人對(duì)當(dāng)前任務(wù)和問(wèn)題的認(rèn)識(shí)程度。

以人機(jī)圍棋對(duì)弈等對(duì)抗游戲?yàn)槔?。圍棋是一個(gè)回合制游戲，局面信息對(duì)雙方公開，屬于完全信息，并且玩家行為邊界確定；而以星際爭(zhēng)霸為代表的實(shí)時(shí)戰(zhàn)略性游戲中，實(shí)時(shí)性、對(duì)抗性都更強(qiáng)，并且雙方都不能完全掌握局面信息，玩家行為邊界不確定?？梢钥吹?，雖然都是人機(jī)對(duì)抗，但是應(yīng)用任務(wù)不同，背后的科學(xué)問(wèn)題本質(zhì)上也不同，一個(gè)是有限狀態(tài)空間中的戰(zhàn)術(shù)決策問(wèn)題，另一個(gè)是無(wú)限狀態(tài)空間中的戰(zhàn)略決策和規(guī)劃問(wèn)題。所以，人工智能盡管很強(qiáng)，但是也不能解決所有問(wèn)題，如果某個(gè)問(wèn)題從理論上講人工智能無(wú)法解決，那么就不要盲目試探[19]。

如何確定人工智能是否適合于當(dāng)前的任務(wù)呢？從理論角度講，這是可學(xué)習(xí)理論研究的范疇。明確了問(wèn)題是否可學(xué)習(xí)之后，就需要從實(shí)踐角度思考，如何實(shí)現(xiàn)學(xué)習(xí)？我們提出兩個(gè)相輔相成的技術(shù)路徑，一是需要對(duì)問(wèn)題進(jìn)行合理近似，二是需要發(fā)展人機(jī)共融的智能技術(shù)。

現(xiàn)實(shí)世界是非線性復(fù)雜系統(tǒng)，往往不能求得最優(yōu)解，實(shí)踐中為了得到較為滿意的解決方案，需要對(duì)復(fù)雜系統(tǒng)線性化、離散化。對(duì)于求解仍然存在難度的問(wèn)題，需要加入人類經(jīng)驗(yàn)和決策，形成人在回路的增強(qiáng)智能。2017年，中國(guó)自動(dòng)化學(xué)會(huì)成立混合智能專業(yè)委員會(huì)，在大會(huì)上鄭南寧院士指出：“協(xié)作與認(rèn)知”需要混合增強(qiáng)智能，解放人的創(chuàng)造力，發(fā)揮機(jī)器智能的計(jì)算力，相互彌補(bǔ)，共融共生[20]。

3 深入思考人工智能未來(lái)

縱觀人工智能科學(xué)、技術(shù)和應(yīng)用的發(fā)展歷史，可以發(fā)現(xiàn)，人工智能從來(lái)不缺技術(shù)。我們有數(shù)不清，至少數(shù)以萬(wàn)計(jì)的機(jī)器學(xué)習(xí)、模式識(shí)別算法，也有不計(jì)其數(shù)的符號(hào)邏輯模型以及符號(hào)推理算法。同時(shí)，我們也發(fā)現(xiàn)：針對(duì)一個(gè)確定的認(rèn)知問(wèn)題，某種算法比較有效的情況下，很快其他大量的算法經(jīng)過(guò)改造和革新，解決這類問(wèn)題也非常有效。

那么，未來(lái)的人工智能究竟缺什么？個(gè)人認(rèn)為，未來(lái)我國(guó)人工智能發(fā)展最值得我國(guó)政府關(guān)注的是基礎(chǔ)理論、產(chǎn)業(yè)應(yīng)用和商業(yè)模式。

3.1 引領(lǐng)未來(lái)發(fā)展的基石是人工智能基礎(chǔ)理論

建議我國(guó)政府下大力氣，投入重金解決符合行業(yè)需求的人工智能基礎(chǔ)理論問(wèn)題，實(shí)現(xiàn)定向人工智能理論的原始創(chuàng)新。值得注意的是，研究定向人工智能原創(chuàng)理論不需要人海戰(zhàn)術(shù)，科學(xué)史上研究理論的歷來(lái)是小而精且能做到深耕多年的少數(shù)人。

眾所周知，“條條大路通羅馬”，減輕人類腦力勞動(dòng)負(fù)擔(dān)的技術(shù)途徑千差萬(wàn)別，既然人工智能是“人造的智能”，那么對(duì)同樣一個(gè)減輕人類腦力勞動(dòng)的具體任務(wù)，不同的“人工智能工匠”會(huì)造出不同的“智能的計(jì)算機(jī)系統(tǒng)”，這些“系統(tǒng)”會(huì)實(shí)現(xiàn)“異曲同工”的效果。技術(shù)是不斷迭代優(yōu)化的，過(guò)去的歷史表明任何一種新的人工智能技術(shù)總是“各領(lǐng)風(fēng)騷三五年”。哪怕是深度學(xué)習(xí)技術(shù)，其奇妙之處在于精細(xì)的特征提取，這是深度學(xué)習(xí)的底牌。但在同樣的軟件和硬件代價(jià)下，深度學(xué)習(xí)能達(dá)到的學(xué)習(xí)效果，其他多種機(jī)器學(xué)習(xí)方法都能達(dá)到同等效果；而其他機(jī)器學(xué)習(xí)方法解決不了的人工智能難題，深度學(xué)習(xí)也不能解決。

3.2 未來(lái)值得重點(diǎn)關(guān)注的人工智能產(chǎn)業(yè)應(yīng)用

建議我國(guó)政府在公共服務(wù)、戰(zhàn)略安全、國(guó)計(jì)民生等領(lǐng)域加大投入，強(qiáng)化人工智能產(chǎn)業(yè)應(yīng)用。從國(guó)際人工智能的現(xiàn)狀和理論技術(shù)可用的水平來(lái)看，以下5個(gè)方面的人工智能產(chǎn)業(yè)最有可能產(chǎn)生規(guī)模應(yīng)用，在未來(lái)值得重點(diǎn)關(guān)注。

3.2.1 智慧醫(yī)療

我國(guó)作為新興市場(chǎng)國(guó)家的領(lǐng)頭羊，人工智能醫(yī)療始終保持高速發(fā)展態(tài)勢(shì)。目前，我國(guó)智慧醫(yī)療發(fā)展歷經(jīng)計(jì)算智能階段，正處于從感知智能向認(rèn)知智能過(guò)渡的發(fā)展階段，不同細(xì)分領(lǐng)域的技術(shù)發(fā)展情況和落地應(yīng)用成熟度有所不同。AI醫(yī)學(xué)影像是人工智能在醫(yī)療領(lǐng)域應(yīng)用最為廣泛的場(chǎng)景，率先落地、率先應(yīng)用、率先實(shí)現(xiàn)商業(yè)化。手術(shù)機(jī)器人、藥物研發(fā)、精準(zhǔn)醫(yī)療等領(lǐng)域已有部分落地應(yīng)用，但因成本或技術(shù)原因，尚未實(shí)現(xiàn)規(guī)模化普及，未來(lái)增長(zhǎng)空間較大。受2020年初開始的新冠肺炎疫情影響，人工智能在公共衛(wèi)生領(lǐng)域，特別是傳染病的預(yù)防與控制方面發(fā)揮重要作用，傳染病大數(shù)據(jù)分析預(yù)警系統(tǒng)、疫情排查系統(tǒng)、智能測(cè)溫機(jī)器人、消毒機(jī)器人、語(yǔ)音服務(wù)機(jī)器人等在戰(zhàn)“疫”一線被廣泛應(yīng)用。在這一領(lǐng)域，遠(yuǎn)程醫(yī)療、智慧健康、高端醫(yī)療設(shè)備應(yīng)重點(diǎn)關(guān)注。

3.2.2 智能教育

目前，我國(guó)智慧教育尚處于起步發(fā)展階段，截止2020年，中國(guó)38家人工智能教育領(lǐng)域的代表企業(yè)累計(jì)融資金額接近60億美元?；ヂ?lián)網(wǎng)的發(fā)展，催生了在線教育多種模式的應(yīng)用落地，部分解決了教育資源分布不均勻問(wèn)題，教育趨向于數(shù)字化、網(wǎng)絡(luò)化和智能化。構(gòu)建數(shù)字化的教學(xué)環(huán)境，旨在將已形成的巨量數(shù)字化信息結(jié)構(gòu)化，通過(guò)區(qū)塊鏈技術(shù)支撐的教育信息共享，可在有效整合教育資源的同時(shí)，實(shí)現(xiàn)跨平臺(tái)、跨區(qū)域優(yōu)質(zhì)教育資源共享。此外，通過(guò)技術(shù)迭代、數(shù)據(jù)積累和知識(shí)圖譜、模型算法的完善可以讓教育數(shù)據(jù)流動(dòng)起來(lái)、讓教研“活”起來(lái)。在這一領(lǐng)域，交互/沉浸式課堂、遠(yuǎn)程教學(xué)應(yīng)重點(diǎn)關(guān)注。

3.2.3 智慧金融

在技術(shù)創(chuàng)新的引領(lǐng)下，我國(guó)金融行業(yè)逐漸邁入智能化時(shí)代，智慧金融在證券、銀行、保險(xiǎn)、理財(cái)、支付等領(lǐng)域的實(shí)踐有效地拓展了金融服務(wù)的覆蓋面。我國(guó)的移動(dòng)支付每年22萬(wàn)億以上，是美國(guó)市場(chǎng)的20倍。但我國(guó)目前尚無(wú)完備的電子商務(wù)服務(wù)、集成平臺(tái)以及健全的金融科技生態(tài)系統(tǒng)，雖然已初步形成涵蓋金融基礎(chǔ)設(shè)施、資本市場(chǎng)投融資、支付清結(jié)算體系，但金融科技生態(tài)圈智能化水平相對(duì)不足。建議重視智慧金融服務(wù)，對(duì)金融服務(wù)進(jìn)行科技創(chuàng)新和流程再造，加速金融機(jī)構(gòu)的數(shù)字化轉(zhuǎn)型，同時(shí)對(duì)大數(shù)據(jù)、人工智能、區(qū)塊鏈技術(shù)進(jìn)行研究與應(yīng)用，促進(jìn)銀行企業(yè)金融領(lǐng)域的業(yè)務(wù)創(chuàng)新和發(fā)展。在這一領(lǐng)域，金融漏洞挖掘、惠民金融、供應(yīng)鏈金融應(yīng)重點(diǎn)關(guān)注。

3.2.4 智能制造

2013年德國(guó)政府發(fā)布的《實(shí)施“工業(yè)4.0”戰(zhàn)略建議書》中指出，智能制造時(shí)代是實(shí)體物理世界與虛擬網(wǎng)絡(luò)世界融合的時(shí)代。以德國(guó)工業(yè)4.0為代表的智能制造技術(shù)凸顯了人工智能在制造業(yè)的奇妙之處，正在顛覆傳統(tǒng)制造的理念。智能制造作為制造業(yè)發(fā)展的方向，也是人工智能的一個(gè)重要應(yīng)用領(lǐng)域，其核心是制造業(yè)基于數(shù)據(jù)分析的轉(zhuǎn)型，用人工智能方法減少人的腦力勞動(dòng)。目前國(guó)內(nèi)在智能制造領(lǐng)域面臨發(fā)展模式創(chuàng)新不足、技術(shù)能力尚未形成、融合新生態(tài)發(fā)展不足、核心技術(shù)/軟件支撐能力薄弱等問(wèn)題，相應(yīng)的核心軟件、技術(shù)標(biāo)準(zhǔn)、支撐平臺(tái)以及智慧企業(yè)需要進(jìn)一步完善并形成突破，應(yīng)積極發(fā)揮人工智能在“三步走”實(shí)現(xiàn)制造強(qiáng)國(guó)戰(zhàn)略目標(biāo)中的引領(lǐng)作用。在這一領(lǐng)域，網(wǎng)絡(luò)協(xié)同制造、智能工廠應(yīng)重點(diǎn)關(guān)注。

3.2.5 智能交通

國(guó)內(nèi)智能交通產(chǎn)業(yè)處于穩(wěn)步增長(zhǎng)階段，在國(guó)家政策的支持下，隨著5G等技術(shù)推動(dòng)，智能硬件產(chǎn)業(yè)不斷升級(jí)優(yōu)化，智能網(wǎng)聯(lián)汽車行業(yè)方興未艾。目前，國(guó)家層面對(duì)智能交通的投入集中在新型車路協(xié)同基礎(chǔ)設(shè)施上，如多模RSU基站和交通流感知設(shè)備等。需要指出的是，我國(guó)實(shí)時(shí)交通數(shù)據(jù)的融合和精確感知技術(shù)還不成熟，手機(jī)通信數(shù)據(jù)、停車數(shù)據(jù)、氣象數(shù)據(jù)等都沒(méi)有形成有效的大數(shù)據(jù)。自動(dòng)駕駛或者輔助駕駛相關(guān)技術(shù)不夠完善，行駛過(guò)程中不免因其他非智能汽車的干擾而造成危險(xiǎn)。交通信息服務(wù)正逐步發(fā)展成眾包模式，現(xiàn)有交通控制策略急需轉(zhuǎn)變，對(duì)于交通系統(tǒng)運(yùn)行狀態(tài)安全狀態(tài)辨識(shí)、應(yīng)急響應(yīng)與快速聯(lián)動(dòng)技術(shù)、交通狀態(tài)的研判和主動(dòng)安全保障技術(shù)仍需要進(jìn)一步完善。在這一領(lǐng)域，智能路樁、自動(dòng)駕駛應(yīng)重點(diǎn)關(guān)注。

3.2.6 軍事智能

人工智能是賦能增效性“技術(shù)群”，對(duì)武器裝備、指揮控制及作戰(zhàn)實(shí)驗(yàn)等的效能提升具有聯(lián)動(dòng)作用，軍事鏈條中一個(gè)環(huán)節(jié)的增強(qiáng)往往會(huì)帶來(lái)整體軍事鏈條的升級(jí)。軍事智能研究目前集中在傳統(tǒng)監(jiān)視、偵察、威脅評(píng)估、水雷戰(zhàn)、網(wǎng)絡(luò)安全、情報(bào)分析、指控、教育和訓(xùn)練等。在新型作戰(zhàn)理論、智能作戰(zhàn)樣式、創(chuàng)新指揮控制方式、軍事智能芯片、復(fù)雜對(duì)抗博弈環(huán)境下的軍事智能等方面，目前的理論儲(chǔ)備和技術(shù)發(fā)展較為薄弱。此外，在國(guó)際范圍內(nèi)人工智能深化應(yīng)用的大背景下，逆向應(yīng)用人工智能，辨識(shí)并抵御基于人工智能的惡意攻擊、網(wǎng)絡(luò)空間干擾等對(duì)捍衛(wèi)國(guó)家戰(zhàn)略安全意義重大。在這一領(lǐng)域，博弈對(duì)抗、反人工智能、智能武器應(yīng)重點(diǎn)關(guān)注。

3.3 創(chuàng)造價(jià)值的關(guān)鍵是人工智能應(yīng)用的商業(yè)模式

建議我國(guó)政府集中力量投入引導(dǎo)資金，解決人工智能未來(lái)產(chǎn)業(yè)化的商業(yè)模式問(wèn)題，要?jiǎng)?chuàng)建或者強(qiáng)化國(guó)立研究“創(chuàng)造人工智能產(chǎn)業(yè)化的商業(yè)模式”的機(jī)構(gòu)[22]。不應(yīng)該只以中國(guó)有“BAT”為榮，要深入思考未來(lái)新的人工智能商業(yè)模式。通過(guò)政府和企業(yè)的結(jié)合，盡快培育出“中國(guó)的GE”“中國(guó)的西門子”“中國(guó)的IBM”“中國(guó)的Google”和“中國(guó)的ORACLE”等。