强人工智能还有很长的路需探索

今天所说的人工智能，它是指在机器上实现的人类智能。包括认知智能、感知智能、决策智能等。我们通常所说的人工智能，实际上是广义的人工智能。现在技术实现的智能，其实分成两类：一类叫做强人工智能也叫广义人工智能，几乎所有人类拥有智能的行为机器都能做，这叫通用人工智能;另外一类人工智能叫狭义人工智能或专用人工智能，它是指特定的智能。比如人脸识别系统，它只能做人脸识别，它是特定人工智能系统或狭义人工智能系统。狭义的人工智能和广义人工智能并不等同，并不是用几个狭义人工智能堆起来就是广义的人工智能，没有这么简单。了解了这个概念，我们可以讲人工智能的“3144”了。

人工智能三个阶段

人工智能的3144，第一个“3”，是指人工智能到现在为止经历了三个历史阶段。第一个阶段，叫做基于符号逻辑的推理证明阶段，第二个阶段，叫做基于人工规则的专家系统阶段。第三个阶段，是从2006年到今天，叫做大数据驱动的深度神经网络阶段。第一阶段从1956年开始，当时大家认为，所谓人工智能是在机器上实现人的智能，人和动物最大的差别是逻辑推理，如果能进行逻辑推理就有智能。所以用计算机实现逻辑推理是当时最核心的动机。为了实现逻辑推理，当时采用布尔代数、演绎推理、三段论，后来又专门设计。

第一阶段数学的几何定理证明。1956年，卡内基梅隆大学就罗素所著《数学原理》的定理做了证明。到1959年，洛克菲勒的数学家王浩把所有350条都证明了，这是比较顶级的工作。由于开始时很顺畅，大家很乐观，1958年有两位非常著名的人工智能专家，提出非常著名的四个寓言：十年内，计算机将战胜国际象棋冠军;十年内，计算机将证明数学定理;十年内，计算机能谱曲;十年内，计算机将能实现心理学理论。只做了数理证明其他遥遥无期，再加上一个英国学者在1973年写了一篇文章，对人工智能狠狠地泼冷水，人工智能第一次跌入低谷。

1976年以后人工智能慢慢回暖，有两个原因：一是研究人工智能的人反思了一下，人工智能总做阳春白雪、数学定理证明不行，必须接地气，要做专家系统，让老百姓真正接触到。当时有人做心理咨询专家系统、故障诊断专家系统、治病专家系统、医生专家系统，各种专家系统。国内在20世纪80年代开始有各种各样的系统，比如农业专家系统，是那个阶段主要的方向。在那个时期，专家系统主要用两种工具，一个工具是用逻辑推理的，基本是基于规则的。另外一个技术基础是神经网络。

又发展了十多年，遇到瓶颈，总有压倒骆驼的最后一根稻草。第一根稻草是日本研究第五代机器化，不成功，草草收场;第二根稻草是美国以斯坦福大学的专家为主做知识图谱，把百科全书所有知识输入到计算机，有什么问题，百科全书都可以回答。这个系统做了十多年，互联网兴起后，很快被互联网超越。所以這个项目也失败了。这两个项目的失败，导致大家又对人工智能失去信心。

第三次是算力加上大数据共同发力导致的人工智能的浪潮。这次完全是从数据驱动的，这也是这次和前两次的区别。

这次人工智能浪潮的里程碑是2006年有一名加拿大学者叫Geoffrey在科学杂志上发表了一篇论文，提到深度神经网络可以进行大规模的学习，可以训练、进行推理。2012年Geoffrey的学生用他的思路做了神经网络并参加比赛，一鸣惊人，把第二名远远甩在后面。

华人的贡献在2015年，当时在微软亚洲研究院工作的孙剑博士，领着他的团队提出“残差网络”。残差网络提出后，在比赛里取得第一的好成绩。孙剑错误率降到了3.57%，远高于排在第二名的谷歌团队的6.7%。当时孙剑的成绩已经超过人的图像分类的能力，当然他使用的网络也不一样，别人用的网络是22层、19层的，他是用152层的网络。这个网络现在非常有名，大家知道，AlphaGo后面是AlphaZero，AlphaZero用孙剑的网络，这个网络就是非常有名的深度学习的工具。

AlphaGo，2014年4：1战胜韩国的当时世界围棋冠军李世石。回去以后团队进行了分析，原来李世石走了一步棋谱里没有的棋，机器不知道怎么下，随机走了一步就输了比赛。当时人类能够有记录的棋谱共3000副，所有可能的棋谱是1.5亿副，当时用来训练AlphaGo的数据，占所有可能数据的20%多，还有70%多的数据是没有的，因为没有数据，当遇到你没有的数据时可能会输。最后AlphaGo重新设计了系统，设计了AlphaZero，并让其自己互相下，走棋谱里没有的棋，把所有可能的棋都下了一遍，用1.5亿个棋谱训练了AlphaZreo，所以AlphaZreo是无敌的。

人工智能的一个判断

做智慧广电，要用深度网络学习，深度网络学习要有最全的数据、好的算法、足够的算力，三个加在一起会做出出色的智慧广电。数据、算力、算法是这一轮人工智能最基本的三个要素。这轮人工智能发展还有一个特点，所有顶级的人工智能科学家都是和企业一起研究。因为企业的数据是最完整的，要想做一个好的智慧系统，没有大数据是不能实现的。

人工智能3144，“1”一个判断。现在就弱人工智能或专项人工智能来说，只要数据够全，就可以做得不错。为什么会有那么成熟的人脸识别系统、语音识别系统、机器翻译系统？因为数据用训练可以做得好。弱人工智能大规模应用已经“成势”，要乘势而上，顺势而为。人工智能是不是行了呢？强人工智能现在还不行，还有非常长的路需要探索，可能是10年、20年，30年、40年也都有可能，这个取决于现有的机器架构，做强人工智能是马太效应，大车要用更强的系统拉，那个系统是什么，现在不知道。有可能是类脑系统、量子系统，也可能是其他系统，现在的算力做强人工智能还不够，弱人工智能没有问题，这是基本判断。

人工智能的四个优势与短板

3144中的第一个“4”，是我们国家发展人工智能有四个优势条件。第一是有政策优势，我们国家对人工智能非常重视。第二是数据资源的优势，我们国家拥有海量数据，这是其他任何一个国家没有办法比拟的。第三是丰富的应用场景优势。我们有非常丰富的应用场景，不管是城镇化、老龄化、制造业转型升级还是互联网市场。所有这些都给我们提供了非常好的应用场景。第四个是我国的青年人才，储备非常充足。我们有全世界最大的高等教育体系，工科学生占的比例非常高，这些学生都是将来进入人工智能领域潜在的青年才俊。当然我们也有四个薄弱环节：一是起步晚，再加上前些年科技领域的评估需要短平快，所以一个人很难研究一件事，冷板凳坐30、40年。像有一位加拿大那位教授研究了40年，最后发出一篇论文引爆这个领域。由于这两个原因，我们原创性的东西略微差一些，这个我们实事求是，必须要承认。所以真正原创的研究，大多数来自美国、加拿大和英国。二是高端芯片。不管GPU、ASIC、FPGA，主要掌握在别国企业的手里。不光是芯片，也包括传感器，对这部分研究，我们也需要补短板。三是缺乏有国际影响的人工智能开源开放平台。现在有影响的开源开放平台基本都是别国做的，像谷歌、微软、亚马逊、Facebook、IBM。国内企业也在推广，但影响力非常小。第四是高端人才的短板。我们高端人才不足，刚才说青年才俊很多，但是高端人工智能的人才和美国相比，只是美国总数的20%左右。

（根据高文院士的公开演讲整理而成，未经本人确认。）