科大訊飛胡郁：中美將迎來人工智能巔峰對決
迄今為止，宇宙的壽命是138億年，地球是40億年，機器人維修，而從猿進化到人，我們用了300多萬年的時間。而機器人用了多長時間呢？1940年以來，從人工智能之父圖靈開始，大批的科學(xué)家們就在不停地考慮，在數(shù)字宇宙當(dāng)中，是不是可以真正產(chǎn)生人工智能和生命。
人工智能自1956年被命名開始，到現(xiàn)在，僅僅經(jīng)過了60多年的發(fā)展歷程。與人類智慧相比，可以說只是一瞬間的事情。并且，這一過程也并不是一帆風(fēng)順的，它經(jīng)歷了三個大的發(fā)展浪潮。中國非常幸運地趕上了第二次和第三次。
人工智能的第二次浪潮發(fā)生在上世紀的八九十年代。當(dāng)時，中國的863計劃啟動，科大訊飛的前身中國科學(xué)技術(shù)大學(xué)語音研究評測實驗室在這一契機之下，成為了國家863項目之一，為中國培育出了一批研究人員和相關(guān)技術(shù)成果。
人工智能的第三次浪潮是21世紀前十年的事。當(dāng)世界再一次進入到一個新的產(chǎn)業(yè)化浪潮之中，中國又非常幸運地積累了有關(guān)互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、云計算和大數(shù)據(jù)的產(chǎn)業(yè)基礎(chǔ)，這也恰恰是科大訊飛所需要的。所以說，如今，在人工智能領(lǐng)域爭霸的基本上都是中美兩國的企業(yè)。包括科大訊飛在內(nèi)，都是在1999年，也就是第二次浪潮和第三次浪潮之間的低谷成立并發(fā)展起來的。盡管與人類歷史相比，人工智能是非常短暫的，但是對人能智能的研究卻是非常長周期的科技創(chuàng)新方向，它需要十年磨一劍，需要我們具有板凳能坐十年冷的精神，然后才能在原始的核心技術(shù)系統(tǒng)創(chuàng)新的基因和工程能力方面實現(xiàn)厚積薄發(fā)。
人工智能與機器自主決策并無關(guān)聯(lián)
最近五六年，隨著人工智能從尖端科研領(lǐng)域逐漸走進人們的視野，社會上對它的討論也多了起來。有人說，如果做得不好，人工智能將會毀滅人類。但是我的觀點是，現(xiàn)在我們研究所謂的人工智能，其實只是對工業(yè)界而言的。在工程層面上講，這也是為工業(yè)界所推崇的方向。原因是什么呢？因為它能夠解決實際的任務(wù)。但是，在真正研究人工智能理論、數(shù)學(xué)和概率的專家看來，我們所研究的深度神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)并不是機器學(xué)習(xí)的最好方法。這種基于工程研究的深度神經(jīng)網(wǎng)絡(luò)算法和機器意識，或者說能夠讓機器產(chǎn)生自主決策的思路并無關(guān)聯(lián)。所以，從這一點上講，我們不用擔(dān)心人工智能會毀滅人類。
但是仍然有很多人對此抱有疑問。他們會說，人工智能已經(jīng)打敗了人類最頂級的棋手，工業(yè)機器人維修，那么隨著它的發(fā)展，將來，我們所有工作是不是終將被人工智能所取代？人類會不會成為無用的存在呢？這就要看人工智能所擅長的領(lǐng)域是什么，以及它在哪些方面能夠替代人類技能。過去幾年，科大訊飛一直提倡的是，我們應(yīng)該把人工智能由強到弱、將人類智慧由弱到強地分解為很多不同的方面，并且從不同的角度去談?wù)撊斯ぶ悄堋?/p>
比如，我們知道，機器從發(fā)明的第一天開始就特別擅長運算，所以，對于很多信息完全公開的任務(wù)，m.dekuna.com，機器在運算智能上擁有絕對的優(yōu)勢。但是，人和動物所擁有的智能，比如在感知智能和運動智能方面，機器和機器人與人類的差距還相當(dāng)大。尤其是對于人類來說，我們在認知智能方面要遠遠高于動物，所以能夠理解語言，能夠?qū)W習(xí)知識，能夠進行邏輯推理。AlphaGo雖然可以戰(zhàn)勝李世石九段，但是它無法理解人類的情感和理念。所以在這一點上，機器更無法與人類匹敵。
因此，科大訊飛認為，當(dāng)前人工智能急需突破的是恰恰是人類區(qū)別于動物的最本質(zhì)的智能，即認知智能。簡單地說，就是從感知的能聽會說到認知的會理解、會思考。像教師、醫(yī)生等等職業(yè)，是要通過大量的讀書、學(xué)習(xí)，基于對文字的理解，基于邏輯思維的加工才能實現(xiàn)對專業(yè)能力的掌握。如果讓人工智能也擁有這樣的能力，就必須依賴于機器認知智能的進步。目前，科大訊飛對超腦技術(shù)的研究就是基于這樣的方向。
人工智能對產(chǎn)品的改造
目前，中國的機器在感知智能和認知智能方面已經(jīng)取得了一些不錯的成果。在國際最高水平的語音合成大賽上，中國的人工智能系統(tǒng)已經(jīng)連續(xù)12年處于國際最領(lǐng)先的水平。我們可以讓機器說英文，還可以用奧巴馬的嗓音來說中文。在英文的語音識別大賽上，科大訊飛有三個語音識別指標獲得了第一名的成績。更重要的是，在研究和工程領(lǐng)域，我們都運用了大量的深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)技術(shù)。這是我們在國際上一些最新的進展。但是，掌握這些技術(shù)并不代表著我們就知道如何在各種場景之下，用最正確的去使用人工智能。
所以，很多人會問，人工智能到底會在哪些方面改變我們的生活呢？有人會說，人工智能可以幫助我們駕駛汽車，可以幫助我們照顧小孩，等等。如果把它高度抽象起來，我覺得無外乎兩個方面：
第一個方面，我們都知道，生活中有大量的產(chǎn)品和服務(wù)。人工智能第一個作用就是用它特有的方法改變這些產(chǎn)品和服務(wù)本身。比如說汽車，我們可以讓它更聰明、更懂我們，從而實現(xiàn)自動駕駛；我們可以讓手機理解我們的意思，能夠看懂我們的表情，等等。所以，不管是一針、一物，還是各種各樣的產(chǎn)品本身，人工智能都可以讓它們很自然地與我們進行交互，讓產(chǎn)品更懂人。人工智能通過自我學(xué)習(xí)的方法，在很大程度上改變了產(chǎn)品和服務(wù)的生產(chǎn)過程，從而改變了整個世界。同時，因為在產(chǎn)品和服務(wù)的生產(chǎn)過程中，人工智能能夠利用其本身學(xué)習(xí)專家系統(tǒng)的能力，替換掉大量的行業(yè)專家或有經(jīng)驗的工人，并在這些行業(yè)中不斷生產(chǎn)出具有人工智能性能的產(chǎn)品和服務(wù)。
第二個方面，人工智能率先將產(chǎn)品模式定義為交互而非操作。在工業(yè)革命時期，人類是通過學(xué)習(xí)的方法來適應(yīng)機器的，但是在人工智能時代，這種模式被顛倒了過來。機器可以自動學(xué)習(xí)人類的習(xí)慣，比如原來我們需要學(xué)習(xí)打字技術(shù)，要學(xué)習(xí)如何使用鼠標，但慢慢地我們會發(fā)現(xiàn)，人類只要通過觸摸就可以讓機器理解我們的意思，并像我們所需要的那樣去執(zhí)行。語音與視覺的交互
有一個非常有意思的事情。通常認為，人類80%的信息來源是通過眼睛獲取的，那么，計算機視覺對人類而言是不是更為重要呢？在這一點上，我的觀點恰恰相反。我認為，視覺識別還遠遠達不到語音識別的重要程度。為什么這么說呢？不知道大家注意到?jīng)]有，目前的智能設(shè)備都有一個大的顯示屏，顯示屏中有各種各樣圖形。人類擁有非常強大的圖形語義理解能力，所以，人類能夠識別出任何一個圖形所表達的語義，能夠快速地理解機器通過顯示屏呈現(xiàn)出來的圖片的含義。但是反過來，人卻沒有顯示屏。所以說，就算機器擁有非常強大的圖形理解能力，但人類卻不是通過跳舞或者繪畫的方式與機器進行交互的。人類的信息不會通過圖形來傳遞，因此，讓機器通過識別人腦中的圖像來理解人類，這似乎不太現(xiàn)實。