從年輕的英國數學家圖靈第一次在論文“理想的計算機”中提出圖靈機模型，到麥卡錫正式提出“人工智能”這一概念，從費根鮑姆等人研制出世界上第一個專家系統程序DENDRAL，到今天谷歌圍棋計算機程序“AlphaGo”在與韓國棋手李世石的人機大戰中勝出，人工智能邁過一個又一個里程碑，如今已經整整走過60年。

人工智能究竟離人類智慧有多遠？機器向人的邁進中遇到哪些挑戰？對于人工智能在某些方面的勝出我們該擔心還是慶幸？4月22日，在由人工智能學會發起的2016全球人工智能技術大會暨人工智能60年紀念活動啟動儀式上，《經濟日報》記者作了深入采訪。

人工智能有多能

2015年，一款人工智能應用“how-old.net”火爆朋友圈，只要上傳一張照片，系統就會猜出照片中人的年齡和性別。這款智能應用僅僅用了20多行代碼去調用微軟認知服務中的API（應用程序編程接口），就可以輕松實現。

“人工智能的趨勢就是未來要像人類一樣看到世界、聽到世界、理解世界。”微軟亞洲研究院常務副院長芮勇說。對此，微軟發布微軟認知服務，把一批API放在云上，希望第三方開發者能夠很容易地調用這些API，寫出更加智能的應用。如今，已經有眾多類似應用被開發出來，人工智能在人臉識別方面的準確度已經超過人類。

既然計算機可以識別人臉，是否可以識別其他物體？計算機有沒有能力像人一樣理解看到的圖片？

事實上，在計算機領域有一個很重要的比賽，就是要讓計算機看一幅它沒有看到過的圖片，告訴人們它看到了什么。這些圖片涵蓋文字、車輛、動物等1000個類別，有120萬個訓練樣本，10萬個測試圖片。

“這對于計算機而言是相當困難的，2011年時，計算機的錯誤率是25.8%。但在過去的七八年里，深度學習使計算機視覺的分類能力得到了飛躍性提高，把錯誤率從20%多降到16.4%。去年底，微軟用深度學習的算法，把錯誤率降到3.5%。斯坦福一位博士把自己關在小屋子里面認真學習了幾個月，然后去參加同樣的比賽，錯誤率也只達到了5.1%。”芮勇說。

基于深度學習的算法，計算機如今不僅能夠準確識別圖片中的桌椅板凳等物品，還能找出這些物品的準確位置，甚至已經做到了像素級別的精確分類。“也許對于人類來說，這是一件極其簡單的事情，但是計算機看到的東西就兩個，除了零就是1，能在零和1之間理解所有的東西，做到物體的檢測，不是件容易的事情。”芮勇說。

人工智能除了在語音識別、圖像識別，包括在自然語言理解方面取得了一系列的進步外，還在走向自適應的智能。“人工智能的進步，讓機器在不同的環境下能夠自適應地幫助人類。比如現在人們用的自拍軟件就用了很多人工智能的核心技術，使得拍照時不用考慮外部環境，機器會自動實現噪聲去除、光線補償和畫面優化。”芮勇說。

三星電子中國研究院院長張代君表示，人工智能的發展不僅會帶來新設備，還會改造已有的產品和服務。家電設備智能化后，冰箱不僅僅可以用來儲存食物，還會用大數據處理分析并提出健康飲食建議，甚至進行通信和人機交互、廚房娛樂等。語音識別改進后，每個人都可以有一個智能語音生活助理；移動智能健康應用進行大數據處理以后，每個人都可以有一個智能健康生活助理。具有智能提醒功能的個人智能助理使用范圍越來越廣泛，這樣的新服務領域，是人工智能帶給人類的紅利。

人工智能已經戰勝人類智能了嗎

谷歌超級人工智能系統AlphaGo在與頂尖圍棋高手李世石的較量中取得勝利，是人工智能發展史上重要的里程碑，顯示出人工智能在復雜的博弈游戲中開始挑戰最高級別的人類選手。

“在AlphaGo和李世石對弈之前，大家的評測是一邊倒的，很多人認為機器人目前與人類還有很大差距，但4∶1的大比分結果讓人們大跌眼鏡。有人甚至開始思考，AlphaGo戰勝了李世石是否就代表人工智能戰勝人類。”中國人工智能學會副理事長、科大訊飛輪值總裁胡郁說。

“實際上，對于圍棋這樣固定規則下的完全信息博弈，計算機能打敗人類是遲早的事，因為計算機的計算能力在不斷提升。”胡郁說，“讓人驚訝的是，深度學習讓人工智能獲得了顛覆性的成長，人們以為會在10年到15年后才會有的事情，這么快就發生了”。

與會專家介紹，人類目前下完的所有圍棋記錄達16萬盤，但AlphaGo在學習下棋的過程中，自己又生成了3000萬盤，沒有人記得住如此多的數據，但計算機可以，因為它算得快、存得多。

中國人工智能學會理事長、中國工程院院士李德毅分析，機器之所以能下贏整盤比賽，是因為它突破了傳統的程序，構建了兩道模仿人類思維的深度卷積神經網絡。第一道網絡主要擔當棋局態勢的評估，第二道網絡評估如何落子。

“計算機在戰勝人類的過程中，使用了和人類不一樣的方法，把感知能力、強大的運算能力，與搜索的方法很好地結合起來，走出了一條自己的道路。”胡郁說。

即便如此，也不能代表人工智能已經戰勝人類智能。芮勇表示，人類和人工智能各有強弱之處。“如果從記憶力和計算能力上來講，人類拼不過計算機。單純背一個圓周率π（3.1415926……），沒有人能背得過計算機。但是要論創造力、抽象能力和發明的能力，人工智能遠遠比不上人類。人工智能的下一個60年，需要把人類和機器二者擅長的地方相結合，這樣人類會擁有一個更加增強的智能。”芮勇說。

人工智能下一步棋怎么走

計算機的運算能力和存儲記憶力已經完勝人類，甚至在感知能力，如聽覺、視覺系統構建上，也取得了飛速發展，但是在認知智能上，計算機還有很長的路要走。

對大腦科學深度的研究有利于人工智能再認知方面的突破。胡郁介紹說，“人的大腦是一個非常神奇的系統，計算機深度學習的基礎深度神經網絡就是來自于人腦的啟發。但人類對人腦的認識還不夠，深度神經網絡與人腦的真正神經網絡相比還存有很大的差距。從這方面尋求突破需要很長的時間”。

“當前微軟、IBM、Google等則走了不一樣的道路，在人工智能方面取得了巨大成績，全依賴于現在工業上所使用的弱人工智能的方法，利用大數據尋求認知智能的突破。”胡郁說。

在大數據的背景下，人工智能需要改變傳統發展思路，應該更加注重學習。李德毅表示，人工智能的核心不僅僅是算法。傳統的思路認為，軟件等于程序加數據，程序是最重要的，把數據放到程序里，進而形成人工智能。然而，隨著大數據的發展，要形成數據驅動的人工智能，用記憶認知、技術認知和交互認知形成決策腦，才會出現當前人工智能井噴的局面和燦爛的前景。

除了要充分利用大數據的優勢發現新的應用，開疆拓土，還需要更多地研究小數據。香港科技大學冠名講座教授、國際人工智能學會FELLOW楊強表示，未來人工智能的成功并不一定需要大數據，小數據是否也可以讓人工智能成功？這是發展人工智能需要進一步研究的問題。

除了軟件方面的突破，人工智能的實現顯然還需要更多的硬件支持。張代君表示，人工智能不可能“平地起高樓”，它仰賴配套的基礎設施。“計算機的運算與控制核心是CPU（中央處理器），隨著人工智能的發展，我們是否需要專為人工智能而生的‘APU’（人工智能處理器）？”

實際上，這樣的深度學習所需專用芯片，已經在一家新生企業寒武紀中誕生。

寒武紀科技創始人及首席執行官陳天石介紹說，“現在人工智能深度學習成功的全部應用都是基于通用處理器，如CPU或者GPU處理器。但是，使用通用處理器去執行智能負載，效能比很低。5年前，谷歌大腦項目耗費了7天時間，動用了1.6萬個CPU訓練貓臉識別的模型。而今，中科院計算所研發的寒武紀專用芯片，其性能功耗比可達通用芯片的數百倍以上，而且今后還會進一步提高”。

陳天石表示，在未來的智能時代，不管是云服務器還是終端計算機設備，可能都需要像深度學習這樣的專用處理器，它不會去替代從前已有的通用芯片，但是會專門處理智能任務這樣重要又及其特殊的領域。

人工智能面臨怎樣的挑戰

人工智能經歷了60年的發展，尤其最近10年間，其語音識別、手寫文字識別、人臉識別這樣的傳統識別技術，在大數據的引導下已經逐步商業化并形成了一個很大的風口。“雖然人工智能在60年間經歷了三次發展高潮，但因沒有標準化，人工智能的發展還處于比較初級的階段。”張代君說。

百度深度學習研究員徐偉指出，人類智能的核心，是自我學習和創造的能力，這方面恰恰是現在人工智能系統的短板。

人工智能的進步，往往依靠大量數據的“投喂”。為了讓機器認出一只貓，動輒需要準備成千上萬只貓的圖片。這種學習過程，顯然和人類的學習方式相去甚遠。“人工智能還很難從少量標注數據中學習。”徐偉指出。

相比人類而言，人工智能在某些方面還顯得相當“笨拙”。谷歌的自動駕駛車，目前已經行駛了數百萬公里，還是沒法實現徹底“自主駕駛”；而開車里程1000公里的人類駕駛員，便算得上“老司機”，可以游刃有余地面對路上的突發情況。

即便當前人工智能十分引以為傲的AlphaGo，也存在很多缺陷。李德毅指出，從技術上說，AlphaGo的卷積神經網絡有太多的學習參數，在學習中不能保證算法是正確的。此外，還有非常直觀的不足表現在，AlphaGo程序還沒有手、沒有眼睛、沒有感受和行為能力，下棋時還要有一個助理員拿棋子。它還沒有情緒和情感，不能現場分析對手的心理狀態，不能夠現場和對手展開心理戰，缺少交互認知的能力。

雖然AlphaGo的成功震驚世界，但李德毅還是對AlphaGo提出幾點假設：如果讓AlphaGo和李世石再下一次，AlphaGo能不能復盤？在比賽之前以及比賽之后，AlphaGo的程序變了沒有？如果AlphaGo從此以后不再跟高棋手下棋，AlphaGo的程序水平會不會降低？

“AlphaGo的學習能力很強，因其是我們圍棋手教出來的。因此，我認為人工智能深度學習發展至今，不管是卷積神經網絡還是其他的神經網絡學習方法，都不是人工智能的終結者。未來，圍棋機器人要發展成為人類的伙伴，他們有智慧、個性和行為能力，甚至還有情感。”李德毅說。

“盡管人工智能當前遇到很多挑戰，但未來，機器人給人類帶來的影響將遠遠超過計算機和互聯網在過去幾十年間對人類的影響。人工智能已經在改變世界，曾經的很多工作崗位都將被機器人替代，但同時又自然地涌現出新的工作崗位。人類應該善于更好地調教幫助機器人，利用機器人的優勢，彌補機器人的不足，用新的機器人淘汰舊的機器人。機器人一定會讓人類自身更智能，各色各樣的機器人為我們迎來了人與機器人共舞的新時代，在這樣的時代，人類始終是領舞者。”李德毅說。

摘自《經濟日報》