<mark id="oztn4"></mark>
0
| 本文作者： camel | 2019-10-19 14:14 | 專題：CNCC 2019 |
雷鋒網AI科技評論消息，2019年10月17日上午，CNCC 2019正式在蘇州金雞湖國際會議中心開幕，雷鋒網作為戰略合作媒體，對大會進行全程報道。
在大會第一天，微軟亞洲研究院院長洪小文在會上作為特邀嘉賓做了主題為“智能簡史”的特邀報告。
洪小文博士在報告中闡述了他看待計算與智能的“金字塔哲學”，簡單來講即，計算和記憶力、感知、認知、創造力、智慧這五層依次向上、依次依賴、依次變難，現階段的人工智能就在艱難地向上攀爬過程中。
在報告中洪小文也用通俗的語言解釋了一些大眾的認知誤區，比如對于自動駕駛，目前人們認為是AI的一大典型應用，而洪小文指出，已經存在了一百多年的飛機的自動駕駛（auto-pilot）不被大眾認為是AI，但汽車的自動駕駛就被大眾認為是AI。以及，AlphaGo擊敗了柯潔、李世石，大眾都認為這代表了人工智能擊敗人類的新的里程碑，而洪小文說這更體現出的是開發這個模型、組建計算基礎設置的這群人類精英智力成果的勝利，人工智能想要媲美人類還有很遠的路要走。洪小文博士指出“強人工智能很弱，弱人工智能很強”，因此我們在人工智能的道路上要勇敢進取，另一方面則還要審慎地從歷史的角度來看待人工智能，避免泡沫化。
洪小文從更廣義的角度來理解智能，他將智能劃分為五個層次放在金字塔三角形中，從下到上依次復雜。
處于最底層是計算和記憶力。在人類很長的歷史中，神機妙算、過目不忘，都是非常聰明的表現。所謂神機妙算就是計算，而過目不忘就是記憶。但隨著圖靈機（或馮諾依曼機）的出現，CPU+存儲，在計算和記憶兩個方面已經遠遠超過人類。
其次是感知。人類社會中有一大部分生活內容是與感知相關。例如速記工作、車間產品質檢、交通違規判斷、人臉識別等。這些在傳統上是極為消耗人力的。但隨著最近這一波人工智能的崛起，計算機在這些方面的表現已經遠遠超越人類，在行業中許多依靠人類感知智能的工作正逐漸交由計算機來執行。
再往上是認知。所謂認知，即我們對生活中事件的理解、洞察、推理、計劃、決策等，例如閱讀一篇文章了解其核心觀點，把一段漢語翻譯成英語，公司領導需要依據市場情況做產品策略，我們日常生活也要做各種買和不買的決定。在這些方面，目前的人工智能已經有諸多突破，例如在閱讀理解SQuAD挑戰賽中人工智能系統已經能夠超越人類水平，機器翻譯方面計算機也能快速、大量且相當準確地完成任務（在某些特定領域甚至超越人類）。但這種AI認知只是基于大數據的推理，AI能夠告訴我們結果，卻不能說出其中的因果關系。此外，目前的AI系統大多還只能局限在特定封閉環境條件下的認知，對于廣闊生活中開放的認知問題則力有未逮。
第四層是創造力。近年來深度學習可以用于“創作”，比如寫詩、作畫等。如果關注微軟小冰的話，應該知道小冰出版過一本詩集《陽光失了玻璃窗》；而同樣小冰也能夠自己作畫。但這些并不代表計算機真的有創造力，因為無論是機器作詩還是作畫，其本質都只是大數據訓練的結果，是基于已知創造已知，而真正的創造力則是基于已知創造未知。
最高層是智慧。目前還是人類的領地，計算機還無能為力。
從計算和記憶力、到感知，到黑盒封閉環境下的認知，目前的AI 已經做得很好了（超越了人類），在智能金字塔中，洪小文用紫色表示。而白盒開放環境下的認知以及創造力這方面，目前的AI與人類相比還差得遠，金字塔中用綠色表示。至于AI還無法做到的智慧，則用藍色表示。
可以看出，當前機器智能與人類智能的交界是在認知和創造力這個層面，目前的AI還處在“半認知”的階段；之下，AI已經完全超越人類；之上，AI 還望塵莫及。
在當前AI這種智能條件下，自然無論對于個人還是公司，最恰當的做法應當是把機器善于做的事情交給機器，把人善于做的事情交給人。
在算力和記憶力方面，人類若想挑戰機器無疑蚍蜉撼樹。但在認知層次呢？
我們以決策過程為例。決策過程中我們要做的第一件事情，就先分析，然后做出一個決策，最后到實際的物理世界去做執行，并通過傳感器收集數據，并反饋給數據庫中。例如我們要控制一條河的水質，傳感器能夠測水質、執行器用于控制排放污水的開關。在沒有互聯網的時代，我們要派人專門去那里檢測和控制排污，現在有了物聯網，我們可以讓機器自動完成。
事實上，幾乎所有的事情（包括做社會心理學分析、做實驗、做假設、做產品，或是做互聯網都是如此），每完成一次閉環，就能夠有所改進。如今，數據很容易取得，分析、決策的過程就是AI。如果我們有一個閉環，又有辦法收集到數據，就可以實現自動化。
如今諸多AI的商業應用，簡單來講都可以抽象為這個閉環過程。蒂森克虜伯（thyssenkrupp）是一家做電梯的企業。之前他們遇到電梯故障，一般都是用戶給維修人員打電話，維修人員先來收集一些數據，然后回到實驗室分析幾天，分析出結果后，再回去維修，這中間可能要隔好幾天，甚至好幾星期。而現在他們在電梯里安裝了傳感器，傳感器能夠收集速度、聲音、溫度等數據。系統能夠根據這些數據（1）利用機器學習方法建模進行異常分析，當數據接近故障點之前派遣維修人員進行預防，可能只需要滴幾滴油即可；（2）數據收集足夠多時可以對不同的故障情況進行分類。
當然這并不代表AI可以做所有事情。我們在前面智能金字塔中已經講過，AI目前仍然是不可解釋的黑盒，且只適用于特定環境、封閉的系統當中。
黑盒和白盒認知的差別在于，它只告訴你what，但卻不能告訴你why，當前的AI主要是基于大數據的模式識別推理，盡管它能給你一個看起來很好的相關性，但卻說不出因果關系，因此主要是黑盒模式。
另一方面，生活中大部分的決策都是處在開放系統中，例如并購一家企業，它有許多外部因素，這些因素無法預測，也沒有太多相關的數據，這自然無法完全交給AI來完成。人生的決策（例如報考大學）也同樣如此。我們可以參考AI給出的結果，但是我們還必須依靠我們人類自己的認知。這既是AI+HI。所謂HI，即Human Intelligence，人類智能。
洪小文做了一個類比。腦神經科學家根據實驗歸納了人腦的左右腦的特征，發現左腦更側重邏輯、順序、分析、數字化、理性等，右腦則偏向直覺、隨機、綜合、主觀等。事實上計算機就是一個最好的左腦，因為它的所有程序都是人類設計出來的，都是人類邏輯、順序、分析沉淀的結果，它所擅長的正是人類左腦的諸多功能。
所以AI+ HI，正是這種左右腦互相輔助的關系。我們需要“右腦”來做創造，來做智慧。在沒有計算機以前，人類用左腦來完成計算，花大量時間小心推演，這就像走路；而計算機的出現，特別是現在AI的出現，相當于給了我們一輛車、一架飛機，合理利用這些工具能更快地到達目的地。
洪小文博士認為，“我們是第一代與AI一起生活的人類，我們跟AI的關系，其實就是我們很忠實的仆人，說一就一，我們不希望它有意識，好好的做我們要做的事情，做我們讓它做的事情，其實就是一個AI+HI非常和諧的社會。我個人覺得學習AI也讓我對人類的智能有更深的一些了解，也是人類智能跟人工智能的共進化。”
雷鋒網報道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
