岳未央

人工智能（AI）機(jī)器學(xué)習(xí)是誕生于20世紀(jì)中葉的一門(mén)年輕的學(xué)科，它對(duì)人類(lèi)的生產(chǎn)、生活方式產(chǎn)生了重大的影響，也引發(fā)了激烈的哲學(xué)爭(zhēng)論。佛羅里達(dá)國(guó)際大學(xué)計(jì)算與信息科學(xué)學(xué)院助理教授馬克·弗雷森（Mark Finlayson）認(rèn)為，AI帶來(lái)的真正危險(xiǎn)不在于艾隆·馬斯克（Elon Musk）和斯蒂芬·霍金（Stephen Hawking）（他對(duì)AI完全不懂）所述的機(jī)器人會(huì)胡作非為。真正的危險(xiǎn)在于：AI會(huì)如何影響我們對(duì)待自己的方式，這就像核武器的威懾力那樣。并且這一可能性與我們的距離遠(yuǎn)比我們自己設(shè)想的要近，它幾乎就是已經(jīng)在發(fā)生的事實(shí)：Uber聲稱(chēng)要給我們提供許多無(wú)人駕駛汽車(chē)。如果這件事真的發(fā)生了，想象一下相關(guān)行業(yè)的利潤(rùn)不是與全世界競(jìng)爭(zhēng)共享，而是流入一個(gè)單獨(dú)的公司中或者一個(gè)人的口袋中時(shí)，世界會(huì)發(fā)生怎樣的劇變？

有一個(gè)說(shuō)法，說(shuō)科技的進(jìn)步是遠(yuǎn)遠(yuǎn)超過(guò)人類(lèi)本身的進(jìn)化，之所以科技和信息技術(shù)有如此飛速的成長(zhǎng)，主要的一個(gè)原因就是所謂的摩爾定律，摩爾定律就是我們的計(jì)算能力每過(guò)18個(gè)月就翻一次倍，在過(guò)去一直按照摩爾定律進(jìn)行。

今后的發(fā)展如果按常規(guī)的技術(shù)用摩爾定律進(jìn)行推進(jìn)的話(huà)，會(huì)碰到一個(gè)瓶頸。為何會(huì)出現(xiàn)這種情況呢？本質(zhì)上的原因是在于如果把一臺(tái)電腦放在自己的大腿上，時(shí)間長(zhǎng)了我們會(huì)覺(jué)得很燙。這是因?yàn)樵谟?jì)算過(guò)程中電子的能耗非常大，而假設(shè)每個(gè)三極管所產(chǎn)生出來(lái)的熱量都是差不多，經(jīng)過(guò)18個(gè)月翻一次倍速的運(yùn)行增長(zhǎng)，機(jī)器本身的發(fā)熱量也將相應(yīng)翻一次倍。這就意味著目前的這臺(tái)機(jī)器已經(jīng)無(wú)法滿(mǎn)足日常的“超負(fù)荷”運(yùn)行需求，我們需要更高的技術(shù)和更好的材料來(lái)承載更高速能帶來(lái)的更大負(fù)荷。

但是對(duì)于科學(xué)家來(lái)說(shuō)這是一個(gè)非常好的機(jī)會(huì)，能不能尋找一個(gè)新型創(chuàng)新摩爾定律能夠繼續(xù)往前進(jìn)非常關(guān)鍵。摩爾定律會(huì)碰到這樣的問(wèn)題：在趕集的集市，想象你是一輛跑車(chē)，它在趕集的時(shí)候始終在碰撞，如果不能散發(fā)熱量就會(huì)受到阻礙。如果想到這個(gè)原理大家就可以想到我們?yōu)槭裁床粸殡娮釉谛酒膶哟巫鲆粋€(gè)高速公路，這就是科學(xué)研究的發(fā)明，電子在芯片層次有一個(gè)車(chē)道的概念，能夠各行其道互不干擾。在右邊我們可以使用尾燈，這個(gè)車(chē)往前走，在左邊的話(huà)我們是往前開(kāi)，如果能把高速公路的運(yùn)動(dòng)模式實(shí)現(xiàn)在電子芯片層次的運(yùn)動(dòng)模式，我們真正意義上有一個(gè)新的工作原理，使得摩爾定律能夠往前推進(jìn)。

之所以人工智能在最近一段時(shí)間能夠有突飛猛進(jìn)的成長(zhǎng)，主要是幾個(gè)原因：一個(gè)受到摩爾定律的影響，由于計(jì)算能力每過(guò)18個(gè)月就翻一次倍，用的芯片就能夠做非常快速的信息處理，單位元能夠做的機(jī)器處理比人的大腦神經(jīng)元都來(lái)得多。如果能把機(jī)器芯片模仿人的大腦神經(jīng)元，就能形成一個(gè)網(wǎng)狀的神經(jīng)機(jī)構(gòu)，大數(shù)據(jù)的時(shí)代使得及其能夠快速學(xué)習(xí)。人工智能現(xiàn)在還只是停留在仿生學(xué)的一個(gè)階段，可以做一個(gè)類(lèi)比，比如人類(lèi)曾經(jīng)非常向往飛翔，我們之所以向往飛翔就是看到鳥(niǎo)會(huì)飛，看到鳥(niǎo)會(huì)飛，我們就想自己能不能也長(zhǎng)一個(gè)翅膀飛。比如偉大的藝術(shù)家達(dá) . 芬奇曾經(jīng)設(shè)計(jì)過(guò)人身上輔助一個(gè)翅膀能飛起來(lái)，所以這是一個(gè)簡(jiǎn)單的仿生學(xué)。但我們?nèi)祟?lèi)真正能夠?qū)W會(huì)飛行是由于我們理解了飛行的原理——空氣動(dòng)力學(xué)，一旦我們理解了飛行的原理就可以造大飛機(jī)，大飛機(jī)看起來(lái)和鳥(niǎo)不完全一樣，但卻是從鳥(niǎo)那邊來(lái)的啟發(fā)。所以這對(duì)于人工智能來(lái)講也是最大的挑戰(zhàn)，現(xiàn)在的人工智能還僅僅停留在用神經(jīng)元仿生的原理，而我們真正需要的則是一個(gè)能夠發(fā)展人工智能的理論基礎(chǔ)。

人工智能是怎樣發(fā)展起來(lái)的

回顧整個(gè)人工智能發(fā)展史，不得不去引發(fā)高度關(guān)注的是“機(jī)器學(xué)習(xí)”這樣一個(gè)重要的鋪墊式技術(shù)發(fā)展進(jìn)程：

奠基時(shí)期

20世紀(jì)50年代初到60年代中葉

Hebb于1949年基于神經(jīng)心理學(xué)的學(xué)習(xí)機(jī)制開(kāi)啟機(jī)器學(xué)習(xí)的第一步。此后被稱(chēng)為Hebb學(xué)習(xí)規(guī)則。Hebb學(xué)習(xí)規(guī)則是一個(gè)無(wú)監(jiān)督學(xué)習(xí)規(guī)則，這種學(xué)習(xí)的結(jié)果是使網(wǎng)絡(luò)能夠提取訓(xùn)練集的統(tǒng)計(jì)特性，從而把輸入信息按照它們的相似性程度劃分為若干類(lèi)。這一點(diǎn)與人類(lèi)觀(guān)察和認(rèn)識(shí)世界的過(guò)程非常吻合，人類(lèi)觀(guān)察和認(rèn)識(shí)世界在相當(dāng)程度上就是在根據(jù)事物的統(tǒng)計(jì)特征進(jìn)行分類(lèi)。而這個(gè)研究成果也就正式揭開(kāi)“機(jī)器學(xué)習(xí)”也就是“人工智能”技術(shù)的第一篇章。

從60年代中到70年代末，機(jī)器學(xué)習(xí)的發(fā)展步伐幾乎處于停滯狀態(tài)。雖然這個(gè)時(shí)期基于邏輯的機(jī)器歸納學(xué)習(xí)系統(tǒng)取得較大的進(jìn)展，但未能投入實(shí)際應(yīng)用。這個(gè)時(shí)期的研究目標(biāo)是模擬人類(lèi)的概念學(xué)習(xí)過(guò)程，并采用邏輯結(jié)構(gòu)或圖結(jié)構(gòu)作為認(rèn)知基礎(chǔ)。機(jī)器能夠采用符號(hào)來(lái)描述概念，并提出關(guān)于學(xué)習(xí)概念的各種假設(shè)。

事實(shí)上，這個(gè)時(shí)期整個(gè)AI領(lǐng)域都遭遇了瓶頸。當(dāng)時(shí)的計(jì)算機(jī)有限的內(nèi)存和處理速度不足以解決任何實(shí)際的AI問(wèn)題。要求程序?qū)@個(gè)世界具有兒童水平的認(rèn)識(shí)，研究者們很快發(fā)現(xiàn)這個(gè)要求太高了：1970年沒(méi)人能夠做出如此巨大的數(shù)據(jù)庫(kù)，也沒(méi)人知道一個(gè)程序怎樣才能學(xué)到如此豐富的信息。于是AI研究就此告一段落，人們的“人工智能”夢(mèng)也因此暫時(shí)進(jìn)入休眠狀態(tài)。

20世紀(jì)70年代末到80年代中葉

從70年代末開(kāi)始，人們從學(xué)習(xí)單個(gè)概念擴(kuò)展到學(xué)習(xí)多個(gè)概念，探索不同的機(jī)器學(xué)習(xí)策略和各種學(xué)習(xí)方法。這個(gè)時(shí)期，機(jī)器學(xué)習(xí)在大量的時(shí)間應(yīng)用中回到人們的視線(xiàn)，又慢慢復(fù)蘇。1980年，在美國(guó)的卡內(nèi)基 . 梅隆大學(xué)（CMU）召開(kāi)了第一屆機(jī)器學(xué)習(xí)國(guó)際研討會(huì)，標(biāo)志著機(jī)器學(xué)習(xí)研究已在全世界興起。此后，機(jī)器歸納學(xué)習(xí)進(jìn)入應(yīng)用。

蓬勃發(fā)展時(shí)期

21世紀(jì)初至今

機(jī)器學(xué)習(xí)發(fā)展分為兩個(gè)部分，淺層學(xué)習(xí)（Shallow Learning）和深度學(xué)習(xí)（Deep Learning）。1）這個(gè)階段的人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的特征學(xué)習(xí)能力，學(xué)習(xí)得到的特征能對(duì)數(shù)據(jù)有更本質(zhì)的認(rèn)識(shí)和分類(lèi)；2）深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練上的難度，可以通過(guò)“逐層初始化”來(lái)有效克服，且這種學(xué)習(xí)能夠在無(wú)監(jiān)督的狀況下實(shí)現(xiàn)的（網(wǎng)絡(luò)系統(tǒng)基于語(yǔ)料庫(kù)自動(dòng)抓?。?。

神經(jīng)網(wǎng)絡(luò)模型貌似能夠?qū)崿F(xiàn)更加艱難的任務(wù)，如目標(biāo)識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等。但是，應(yīng)該注意的是，這絕對(duì)不意味著其他機(jī)器學(xué)習(xí)方法的終結(jié)。盡管深度學(xué)習(xí)的成功案例迅速增長(zhǎng)，但是對(duì)這些模型的訓(xùn)練成本是相當(dāng)高的，而維護(hù)和二次開(kāi)發(fā)的成本依舊很高。

由此我們可以看出機(jī)器學(xué)習(xí)的發(fā)展并不是一帆風(fēng)順的，它也經(jīng)歷了螺旋式上升的過(guò)程，成就與坎坷并存。其中大量的研究學(xué)者的成果才有了今天人工智能的空前繁榮，是量變到質(zhì)變的過(guò)程，也是內(nèi)因和外因的共同結(jié)果。

人工智能在關(guān)鍵領(lǐng)域的“跨界合作”

AI和自動(dòng)化機(jī)器人已經(jīng)對(duì)我們的生活產(chǎn)生了極大的沖擊，從打掃衛(wèi)生這樣簡(jiǎn)單的事到像自動(dòng)駕駛汽車(chē)和Google DeepMind這樣的復(fù)雜任務(wù)。AI現(xiàn)在覆蓋的領(lǐng)域已經(jīng)非常火，有大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)、有人工智能，總體而言人工智能有兩個(gè)主要的應(yīng)用路徑：

一是用云端大量的數(shù)據(jù)做計(jì)算來(lái)成為行業(yè)決策的重要輔助工具，而這種途徑通常只適用于大企業(yè)。伴隨著大數(shù)據(jù)、云計(jì)算等新一代信息技術(shù)的快速發(fā)展和智能化應(yīng)用需求的日益凸顯，今年“阿爾法狗”將人工智能的話(huà)題推向了一個(gè)新熱度。人工智能技術(shù)的突飛猛進(jìn)不僅體現(xiàn)在神秘的機(jī)器人領(lǐng)域，它在人們?nèi)粘Ｉ钪械陌l(fā)展和應(yīng)用同樣越來(lái)越引人注目。

人們對(duì)新事物總是充滿(mǎn)恐懼。就在大家擔(dān)心無(wú)人駕駛汽車(chē)是否弊大于利的時(shí)候，AI重塑金融規(guī)律的創(chuàng)新也引起許多人對(duì)其中的法律和道德問(wèn)題的顧慮。讓一個(gè)軟件程序來(lái)決定，誰(shuí)擁有投資開(kāi)戶(hù)的資格，誰(shuí)能夠獲得貸款（征信），應(yīng)該收取多少的費(fèi)率，甚至在主流金融體系之外的金融服務(wù)客戶(hù)都可能收獲意想不到的后果。但也有些人認(rèn)為，沒(méi)有什么能夠比算法更公平公正了——純粹數(shù)學(xué)，畢竟，不會(huì)有偏見(jiàn)，對(duì)吧？

這個(gè)論點(diǎn)的缺陷之一是，算法也是人為創(chuàng)建的，通常會(huì)在連他們都意識(shí)不到的細(xì)微處隱含了偏見(jiàn)。這些偏見(jiàn)也許會(huì)被嵌入到算法當(dāng)中。比如，去年卡內(nèi)基 . 梅隆大學(xué) 的研究者測(cè)試谷歌的算法是如何向用戶(hù)推送廣告時(shí)發(fā)現(xiàn)，廣告設(shè)置中的“男性”和“女性”標(biāo)簽中，谷歌會(huì)給“男性”用戶(hù)推薦薪酬更高的招聘廣告。更極端地說(shuō)，一個(gè)人工智能引擎做出信貸決策時(shí)，也許會(huì)傾向于只認(rèn)可常春藤盟校畢業(yè)的，或者家庭收入超過(guò)30萬(wàn)美元的群體。

人工智能，究其本質(zhì)而言，還不能完全控制今天的以規(guī)則為基礎(chǔ)的系統(tǒng)。在A(yíng)I里面，電腦可以隨著時(shí)間的推移來(lái)學(xué)習(xí)人們通常是如何做的：通過(guò)接收信息，然后決策基于這些數(shù)據(jù)進(jìn)行征信決策，并不斷觀(guān)察結(jié)果進(jìn)行風(fēng)控。隨著它們?cè)阱e(cuò)誤和正確的信息中不斷學(xué)習(xí)，它們會(huì)不斷修正自己的規(guī)則和算法，然后開(kāi)始作出它們自己的結(jié)論。

喬治 . 華盛頓大學(xué)社群主義政策研究所國(guó)際事務(wù)教授兼主任Amitai Etzioni指出，無(wú)人駕駛汽車(chē)被指示不要超速，但它們也被設(shè)計(jì)了學(xué)習(xí)程序。當(dāng)周?chē)钠?chē)加速時(shí)，它也會(huì)加速。它們所謂的標(biāo)準(zhǔn)是根據(jù)周?chē)膮⒄斩鴮?duì)結(jié)果做出調(diào)整。

使用人工智能自動(dòng)化決策的另一個(gè)問(wèn)題是，它們是否會(huì)使用智能合約技術(shù)自動(dòng)執(zhí)行，謂之可依賴(lài)性。“一不小心，我們就可能無(wú)法實(shí)現(xiàn)我們認(rèn)為通過(guò)自動(dòng)化能夠做好的一切，”多倫多一名專(zhuān)門(mén)研究反洗黑錢(qián)規(guī)則、反恐怖主義集資、跨國(guó)資產(chǎn)追回的律師，Digital Finance Institute聯(lián)合創(chuàng)始人克里斯丁·度海枚（Christine Duhaime）表示，“原因是，我們實(shí)現(xiàn)越高水平的自動(dòng)化后，就越難與人類(lèi)溝通問(wèn)題。如果一個(gè)自動(dòng)生成的決策將對(duì)客戶(hù)造成消極后果，那么這需要對(duì)其有一個(gè)保護(hù)的機(jī)制?！?/p>

確保決策過(guò)程中所有被用到的數(shù)據(jù)都是精確且最新的，這對(duì)企業(yè)來(lái)說(shuō)是一個(gè)特別的責(zé)任，除非用戶(hù)明確表示授權(quán)，同時(shí)企業(yè)在適當(dāng)?shù)臅r(shí)候具備恰當(dāng)?shù)募夹g(shù)安保措施和隱私保護(hù)政策，并且只訪(fǎng)問(wèn)特許儲(chǔ)存的數(shù)據(jù)。度海枚指出，在A(yíng)I中還有一個(gè)危險(xiǎn)隱患是，該技術(shù)實(shí)則將那些無(wú)法使用計(jì)算機(jī)或移動(dòng)設(shè)備的殘疾人和老者排除在外了?！霸谶@樣的情況下，我們打著普惠金融的旗號(hào)，最后卻將大部分客戶(hù)拒之門(mén)外，我們實(shí)際也沒(méi)有解決銀行現(xiàn)存問(wèn)題的能力。這只不過(guò)是制造了不可解的新的金融問(wèn)題罷了。”

其次就是被用于與生物科技領(lǐng)域的人工智能技術(shù)。生物學(xué)者通常通過(guò)人工智能來(lái)讀許多醫(yī)學(xué)的圖片，比如看X光的圖片、看超聲波的圖片、看核磁共振的圖片。這也是在生物基因技術(shù)產(chǎn)業(yè)上非常好的布局。日前，CB Insights 研究公司整理出一份醫(yī)療領(lǐng)域AI創(chuàng)業(yè)圖景，統(tǒng)計(jì)了全球活躍其中的 92 家初創(chuàng)公司。在 2011 年，人工智能醫(yī)療公司的融資交易只有 10 起，而到了 2015 年，這個(gè)數(shù)字達(dá)到了 60 起。

Frost & Sullivan 的分析師 Harpreet Singh Buttar表示，“到 2025 年，不管是人類(lèi)大健康管理，還是利用虛擬形象與患者交流，AI 都會(huì)滲透其中，貫穿生活的方方面面?！睆闹形覀円材芸吹饺斯ぶ悄?醫(yī)療的一些關(guān)注熱點(diǎn)。

圖像及診斷類(lèi)：從 2015 年 1 月開(kāi)始，圖像及診斷類(lèi)的 22 家 AI 創(chuàng)業(yè)公司中，有17家獲得了天使/ A 輪融資，可以感受到這一領(lǐng)域已經(jīng)呈井噴之勢(shì)。Frost & Sullivan的一份報(bào)告指出，2005年以來(lái)，醫(yī)學(xué)成像資料存儲(chǔ)量已經(jīng)增長(zhǎng)10倍，并且隨著更多先進(jìn)設(shè)備的推出還會(huì)繼續(xù)增長(zhǎng)。

藥物挖掘公司：目前， 8 家藥物挖掘公司中已經(jīng)有 6 家獲得了風(fēng)投，藥物挖掘同樣也是一個(gè)值得關(guān)注的領(lǐng)域，相關(guān)的新興公司也不少。

以腫瘤治療為代表的精準(zhǔn)醫(yī)療：腫瘤治療因其復(fù)雜性及個(gè)性化的特點(diǎn)，如果能運(yùn)用人工智能實(shí)現(xiàn)“降維”精準(zhǔn)打擊，無(wú)疑能提高治療的效率，說(shuō)不定又會(huì)有一條生命因?yàn)榭萍级徽饶兀?/p>

遠(yuǎn)程病患監(jiān)控：目前的初創(chuàng)公司主要是通過(guò)自然語(yǔ)言處理及深度學(xué)習(xí)實(shí)現(xiàn)這一功能，當(dāng)患者通過(guò)語(yǔ)音描述癥狀時(shí)，系統(tǒng)能基于海量數(shù)據(jù)庫(kù)的知識(shí)給予反饋。

醫(yī)療算法平臺(tái)：如果在醫(yī)生資源或醫(yī)院資源上受到了限制，專(zhuān)注算法并將方案提供給醫(yī)療供應(yīng)商也同樣是一個(gè)不錯(cuò)的選擇。

“AI的下一個(gè)挑戰(zhàn)就是把不同的層面聯(lián)系在一起，首先要有非常精密的程序?！迸＝虼髮W(xué)計(jì)算機(jī)系主任、教授邁克爾·伍迪季（Michael Wooldridge）表示，英國(guó)、美國(guó)和中國(guó)很多人都使用智能手環(huán)，它能夠監(jiān)控人的心率、血糖、走了多少步等，所有這些信息給到AI，就能去實(shí)現(xiàn)一些健康的應(yīng)用。在英國(guó)，一種觀(guān)點(diǎn)是人工智能最大的應(yīng)用就是在醫(yī)療體系的優(yōu)化上。英國(guó)國(guó)家醫(yī)療系統(tǒng)的病例，包括所有英國(guó)人的病例數(shù)據(jù)和用藥記錄結(jié)合AI技術(shù)，將有望極大地完善英國(guó)的全民醫(yī)療體系。“今天所講的AI就能夠運(yùn)用到醫(yī)療領(lǐng)域，確實(shí)為整個(gè)醫(yī)療行業(yè)帶來(lái)新的發(fā)現(xiàn)，所以人工智能的下一個(gè)風(fēng)口應(yīng)該是在醫(yī)療領(lǐng)域。”