黃廣斌

從20世紀(jì)50年代到20世紀(jì)80年代是人工智能的預(yù)熱階段，那個時候沒有有效的算法，也很難有真正的引擎去推動。但是從20世紀(jì)80年代到2010年，我認(rèn)為是研究驅(qū)動人工智能發(fā)展，所以那個時候已經(jīng)有很多好的算法，包括現(xiàn)在很多好的算法都是在那個時候產(chǎn)生的，我們正在填補人工智能的理論、應(yīng)用和產(chǎn)業(yè)之間的空白。

老一輩做人工智能不太容易，因為他們很多的的算法，在很多情況下，工業(yè)界和產(chǎn)業(yè)界不太感興趣。但是從2010年開始，我認(rèn)為，真正的機器學(xué)習(xí)時代到來了，并且不可逆轉(zhuǎn)。因為它的特點是到處是智能物，到處是超級計算能力的計算環(huán)境，到處是數(shù)據(jù)。

數(shù)據(jù)層出不窮，作為產(chǎn)業(yè)界，不能放棄數(shù)據(jù)，放棄數(shù)據(jù)相當(dāng)于放棄了經(jīng)濟的運行規(guī)律，放棄了將來的機會。所以我認(rèn)為，從這個時候開始，真正的機器時代到來了，人工智能時代到來了。

2010年，蘋果手機劃分了機器學(xué)習(xí)時代和過去，因為它真正把我們?nèi)俗鳛橐粋€超級智能體，和全球連接起來了。我們講傳感器要智能，其實人首先邁向了智能，所以人就是超級智能傳感器。從此之后，我認(rèn)為所有的其他的東西也會逐步邁向智能。

其實很多情況下我們靠人去設(shè)想將來的數(shù)據(jù)會越來越多，真正的智能革命已經(jīng)開始。所以，機器學(xué)習(xí)時代的到來必須有三個必要條件，第一是高效的計算環(huán)境，第二是大數(shù)據(jù)，豐富動態(tài)的數(shù)據(jù)。第三是高效的學(xué)習(xí)算法。

這三個條件從2010年開始，已經(jīng)同時具備了。機器學(xué)習(xí)和人工智能是屬于不一樣的范疇，所以，無論是產(chǎn)業(yè)界還是投資界都需要重新思考人工智能和機器學(xué)習(xí)。在上世紀(jì)50年代到70年代，數(shù)據(jù)很少，那個時候以人工智能為主，機器學(xué)習(xí)為輔，中間還遇到了人工智能的冬天，從2010年開始，深度學(xué)習(xí)重新復(fù)興。人工智能其實是人工創(chuàng)造了智能，將來人工的作用相對會越來越小，而機器學(xué)習(xí)，它的成分會越來越大。所以一個新的趨勢是，以前是云計算，將來會很快進入到云學(xué)習(xí)階段，不光是云學(xué)習(xí)，統(tǒng)計學(xué)習(xí)也將出現(xiàn)，數(shù)據(jù)驅(qū)動的數(shù)學(xué)、統(tǒng)計學(xué)和信號處理其實都有可能實現(xiàn)。

我認(rèn)為以前是一直研究諾伊曼學(xué)習(xí)架構(gòu)（也稱普林斯頓結(jié)構(gòu)，是一種將程序指令存儲器和數(shù)據(jù)存儲器合并在一起的存儲器結(jié)構(gòu)），現(xiàn)在已經(jīng)開始研究非諾伊曼學(xué)習(xí)架構(gòu)。因為我們發(fā)現(xiàn)不能將諾伊曼體系用于終端，很多情況下要依賴于非諾伊曼體系。

所以十幾年來，我們其實在研究一件事情，學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)真的需要如此痛苦和耗時嗎？能不能讓人工智能變得輕松愉快一點？在十多年前，我們提出超限學(xué)習(xí)機，其實我們做了一個理論證明，神經(jīng)元不需要調(diào)整，我們會盡可能減少人工干預(yù)，從而獲得高的準(zhǔn)確度。

在美國的發(fā)電廠、澳洲的電網(wǎng)上面都曾取得比較好的結(jié)果，都可以把深度學(xué)習(xí)的訓(xùn)練時間從幾天縮短到幾分鐘，學(xué)習(xí)速度提高幾萬倍。比如說，將三維訓(xùn)練時間從2天縮短到基于CPU的10分鐘。所以總體上講，ELM（Extreme Learning Machine極限學(xué)習(xí)機器神經(jīng)網(wǎng)絡(luò)研究中的一種算法）的基本應(yīng)用，包括目標(biāo)識別、入侵檢測、目標(biāo)檢測、3D打印、可穿戴設(shè)備等。從長期來說，我認(rèn)為有一個新的趨勢，生物學(xué)習(xí)研究已經(jīng)在加速進行當(dāng)中，它是真正研究生物本身的特點，智能材料和智能傳感器也在進行之中。最近，我們在南洋理工大學(xué)提了這么一個計劃，所以其中一個共同的特點是，正好可以用ELM的理論去解釋，因為神經(jīng)元是不需要調(diào)整的。

我認(rèn)為，將來數(shù)據(jù)越來越多的時候，機器學(xué)習(xí)的自主學(xué)習(xí)成分越來越多。而人工智能相對來說雖然也是在同步增長，但是我們認(rèn)為，它已經(jīng)失去了很多可能控制的地方。所以總體來說，我認(rèn)為是時候邁向智能物聯(lián)網(wǎng)時代了，智能物聯(lián)網(wǎng)時代的普適學(xué)習(xí)和普適智能可以相互結(jié)合。

邁向終端，物聯(lián)網(wǎng)由三部分組成，傳感器、學(xué)習(xí)方法和網(wǎng)絡(luò)，基本上是數(shù)據(jù)分析加傳感器，將來我認(rèn)為，傳感器的數(shù)據(jù)其實應(yīng)該在局部進行。所以傳感器本身就可以加上智能方法，基于ELM的能量芯片已經(jīng)產(chǎn)生了。所以將來屬于智能物聯(lián)網(wǎng)的新的經(jīng)濟社會，叫智能物社會。

其實好多設(shè)備將來會變成智能物，智能物之間交互會形成智能體設(shè)備。有一種擔(dān)心是，你會認(rèn)為人是變得越來越聰明，還是變得越來越笨？機器變得越來越聰明還是越來越笨？總體來講，我們的記憶力會越來越差，計算能力越來越差，視力越來越差，但是機器的好多能力在提高，給定一個特定應(yīng)用，只要時間允許，我認(rèn)為將來某一天，機器會超過人。但是不用擔(dān)心，雖然我們視力變差，隨著智能物時代到來，我們可以不用眼睛，眼球上涂一層藥水，就會變成“千里眼”。你的記憶力不行，有iphone之后可以記1000個號碼，人和機器的組合，促使將來的整體智能指數(shù)在發(fā)生變化。

雖然從農(nóng)業(yè)革命到工業(yè)革命都是以人為主導(dǎo)，新的智能時代到來之后，非生命體智能也在提高，拐點也會產(chǎn)生。從長期來說，人創(chuàng)造智能，但是我們得考慮正面智能和負面智能，五百年之后可能也會遇到這個問題。