黃廣斌

這一年我們做了一些事情，重點(diǎn)聚焦于快速學(xué)習(xí)或是終端學(xué)習(xí)、本地化學(xué)習(xí)，有時(shí)候我們也用深度學(xué)習(xí)。深度學(xué)習(xí)和本地化學(xué)習(xí)我認(rèn)為是一個(gè)很好的組合，尤其是智能革命、智能經(jīng)濟(jì)的到來(lái)，我覺(jué)得應(yīng)該上下互通。各個(gè)本地的機(jī)器學(xué)習(xí)應(yīng)該互通，云端智能和本地智能應(yīng)該互通，形成一個(gè)完美的組合體。

很多人認(rèn)為現(xiàn)在是人工智能時(shí)代，但是從大方向講，我認(rèn)為是第三次生產(chǎn)力革命已經(jīng)到來(lái)。這是一個(gè)和農(nóng)業(yè)革命、工業(yè)革命并駕齊驅(qū)的時(shí)代，所以現(xiàn)在還處于初步階段。我們有很多疑惑，人工智能在做什么？人工智能能不能超過(guò)人？人工智能能不能普及化？人工智能能不能從云端推向本地化？所有這些都是發(fā)展過(guò)程當(dāng)中很自然的階段。當(dāng)我們有疑問(wèn)的時(shí)候，很多事情已經(jīng)在開(kāi)始。長(zhǎng)期來(lái)說(shuō)，我們還處于智能革命的底端。

大數(shù)據(jù)不光是大，我覺(jué)得它會(huì)改變很多很多東西。現(xiàn)在人工智能用比較多的還是神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)也是神經(jīng)網(wǎng)絡(luò)的一種。深度學(xué)習(xí)或者是神經(jīng)網(wǎng)絡(luò)為什么這么有效？我們是從應(yīng)用角度講很有效。其實(shí)在理論上看，20世紀(jì)80年代末到90年代初，人們最早是使用通用逼近能力定理，這是證明過(guò)的。我們也證明了分類(lèi)能力，其實(shí)很多情況應(yīng)用要不就是分類(lèi)能力要不就是萬(wàn)能逼近能力。

從生物學(xué)習(xí)和機(jī)器學(xué)習(xí)的研究看，人的大腦是總體有序，局部無(wú)序。自然界和生物學(xué)習(xí)系統(tǒng)驚人相似，是自然界的美妙之處，也是生物學(xué)習(xí)通用能力的奧妙和秘密。但和傳統(tǒng)的機(jī)器學(xué)習(xí)的方法不一樣。我們理論證明并不一定要知道神經(jīng)元是什么形態(tài)。馮·諾依曼有一個(gè)困惑，計(jì)算機(jī)為什么這么美好又很脆弱，人腦袋看來(lái)亂七八糟，又有很高的完美學(xué)習(xí)能力，很難解釋這個(gè)問(wèn)題。但是，從理論上看，我們正好解釋了這個(gè)問(wèn)題：整體有序，局部無(wú)序，局部無(wú)序創(chuàng)造了能力。這種局部無(wú)序正好讓我們?nèi)丝瓷先W(xué)習(xí)能力很穩(wěn)定，也很高效。

從普適學(xué)習(xí)技術(shù)的必要條件看，第一要低功耗的硬件和智能材料。這個(gè)智能材料不一定是某種特質(zhì)材料。很多材料變得智能，去年蘇黎世IBM研究院發(fā)表一篇文章談到創(chuàng)造第一個(gè)人造生物神經(jīng)元，材料本身具有隨機(jī)性，這個(gè)正好我們從理論上可以說(shuō)明。另外一個(gè)是需要較少的人工干預(yù)，需要實(shí)時(shí)性。為了和云端形成互補(bǔ)，云端講究大數(shù)據(jù)延時(shí)，大功耗，較多的人工干預(yù)。本地化學(xué)習(xí)就需要較小的數(shù)據(jù)，較小的數(shù)據(jù)解決復(fù)雜的問(wèn)題，滿足本地化學(xué)習(xí)的必要條件。

從深度學(xué)習(xí)看，講究的是高功耗、長(zhǎng)延遲、高計(jì)算強(qiáng)度，正好本地化需要的是低功耗、小數(shù)據(jù)、較小人工干預(yù)，低延遲，這在將來(lái)應(yīng)該是一個(gè)很好的有機(jī)的融合。

我們現(xiàn)在談的很多是人工智能或者機(jī)器學(xué)習(xí)，大部分談的是云端智能。云端智能好多應(yīng)用像軟件一樣，不是一個(gè)算法，應(yīng)該是多個(gè)算法的組合。我覺(jué)得將來(lái)是一個(gè)趨勢(shì)。你招人或者你投資，要看這個(gè)公司這個(gè)團(tuán)隊(duì)或者這個(gè)人機(jī)器學(xué)習(xí)能力的多樣性，這很重要。不是說(shuō)光做一件事情。從長(zhǎng)期來(lái)說(shuō)，人工智能技術(shù)的發(fā)展，15年是一個(gè)周期。

從物聯(lián)網(wǎng)角度來(lái)說(shuō)，我們談的很多數(shù)據(jù)都跟物聯(lián)網(wǎng)有關(guān)系。大多數(shù)情況下大數(shù)據(jù)在云端，并且，大數(shù)據(jù)還有一個(gè)多樣性。我們有很多傳感器，單個(gè)傳感器的數(shù)據(jù)不多，可是就一個(gè)統(tǒng)一應(yīng)用而言，從應(yīng)用角度來(lái)說(shuō)可能數(shù)據(jù)就很多。我們講這些數(shù)據(jù)怎么處理？你有一種傳統(tǒng)方法把所有數(shù)據(jù)放到云端去，為什么不可以把數(shù)據(jù)本地化學(xué)習(xí)，傳感器變成本地采集數(shù)據(jù)，不光是傳輸數(shù)據(jù)，本地采集數(shù)據(jù)、分析數(shù)據(jù)，再傳輸數(shù)據(jù)。你把必要的數(shù)據(jù)再傳輸出去，省掉功耗，同時(shí)數(shù)據(jù)本地化。從這個(gè)角度來(lái)講，下一個(gè)趨勢(shì)是物聯(lián)網(wǎng)到智能物聯(lián)網(wǎng)，每個(gè)智能傳感器加上智能硬件。

深度學(xué)習(xí)不是生物學(xué)習(xí)，有效但不是全部。長(zhǎng)期來(lái)說(shuō)，總有一天發(fā)現(xiàn)兩個(gè)函數(shù)，生物學(xué)習(xí)是F1，機(jī)器學(xué)習(xí)是F2，兩者有焦集，也有分杈。從學(xué)習(xí)角度來(lái)說(shuō)，把兩者結(jié)合可能是最好最高境界，你既懂生物學(xué)習(xí)，也懂機(jī)器學(xué)習(xí)。因此，普適學(xué)習(xí)、普適智能的時(shí)代即將來(lái)臨，起碼已也經(jīng)聽(tīng)到腳步聲了。從當(dāng)前可以判斷，未來(lái)的發(fā)展趨勢(shì)1：云端智能和本地智能的有機(jī)融合。趨勢(shì)2：云端智能的同步協(xié)同。趨勢(shì)3：從物聯(lián)網(wǎng)到智能物聯(lián)網(wǎng)。趨勢(shì)4：機(jī)器學(xué)習(xí)和生物學(xué)習(xí)的匯合。趨勢(shì)5：普適學(xué)習(xí)、普適智能。趨勢(shì)6：非馮·諾依曼結(jié)構(gòu)智能。趨勢(shì)7：人工智能模塊定制化。趨勢(shì)8：多智能實(shí)時(shí)同步。

過(guò)去的十多年，我們一直在做這樣的事情。在未來(lái)的時(shí)間里，我認(rèn)為，智能時(shí)代會(huì)帶來(lái)十大影響。一是數(shù)據(jù)驅(qū)動(dòng)的科學(xué)和工程學(xué)（數(shù)學(xué)、信號(hào)處理等）二是人工智能和機(jī)器學(xué)習(xí)的分化，三是智能從云端走向普物，四是，智能材料，五是機(jī)器智能和進(jìn)化論，六是智能物聯(lián)網(wǎng)和新經(jīng)濟(jì)模式，七是銜接機(jī)器學(xué)習(xí)和生物學(xué)習(xí)，八是智能拐點(diǎn)，九是智慧星際旅行、時(shí)空倒轉(zhuǎn)，十是倫理“智控”。與此同時(shí)，人工智能的10大應(yīng)用包括智能交通、智能工廠、智能家居、智能教育、智能農(nóng)場(chǎng)、智能博弈、智能金融、智能餐廳、智能商場(chǎng)、智能醫(yī)療。（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）endprint