楊衛(wèi)麗

（軍事科學(xué)院國(guó)防科技創(chuàng)新研究院，北京 100142）

1 引 言

2019年2月11日，美國(guó)總統(tǒng)特朗普簽署行政命令，啟動(dòng)美國(guó)人工智能計(jì)劃［1-2］，旨在加強(qiáng)美國(guó)人工智能技術(shù)發(fā)展，強(qiáng)調(diào)“維持美國(guó)人工智能領(lǐng)導(dǎo)力”。這一動(dòng)向預(yù)示著人工智能作為顛覆性前沿技術(shù)，已成為未來科技領(lǐng)域角逐的新戰(zhàn)場(chǎng)。

2 人工智能內(nèi)涵與特征

2.1 人工智能基本內(nèi)涵

人工智能概念最早出現(xiàn)在1950年英國(guó)數(shù)學(xué)家阿蘭·圖靈的著名論文《計(jì)算機(jī)器和智能》中，圖靈提出了人工智能的基礎(chǔ)問題：機(jī)器能夠思考嗎？

1956年，在達(dá)特茅斯學(xué)院的會(huì)議［3］上，以約翰·麥卡錫和明斯基為代表的一批科學(xué)家共同探討用機(jī)器模擬人類智能問題，首次提出了“人工智能”這一術(shù)語，也因此被認(rèn)為是人工智能誕生的標(biāo)志。麥卡錫給出了他對(duì)人工智能的定義：制造智能機(jī)器、特別是智能計(jì)算機(jī)程序的科學(xué)與方法。

圖1 達(dá)特茅斯學(xué)院會(huì)議會(huì)址Fig.1 Meeting site of Dartmouth College

在此后的60余年發(fā)展進(jìn)程中，人工智能作為一門前沿交叉學(xué)科，一直沒有統(tǒng)一的定義。《大英百科全書》對(duì)人工智能的解釋：數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器人在執(zhí)行智能生物體才有的一些任務(wù)上的能力；《維基百科》對(duì)人工智能的解釋：人工智能就是機(jī)器展現(xiàn)出的智能，即只要是某種機(jī)器，具有某種或某些智能的特征或表現(xiàn)，都應(yīng)該算作人工智能；美國(guó)人工智能學(xué)會(huì)對(duì)人工智能的解釋：科學(xué)地認(rèn)識(shí)人類思想和智能行為，并利用計(jì)算機(jī)對(duì)其進(jìn)行模仿和體現(xiàn)的學(xué)科等。

盡管各種表述不盡一致，但核心思想趨同。即：人工智能的發(fā)展不是把人變?yōu)闄C(jī)器，也不是把機(jī)器變成人，而是“研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智慧能力的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，從而解決復(fù)雜問題的技術(shù)科學(xué)”。人工智能研究的目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作，如會(huì)看、會(huì)聽、會(huì)說、會(huì)思考、會(huì)學(xué)習(xí)、會(huì)行動(dòng)。

2.2 人工智能主要特征

與其他技術(shù)相比，人工智能技術(shù)具有獨(dú)到的技術(shù)特征。一是自主性，這是人工智能的核心屬性，意味著隨著環(huán)境、數(shù)據(jù)或任務(wù)的變化，機(jī)器可以自適應(yīng)調(diào)節(jié)參數(shù)或更新優(yōu)化模型，甚至不排除演化“自我意識(shí)”的可能。二是進(jìn)化性，人工智能技術(shù)具備學(xué)習(xí)知識(shí)、運(yùn)用知識(shí)的能力，能在訓(xùn)練中快速進(jìn)化升級(jí)，通過不斷學(xué)習(xí)、獲取各類知識(shí)，產(chǎn)生各種洞見，升級(jí)、改進(jìn)原有狀態(tài)，達(dá)到“終身學(xué)習(xí)”的完美狀態(tài)。三是可解釋性，人工智能技術(shù)有一個(gè)模糊的特質(zhì)，即無法給出行為決策推理過程，雖然基于過去積累的大量數(shù)據(jù)，可自動(dòng)分析總結(jié)，預(yù)測(cè)未來會(huì)發(fā)生的事情，但卻往往會(huì)產(chǎn)生不可預(yù)知的結(jié)果，這種“黑盒”特性使可預(yù)測(cè)性問題復(fù)雜化，難以獲得人類的信任。四是速度與耐力，人工智能技術(shù)克服了人的生理機(jī)能限制，可連續(xù)、長(zhǎng)時(shí)間執(zhí)行重復(fù)性、機(jī)械性、高危性任務(wù)，在超算能力的支撐下，人工智能的反應(yīng)速度是人類的上千倍，工作效率遠(yuǎn)超人類。

圖2 人工智能主要特征Fig.2 Main characteristics of Artificial Intelligence

3 人工智能發(fā)展現(xiàn)狀

從人工智能概念誕生至今，已有60余年，先后經(jīng)歷了推理期、知識(shí)期和機(jī)器學(xué)習(xí)期。在“兩起兩落”之后，特別是進(jìn)入2010年以后，依靠大數(shù)據(jù)、GPU并行計(jì)算、深度學(xué)習(xí)技術(shù)的發(fā)展，人工智能迎來了第三次復(fù)興，相關(guān)技術(shù)領(lǐng)域的研究也取得了實(shí)質(zhì)進(jìn)展。

（1）機(jī)器博弈。2016年3月，谷歌 AlphaGo機(jī)器人在圍棋比賽中以4：1的成績(jī)擊敗了世界冠軍李世石［5］，下棋招法超出人類對(duì)圍棋博弈規(guī)律的理解，擴(kuò)展了圍棋多年以來積累的知識(shí)體系。2017年初，AlphaGo的升級(jí)版Master橫掃全球60位頂尖高手。2018年，谷歌旗下Deepmind團(tuán)隊(duì)發(fā)布AlphaGo Zero，該程序能夠在無任何人類輸入的條件下，三天自我博弈490萬盤棋局學(xué)會(huì)圍棋，并以100：0的成績(jī)擊敗AlphaGo。由于圍棋被認(rèn)為是非常復(fù)雜的棋類游戲，因此 Alpha Zero 被視為人工智能突破性的進(jìn)展。

圖3 AlphaGo與李世石的博弈Fig.3 Game between AlphaGo and Lee Sedol

（2）模式識(shí)別。作為人工智能最具應(yīng)用價(jià)值的技術(shù)之一，識(shí)別技術(shù)已發(fā)展成熟，甚至超出人類水平。在人臉識(shí)別方面，運(yùn)用深度學(xué)習(xí)進(jìn)行人證比對(duì)（驗(yàn)證證件持有人與證件照片是否一致），在萬分之一的誤識(shí)率下，正確率已經(jīng)超過98%；在圖像識(shí)別方面，ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)（ILSVRC）要求準(zhǔn)確地描述每張圖片上是什么，結(jié)果顯示，人類的誤差率為5%，而運(yùn)用深度神經(jīng)網(wǎng)絡(luò)的統(tǒng)計(jì)學(xué)習(xí)模型的誤差率從2012年的16%降低到2015年的3.5%［6］。2019年，葡萄牙研究人員采用卷積神經(jīng)網(wǎng)絡(luò)模仿人類和其他哺乳動(dòng)物大腦理解周圍世界，證明了該網(wǎng)絡(luò)可以自學(xué)并識(shí)別個(gè)體運(yùn)動(dòng)。其中，識(shí)別斑馬魚和蒼蠅的準(zhǔn)確率都在99%以上。在語音識(shí)別方面，2017年，谷歌大腦和Speech團(tuán)隊(duì)聯(lián)合發(fā)布最新端到端自動(dòng)語音識(shí)別系統(tǒng)，將詞錯(cuò)率降至5.6%，接近人類水平。2017年，蘋果公司推出的智能私人助理Siri和微軟公司推出的個(gè)人智能助理微軟小娜已經(jīng)能夠與人聊天。

圖4 ImageNet 數(shù)據(jù)庫(kù)Fig.4 ImageNet database

（3）機(jī)器翻譯。深度學(xué)習(xí)將機(jī)器翻譯提升到新的水平。2016年6月，谷歌公司的谷歌神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（GNMT）系統(tǒng)，采用深度學(xué)習(xí)技術(shù)克服整句翻譯難題，使出錯(cuò)率下降70%，在部分應(yīng)用場(chǎng)景下接近專業(yè)人員的翻譯水平。同年11月，谷歌多語種神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系統(tǒng)上線，能在103個(gè)語種間互譯。2017年4月，谷歌翻譯改用基于“注意力”機(jī)制的翻譯架構(gòu)，使機(jī)器翻譯水平再創(chuàng)新高。同年5月，F(xiàn)acebook公司依托先進(jìn)圖形處理器硬件系統(tǒng)，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)，開發(fā)出新的語言翻譯系統(tǒng)，處理速度是谷歌翻譯的9倍。

圖5 谷歌機(jī)器翻譯系統(tǒng)Fig.5 Google machine translation system

（4）認(rèn)知推理。2011年，IBM研制的深度問答系統(tǒng)（DeepQA）沃森超級(jí)計(jì)算機(jī)在美國(guó)知識(shí)搶答競(jìng)賽節(jié)目《危險(xiǎn)邊緣》［7］中，以3倍分?jǐn)?shù)優(yōu)勢(shì)戰(zhàn)勝了人類頂尖知識(shí)問答高手，刷新機(jī)器認(rèn)知極限。2015年，美國(guó)馬里蘭大學(xué)研究人員開發(fā)出一種新系統(tǒng)，使機(jī)器人在“觀看”YouTube網(wǎng)站上“如何烹飪”系列視頻后，無需人工干預(yù)，即可解析視頻信息，理解、掌握示范要領(lǐng)，并利用新獲取的信息識(shí)別、抓取和正確運(yùn)用廚具進(jìn)行烹飪，進(jìn)一步提高機(jī)器對(duì)場(chǎng)景及事件的認(rèn)知水平。

圖6 沃森超級(jí)計(jì)算機(jī)Fig.6 Watson supercomputer

（5）社會(huì)計(jì)算。機(jī)器能夠更高效、快速處理海量的數(shù)據(jù)。從1997年深藍(lán)基于規(guī)則的暴力搜索戰(zhàn)勝國(guó)際象棋冠軍，到2016年得益于大數(shù)據(jù)提供了海量學(xué)習(xí)素材的AlphaGo攻克圍棋，人工智能的計(jì)算能力提高了3萬倍，遠(yuǎn)超人類計(jì)算能力。

從現(xiàn)階段人工智能的發(fā)展看，計(jì)算智能已超越人類水平；面向特定領(lǐng)域的感知智能進(jìn)步顯著，形成了人工智能領(lǐng)域的單點(diǎn)突破，甚至在局部智能水平的單項(xiàng)測(cè)試可以超過人類智能，應(yīng)用條件基本成熟，但不具備通用性；智能認(rèn)知發(fā)展尚處于初級(jí)階段?？傊?dāng)前人工智能技術(shù)還處于依托數(shù)據(jù)驅(qū)動(dòng)的感知智能發(fā)展階段，總體技術(shù)水平與人類智能水平還有很大差距［8-9］。

4 人工智能發(fā)展趨勢(shì)

人工智能經(jīng)過60多年的發(fā)展已取得重大進(jìn)展，但總體上還處于初級(jí)階段。未來，在新一代信息技術(shù)發(fā)展驅(qū)動(dòng)下，人工智能將進(jìn)入新一輪創(chuàng)新發(fā)展期，呈現(xiàn)以下發(fā)展走勢(shì)。

（1）感知智能向認(rèn)知智能方向邁進(jìn)

現(xiàn)階段的人工智能依托大數(shù)據(jù)驅(qū)動(dòng)、以芯片和深度學(xué)習(xí)算法框架為基礎(chǔ)，雖在感知智能方面已取得突破，但存在深度學(xué)習(xí)算法嚴(yán)重依賴海量數(shù)據(jù)，泛化能力弱且過程不可解釋等問題［10-11］；同時(shí)，隨著摩爾定律的失效，支持人工智能發(fā)展的硬件性能呈指數(shù)增長(zhǎng)將不可持續(xù)。因此，依托深度學(xué)習(xí)的人工智能發(fā)展將會(huì)遭遇瓶頸，以遷移學(xué)習(xí)、類腦學(xué)習(xí)等為代表的認(rèn)知智能研究越發(fā)重要，追求人工智能通用性、提升人工智能泛化能力成為未來人工智能發(fā)展目標(biāo)。

（2）機(jī)器智能向群體智能方向轉(zhuǎn)變

隨著新一代信息技術(shù)的快速應(yīng)用及普及，深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等算法的不斷優(yōu)化，人工智能研究焦點(diǎn)已從單純用計(jì)算機(jī)模擬人類智能、打造具有感知智能/認(rèn)知智能的單一智能體，向打造多智能體協(xié)同的群體智能轉(zhuǎn)變，這將是未來的主流智能形態(tài)。在去中心化條件下，通過“群愚生智”涌現(xiàn)更高水平的群體智能；計(jì)算機(jī)與人協(xié)同，通過融合人類智能在感知、推理、歸納和學(xué)習(xí)等方面的優(yōu)勢(shì)，與機(jī)器在搜索、計(jì)算、存儲(chǔ)、優(yōu)化等方面的優(yōu)勢(shì)，催生人機(jī)融合智能，實(shí)現(xiàn)更智能地陪伴人類完成復(fù)雜多變?nèi)蝿?wù)［12-13］。

（3）基礎(chǔ)支撐向優(yōu)化升級(jí)方向發(fā)展

人工智能的發(fā)展取決于三要素，即數(shù)據(jù)、算法、算力。面向未來，萬物智聯(lián)。數(shù)據(jù)獲取將超高速率、超多渠道、超多模態(tài)、超大容量和超低延時(shí)，數(shù)據(jù)形態(tài)從靜態(tài)、碎片化轉(zhuǎn)向動(dòng)態(tài)、海量化、體系化；數(shù)據(jù)處理從大規(guī)模并行計(jì)算向量子計(jì)算、從云端部署向邊緣計(jì)算擴(kuò)展，機(jī)器運(yùn)算處理能力高效去中心化［14］；算法模型將是深度學(xué)習(xí)算法優(yōu)化和新算法的探索并行發(fā)展。提升可靠性、可解釋性以及無監(jiān)督學(xué)習(xí)、交互式學(xué)習(xí)、自主學(xué)習(xí)成為未來發(fā)展的熱點(diǎn)方向。

5 人工智能的實(shí)現(xiàn)路徑

在推動(dòng)人工智能發(fā)展的道路上，國(guó)外當(dāng)前主要在探索兩條途徑［15］。一條途徑是圍繞人類如何處理感官、感知與認(rèn)知數(shù)據(jù)展開研究，通過模擬人類的認(rèn)知機(jī)制，形成以模型學(xué)習(xí)驅(qū)動(dòng)的機(jī)器智能；另一條途徑是強(qiáng)調(diào)對(duì)人腦模型的研究，以工程技術(shù)手段模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，通過大量的非線性并行處理器來模擬人腦中眾多的神經(jīng)細(xì)胞（神經(jīng)元），用處理器的復(fù)雜連接關(guān)系來模擬人腦中眾多神經(jīng)元之間的突觸行為，形成認(rèn)知仿生驅(qū)動(dòng)的類腦智能?，F(xiàn)階段，人工智能發(fā)展的主流技術(shù)路線仍是機(jī)器智能，類腦智能整體還處于實(shí)驗(yàn)室研究階段。

6 結(jié)束語

得益于深度學(xué)習(xí)取得的顯著成果，人工智能近年來得到了快速發(fā)展，并逐漸在各領(lǐng)域開始應(yīng)用，但距離“很好用”還有諸多瓶頸，如需要海量數(shù)據(jù)和高質(zhì)量的標(biāo)注；自主學(xué)習(xí)、自適應(yīng)能力弱；計(jì)算機(jī)CPU、GPU消耗量大；可靠性、泛化性、可解釋性不足；以及未來發(fā)展還有很大不確定性等。然而，人工智能朝著人類智能水平逼近發(fā)展的大方向不會(huì)改變，并會(huì)逐步帶領(lǐng)人類進(jìn)入人機(jī)協(xié)同的新時(shí)代。