【人工智能】新一轮人工智能发展的特征和展望、拥抱人工智能2.0的新兴时代

人工智能在经历了 60 年的发展之后， 终于从婴儿发育成幼儿，开始显现出自身远 大的发展前景。尤其是 Watson 和 AlphaGo 的出现，使得业内人士大喜过望。人类不 仅解放了肉体，可以不必身临其境地去从 事繁重、危险的体力劳动，而且还初步解 放了思维，可以用机器来替代人们进行简 单的脑力劳动。按照这样的趋势发展下去， 人工智能迟早能够取代人类，能够独立完 成人类所能做的任何事情，甚至会超过最 优秀的人类。为此，各国纷纷出台相关政策， 抢抓人工智能时代的主导权。

之所以说人工智能已经从婴儿时期进入 到幼儿时期，主要是由于人工智能已经不再 局限于仅在原地对世界进行观察与理解，而 是开始四处爬行、蹒跚学步，并逐步探索与改 变周围的环境。这主要表现在以下几个方面。

1. 棋类游戏全面战胜人类对手

从计算量较小的国际跳棋到计算量最 大的围棋，人工智能在棋类游戏领域已经 全面战胜了人类的对手。第一台能同人下 棋（国际跳棋）的计算机出现在 1958 年， 名为“思考”，机型是 IBM704，计算能 力是 200 步 / 秒，而从 1994 年起国际跳棋 程序切努克（Chinook）就从未被人类击败 过。在国际象棋方面，国际象棋软件 4.0 于 1973 年问世之后就快速成长起来， IBM 的 “超级深蓝” 1997 年以 3:2 击败了卡斯帕 罗夫；“深弗里茨”于 2002 年 10 月与克拉 姆尼克 4:4 战平。在围棋方面，日本电脑围 棋软件“ZEN”于 2012 年 3 月在受五子和 受四子情况下均击败武宫正树九段；谷歌的 AlphaGo 先是在 2015 年 10 月以 5:0 战胜欧 洲围棋冠军、职业二段樊麾，然后又在 2016 年 3 月开始的比赛中以 4:1 战胜了多次取得 世界冠军的韩国棋手李世石，在 2017 年初 又在网络棋坛上取得 60 连胜的战绩，横扫 几乎所有顶尖棋手，现在又以 3:0 战胜世界 排名第一的柯洁，人类世界再无对手。

从图 1 所示的棋类人机大战历史进程 中可以看出，从跳棋到象棋再到围棋，计 算量越来越大，计算难度也越来越大，连 被认为是一对一智力较量的最高等级游戏、 人类的最后堡垒、计算难度最大棋类—— 围棋也不能阻止人工智能前进的步伐，不 能不让人们对人工智能刮目相看。

图 1 人机大战历史

2. 识别与理解能力开始显著提升

在语音识别与理解领域，IBM 在 1950 年代末就开始了语音识别研究工作，并在 1962 年西雅图世界博览会上展出了被称作 “鞋盒”语音识别机器，1992 年研制成功 世界上第一套听写系统 ISSS，1997 年推出 了 ViaVoice。目前，自然语言识别与理解 技术已经超过人类，并开始在语音输入、 自动化客服等相关领域商用，并向同声传 译进军。不仅如此，牛津大学 2016 年 11 月发表的论文显示，其研发出的人工智能 系统 LipNet 能够将视频中人物的嘴巴活动 与其台词进行匹配，准确率高达 93.4%，而 即使是最专业的唇语解读者，其准确率也 年 3 月开始的比赛中以 4:1 战胜了多次取得 世界冠军的韩国棋手李世石，在 2017 年初 又在网络棋坛上取得 60 连胜的战绩，横扫 几乎所有顶尖棋手，现在又以 3:0 战胜世界 排名第一的柯洁，人类世界再无对手。 从图 1 所示的棋类人机大战历史进程 中可以看出，从跳棋到象棋再到围棋，计 算量越来越大，计算难度也越来越大，连 被认为是一对一智力较量的最高等级游戏、 人类的最后堡垒、计算难度最大棋类—— 围棋也不能阻止人工智能前进的步伐，不 能不让人们对人工智能刮目相看。 只有 20%~60%。在图像识别与理解方面， 目前机器图像分类的错误率仅为 3.0%，而 人眼的辨识错误率约在 5.1% 左右，并能够 根据图像写出其所表达的含义。除了我们 常见的二维码应用和 OCR（光学文字识别） 已经获得广泛商用之外，图像识别与理解 技术在自动驾驶、智慧医疗等领域的能力 表现也显著超过了人类顶级专家。再有， 如果说棋类游戏是属于信息对称的游戏， 理解起来相对简单的话，那么人工智能在 信息不对称的游戏中也渐渐占据上风。今 年年初，卡内基梅隆大学研发的人工智能 系统 Libratus 就在长达 20 天的鏖战中，打 败了 4 名世界顶级德州扑克玩家，最终赢 得了德州扑克大赛，这标志着人工智能已 经不再仅仅是暴力计算的代名词，而是有 了对不完整信息的理解能力，以及据此作 出最佳策略的能力。

3. 基于深度学习的各类应用已陆续展开

目前，基于深度学习的各类应用已经取 得了较好的应用效果，并且正在推动人类 社会从信息化时代向智能化时代转变。在 云计算、大数据，以及深度学习的推动下， 人工智能技术已经开始改变网络空间中业 务模式。搜索引擎机器人能够根据用户画 像为用户推荐满意的搜索结果和广告，写 作机器人能够自动撰写新闻甚至科研论文， 传媒监管机器人还能够自动识别黄色和政 治敏感的图像与视频。我们还记得，就在 2016 年 3 月 25 日不到一天的时间，推特 (Twitter) 上的微软人工智能机器人 Tay 就被 人类“教坏”，成为一个脏话连篇的种族 主义者，虽然微软不得不将其立即下线， 但人工智能强大的学习能力已经表露无遗。 尤其是 IBM 基于前期 60 多年的持续技术积 累，已经将其技术精髓集中体现在 Watson 之中，并从近几年开始陆续将其所取得的 成果在十几个行业进行商用，从最初的信 息产业延伸至医疗、环保、投资、保险、 并购、法律、时尚等，为相关用户提供较 为完善的解决方案，期望引领整个社会全 面迈入认知商业新时代。此外，牛津大学 正在考虑将 Libratus 技术应用在商业谈判、 军事战略和大型银行使用的高频交易系统 等各个领域，日本已经开始将情绪识别与 理解用于检测网民的自杀倾向。基于上述 原因，我们完全有理由判定，人工智能将 会改变人类生活的方方面面。

4. 人工智能尚未出现本质性突破

人工智能的发展已经经历了三次大浪 潮，如图 2 所示。现在人工智能在深度学 习的推动下，迎来了新一轮的发展浪潮中。 但是，本次浪潮仍然还是由于互联网、云 计算、大数据等发展所带来的红利，无论 是从技术上，还是从应用上来看，人工智 能仍然处于处级发展阶段，没有出现本质 性的突破。

图 2 人工智能发展浪潮

目前的人工智能主要是机遇深度学习的， 而随着应用的不断深入，深度学习已经开始 逐渐显现出诸多弱点。深度学习是基于统计 学的方法，并不能保证随着层数的增多和训练 数据集的增大而获得更高的精度。深度学习 所学习到的内容是数据集的特征，而不是用 户所关心的知识。深度学习还存在黑箱问题， 用户根本就不知道深度学习分析的结果所为 何来。深度学习是基于大数据的智能，无法解 决小数据问题。深度学习限于其数据集的问 题，还只能用于某个特定领域之内，无法解 决常识性知识问题，因而也不具备通用智能。

按照潘云鹤院士《人工智能迈向 2.0》 一文中给出的定义，人工智能 2.0 是基于重 大变化的信息新环境和发展新目标的新一 代人工智能，所涉及的技术包括大数据智 能、跨媒体智能、自主智能、人机混合增 强智能和群体智能等。

1. 大数据智能

基于大数据的深度学习通过与增强学 习的结合，利用增强学习过程中积累的知 识，不断优化和提升自身的理解水平，实 现了大数据驱动的知识学习，促进了大数 据智能的产生，使得原本依赖于暴力计算 的深度学习焕发了活力，具备了单一任务 中的分析、推理和决策能力，并将在一定 程度上解决深度学习的黑箱问题。实际上， AlphaGo 通过其“估值网络”和“快速落子” 两大法宝，已经发展出了“直觉感知”和“推 理”的能力，初步具备了大数据智能。

2. 跨媒体智能

人类可以通过视觉、听觉、嗅觉、味觉、 触觉等，以及其他知识进行综合感知，形成 对周围世界的全面认识，这也是人工智能所 希望达到的目标之一。跨媒体智能技术就是 要让人工智能能够综合理解文本、图像、语 音、视频、地理信息或其他类型数据及其相 关属性。通过跨媒体计算，人工智能可以打 破单一数据的局限性，随时多维度感知周围 世界的几乎所有信息，实现跨媒体语义贯通， 为人工智能的智能行为奠定基础。跨媒体智 能除了可以与情感计算结合用于实现高仿真 情感机器人之外，还可以使人工智能发展出 联想、设计、概括、创造等能力。

3. 通用智能

目前的人工智能饱受质疑的一个主要 方面就是单个系统只能解决单一的问题， 而且即使是在某一专门领域能够轻松战胜 人类的人工智能系统，也难以应对其他领 域的简单问题，甚至根本不能解决常识性 问题。为解决这一难题，人工智能必须学 会在没有先验知识的情况下，主动寻找知 识关联，扩充自身知识图谱，实现举一反 三的能力。实际上，人工智能在具备了跨 媒体智能之后，完全可以通过跨媒体数据 学习获得一定的通用智能，从而打开通往 通用智能之门。2017 年 3 月底，百度 IDL 研究院徐伟等就提出了一个新的通用智能 架构，能够使得智能体通过多任务强化学 习和零数据的情况下，结合语言和视觉两 种信号在迷宫中导航并定位物体。

4. 自主智能

人工智能饱受质疑的另一个方面是缺 乏自主学习的能力。比如，在无人车间、 无人工厂、太空、极地等控制人员不在现 场或不便于在现场的情况下，无人机、无 人车、无人船、服务机器人、空天机器人、 极地机器人等各类智能设备需要其在遇到 新的问题时，具备像人类一样的思考和处置 能力，甚至可以应对自身所处的未知环境 和问题，在全新环境进行自主决策。经过 科学家门的不懈努力，目前自主智能领域 已经取得了一定成绩。一方面，基于跨媒 体智能与 SLAM（simultaneous localization and mapping，即时定位与地图构建）技术 结合的全自主移动机器人已经开始出现初 级原型系统；另一方面，DeepMind 已经开 发出了一种算法，允许 Deepmind 系统的神 经网络自主学习，并再次使用所保留的信 息，甚至开始向机器自主编程方向迈进。

5. 混合增强智能

除了让机器具备人类智能之外，人工智 能的另一个研究方向是混合增强智能，包括 各种穿戴设备、智能驾驶系统、外骨骼设备、 人机协同手术系统等，它们都是以人类本 身为基础的，利用人类的意识进行机械系 统的操作，实现人机协同。这类人工智能 系统由于有人类的直接参与，获得了社会 上较高的认可。如霍金所用的座椅就可以 让毫无语言能力和肢体活动能力的霍金进 行现场演讲；另外，一些通过脑电等操作 的机械手臂等也已经开始帮助残障人士实 现自主活动。由于混合增强智能使得人类 能够利用自身意识，通过机械化延伸与扩 展，来实现人脑主导的体力、感知力和智 力等各方面增强与拓展，更加易于为人类 所接受，并带来直接的益处，因此在近期 可望取得明显的市场发展。目前，市场上 已经出现了一定数量的混合增强智能系统， 但还存在成本居高不下，难以普及等问题， 尚需要从混合增强计算架构的理论与工程 实践上继续加以深入研究。

6. 群体智能

群体智能主要是来自于对自然界的研 究中所受到的启发。人们发现，在自然界中， 单个的小鱼、小鸟、蜜蜂、蚂蚁等并不具 备有多大智能，但是当它们动态统一成一 个群体时，所表现出的能力往往会超越所 有个体能力之和。群体智能中所需要解决 的问题包括群体成员之间的主动感知与发 现、群体知识的获取与生成、群体成员间 的协同与知识共享、群体智能的评估与演 化、群体成员的自我维持与相互之间的安 全交互等。目前已经有一些群体智能的应 用出现。Unanimous 所开发的 Swarm AI 平 台在第 89 届奥斯卡大奖名单的预测中，准 确率达到了 75%。另外还有一些人工智能 系统，分别在体育赛事、股市预测等方面， 表现出了超过人类顶级专家的能力。

7. 类脑智能

类脑智能已经开始显现出深度学习无 可比拟的优势。类脑智能借鉴大脑中“内 存与计算单元合一”等结构和信息处理方 法的特点，在硬件实现与软件算法等多个 层面，对于现有的计算体系与系统做出本 质的变革，从计算能耗、计算能力与计算 效率等诸多方面都有了大幅度的提升，已 经成为一个明显的发展趋势。而且，人类 对人脑的认识才刚刚开始，随着神经科学、 脑科学、认知科学、生物科学、材料科学 的不断发展和通信技术的不断进步，类脑 智能必将会在不远的将来取得飞跃式发展。 类脑芯片开始出现。高效能可重构类脑计 算芯片。存储和计算微模块化组合，缩小 了相互之间的瓶颈。

我国政府非常重视人工智能的发展， 已经在人工智能领域取得了一定的成绩， 并且在近两年又先后出台了多项促进政策， 包括《国务院关于积极推进“互联网 +”行 动的指导意见》（国发 [2015]40 号）、《中 国制造 2025》（国发 [2015]28 号）、《国 家高新区互联网跨界融合创新中关村示范 工程（2015—2020 年）》（国科火字 [2015]50 号）、《“互联网 +”人工智能三年行动实 施方案》（发改高技 [2016]1078 号）等。 另外， 2017 年《政府工作报告》中也首次 提出要加快培育壮大包括人工智能在内的新 兴产业，《人工智能 2.0 规划》已经接近研 究完成，并纳入到“科技创新 2030——重大 项目”之中。但是从全球来看，我国人工智 能发展与发达国家还有一定的差距。为抓住 机遇，必须要把握好弯道超车的窗口期，在 努力缩小人工智能 1.0 技术与产业发展差距 的同时，积极抢占人工智能 2.0 发展先机。

1. 抓紧制订国家级发展战略

人工智能已经开始并将继续深刻改变 人类的生产生活方式，并成为推动全球新 一轮科技革命和产业变革的新动力和新引 擎。未来 5~10 年，这一革命性力量将会在 各个领域中从蓄势待发、崭露头角进入到 群体迸发的关键时期。有鉴于此，世界上 发达国家和地区纷纷将人工智能作为提升 国家竞争力的重要战略取向和重要抓手， 加快人工智能技术创新与战略布局，力图 占领产业发展新的制高点。尤其是美国， 从 2016 年 9 月以来，先后发布了《关于人 工智能未来的调研应答》、《人工智能报 告：AI 的应用究竟对人类社会经济有哪些 影响 》、《为人工智能的未来做准备》、《人 工智能研究开发战略规划》、《人工智能、 自动化、经济》等多份国家级战略性文件。 为抢占人工智能发展先机，实现从跟跑、 并跑到领跑的转变，我国必须要抓紧制定 国家级人工智能发展战略，集中理论研究、 技术与产品研发、产业发展等各环节优势 力量，打造自主可控、国际一流的人工智 能产业，同时积极研究人工智能对人类社 会所产生的正面、负面影响，从法律法规、 伦理道德等各方面为迎接人工智能 2.0 和人 机协同新的文明时代做好准备。

2. 强化人工智能发展顶层设计

我国已经在人工智能领域取得了较好 的成绩。早在上世纪 70 年代后期，吴文俊 就凭借“吴方法”成为国际自动推理界的 领军人物。科大讯飞语音识别技术已经处 于国际领先地位，其语音识别和理解的准 确率均达到了世界第一。在图像识别和视