【中國傳動(dòng)網(wǎng) 展會新聞】 9月6日，以“AI賦能，驅(qū)動(dòng)未來”為主題的2018中國人工智能峰會(CAIS2018)在南京國際博覽會議中心成功召開。本次峰會匯聚了LeslieValiant、吳恩達(dá)、周志華、李波等人工智能領(lǐng)域的多位頂級大咖以及京東、ARM、華為、小米、拜騰等企業(yè)代表。其中，2010年圖靈獎(jiǎng)得主、英國皇家學(xué)會會士，美國科學(xué)院院士，哈佛大學(xué)教授LeslieValiant帶來了主題為《ChallengesforMachineLearning》的演講。

LeslieValiant在演講中說，人類在1950年就開始探討機(jī)器學(xué)習(xí)。近年來，有一個(gè)重要概念就是監(jiān)督學(xué)習(xí)，即首先獲取信息以及知識然后執(zhí)行一個(gè)動(dòng)作。機(jī)器學(xué)習(xí)可以通過不斷訓(xùn)練，不斷得到反饋修正它的行為，減少錯(cuò)誤率，從而提高機(jī)器預(yù)測的準(zhǔn)確度。

機(jī)器學(xué)習(xí)的局限在于數(shù)據(jù)運(yùn)算方式不能改變太多。人類可以在機(jī)器學(xué)習(xí)當(dāng)中不斷做進(jìn)一步補(bǔ)充，讓機(jī)器可以像人一樣推理分析。機(jī)器學(xué)習(xí)可以實(shí)現(xiàn)分析推理，但需要訓(xùn)練它，讓它獲取知識然后進(jìn)行訓(xùn)練或?qū)W習(xí)。

學(xué)習(xí)和推理能力對機(jī)器學(xué)習(xí)是一個(gè)巨大的挑戰(zhàn)。因?yàn)閷W(xué)習(xí)和推理是按照不同方式構(gòu)成的，它們之間目前還不兼容。對于人工智能方面的預(yù)測能力來說，只有訓(xùn)練數(shù)據(jù)可靠，才能讓人工智能掌握一些人類具備的能力，執(zhí)行一些人類目前才能執(zhí)行的任務(wù)。

以下為LeslieValiant演講實(shí)錄：

今天我給大家講的主要是關(guān)于人工智能，介紹一下機(jī)器學(xué)習(xí)的歷史，它的發(fā)展現(xiàn)狀以及什么是人工智能。人工智能指的是計(jì)算機(jī)能夠獲取知識，可以根據(jù)獲取到的知識執(zhí)行一些指令做出行動(dòng)。

首先，介紹關(guān)于它的歷史背景信息。對于機(jī)器人也就是沒有實(shí)體形狀的大腦來說，在眾多的游戲中，比如圍棋、橋牌、撲克游戲、學(xué)習(xí)語言、翻譯語言、密碼學(xué)、數(shù)學(xué)。我們研究發(fā)現(xiàn)，機(jī)器在圍棋和學(xué)習(xí)語言方面表現(xiàn)比較好，而翻譯的表現(xiàn)就沒那么好。另外想強(qiáng)調(diào)的就是語言學(xué)習(xí)，我認(rèn)為語言學(xué)習(xí)對于機(jī)器是非常困難的。這就是圖靈1948年的手稿內(nèi)容。

在1950年開始有人工智能概念，此后一直都在不斷發(fā)展，但還有一個(gè)尚未解決的挑戰(zhàn)，即獲取信息的問題。在1950年就開始探討機(jī)器學(xué)習(xí)，知識獲取是程序化還是像人類一樣學(xué)習(xí)式的。眾所周知，機(jī)器需要進(jìn)行編程，但我想說這個(gè)觀點(diǎn)也許有一點(diǎn)誤導(dǎo)。在這個(gè)階段，我們開始研究程序是如何運(yùn)行的，機(jī)器的程序跟人腦的運(yùn)作有哪些相同的地方以及不同的地方。

近年來人工智能領(lǐng)域研究以及發(fā)展有突破性的進(jìn)展。有一個(gè)很重要的概念——監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)首先需要獲取信息以及知識然后執(zhí)行一個(gè)動(dòng)作。比如識識別圖像上的花朵，在獲取知識階段，它需要給圖像加標(biāo)簽;在執(zhí)行的階段，需要對圖像的信息進(jìn)行分類。那機(jī)器的監(jiān)督學(xué)習(xí)主要怎么做?

我們都知道圖像識別和語音識別近年來發(fā)展很快，也是以這種方法進(jìn)行的。重要的是，我們要了解這些現(xiàn)象背后的原理。有些人會擔(dān)心智能機(jī)器人會不會有一天會取代人類，或者摧毀人類。其實(shí)，技術(shù)的發(fā)展總會給我們帶來一些挑戰(zhàn)及問題，它一定是有風(fēng)險(xiǎn)的，但如何尋找更加合理的方式去應(yīng)對這種挑戰(zhàn)以及風(fēng)險(xiǎn)，這是需要去考慮的。因?yàn)椋茖W(xué)也不是百分之百正確，有時(shí)候它們會犯一些錯(cuò)誤，我們需要去梳理這其中的邏輯。我們應(yīng)該把人工智能看作一項(xiàng)非常有前景的科研技術(shù)，但是也應(yīng)該理性的去看待它。

監(jiān)督學(xué)習(xí)是什么?我們都知道做預(yù)測無論是人或機(jī)器都會犯一些錯(cuò)誤。如果我們增加訓(xùn)練的頻率、計(jì)算的次數(shù)、預(yù)測的錯(cuò)誤率會改變。在機(jī)器人學(xué)習(xí)里面，獎(jiǎng)賞是很重要的概念。在不斷訓(xùn)練中，機(jī)器不斷得到反饋，然后修正它的行為。經(jīng)過多次計(jì)算訓(xùn)練之后，錯(cuò)誤率明顯減少，因此機(jī)器的表現(xiàn)是跟訓(xùn)練的模式相關(guān)。通過大量數(shù)據(jù)的訓(xùn)練，可以逐步減少錯(cuò)誤的概率，從而提高機(jī)器預(yù)測的準(zhǔn)確度。

簡單介紹機(jī)器學(xué)習(xí)后，接下來介紹機(jī)器學(xué)習(xí)能夠幫助我們做什么、以及它的應(yīng)用。這里有一些科學(xué)家做的研究并提出八個(gè)點(diǎn)，包括哪些機(jī)器學(xué)習(xí)能夠去做、哪些是機(jī)器學(xué)習(xí)的局限。比如，我們有清晰定義的目標(biāo)、衡量的方式、計(jì)算方式是非常明確定義的、我們需要清晰的輸入、一定程度的容錯(cuò)區(qū)間、大量的數(shù)據(jù)集用于訓(xùn)練。

另外一個(gè)局限，這些數(shù)據(jù)運(yùn)算方式不能不斷去改變太多。比如推理，目前，這些推理和復(fù)雜環(huán)境相關(guān)的因素現(xiàn)在機(jī)器學(xué)習(xí)做得不夠好，所以，機(jī)器學(xué)習(xí)還要進(jìn)一步去推進(jìn)。

我們可以在機(jī)器學(xué)習(xí)當(dāng)中不斷做進(jìn)一步補(bǔ)充，讓機(jī)器像人一樣可以推理、分析。這些問題不那么容易解決。如果問人類“孔子是有筆記本電腦嗎?”你能夠簡單的回答這些問題，機(jī)器學(xué)習(xí)也可以實(shí)現(xiàn)，但要去訓(xùn)練它。在人類看來很簡單的問題機(jī)器也需要學(xué)習(xí)。當(dāng)它回答“孔子到底有沒有筆記本電腦這個(gè)問題”，需要去訓(xùn)練它，它首先要獲取知識，然后再進(jìn)行訓(xùn)練或?qū)W習(xí)，這個(gè)時(shí)候才可能回答這個(gè)問題。

通過回答古代的人是否有筆記本電腦這個(gè)問題可以說明，很多人能夠簡單做的事，機(jī)器很難做到。人們獲取的知識是用自己的推理或分析，就可以回答一些之前沒有見過的問題。這樣一個(gè)簡單的黑盒學(xué)習(xí)，圖像是大象還是別的動(dòng)物，對于機(jī)器來說需要先訓(xùn)練或?qū)W習(xí)才能回答。人類是憑知覺，是否有科學(xué)方式可以去問一些問題，在機(jī)器學(xué)習(xí)當(dāng)中，我們到底還要做什么樣的工作才能確保它們將來具備像人類那樣的推理和分析能力。人類經(jīng)常做完形填空的練習(xí)，比如，《中國日報(bào)》英文版上周有三句話，把其中的一個(gè)單詞拿走，讓人們做完形填空，來測試人類的智能和機(jī)器的智能，這很容易測試。因此，我們可以對此展開一些科學(xué)的研究，人會怎么樣回答這個(gè)問題。如果你不知道這個(gè)背景知識，很難回答這樣的一些問題，你需要背景知識，你必須要用已經(jīng)儲備的知識、認(rèn)知和推理分析能力，才能進(jìn)行黑盒學(xué)習(xí)，進(jìn)行完形填空，以背景知識回答。

顯然，機(jī)器學(xué)習(xí)需要進(jìn)行訓(xùn)練，但人有推理能力，即使之前不知道也可以根據(jù)已有知識進(jìn)行推理和分析。如果出現(xiàn)一個(gè)前所未有的東西，這時(shí)候需要人類才具備的推理能力，機(jī)器就落了下風(fēng)。

講到推理、常識方面的東西，可能這時(shí)候要帶雨衣，因?yàn)橛锌赡芟掠辍＿@對人類是簡單的理解和推理，但讓機(jī)器能夠獲取這一的知識和認(rèn)知，很多時(shí)候機(jī)器是沒有答案的。這對人類是嘗試，不用寫下來，但是這對于人工智能的挑戰(zhàn)就是要讓機(jī)器理解人類達(dá)成的嘗試。即這個(gè)世界的通用規(guī)則，并且機(jī)器利還要用這些常識進(jìn)行推理，然后產(chǎn)生人類才有的一些決策和行動(dòng)。當(dāng)然，可以通過監(jiān)督式的學(xué)習(xí)進(jìn)行對機(jī)器的訓(xùn)練。也有這樣的一些規(guī)則可以使用，通過機(jī)器監(jiān)督學(xué)習(xí)讓它們獲得這樣的嘗試，但之前那種編程式的方法是失敗的。因?yàn)檫@個(gè)環(huán)節(jié)非常脆弱，編程的碼農(nóng)在這方面可能都會有自己的一些假設(shè)。

由此可見，這八個(gè)點(diǎn)在機(jī)器學(xué)習(xí)中哪些能做、哪些不能做、有哪些挑戰(zhàn)。當(dāng)中有很多黑盒，給大家舉一些例子，在高層次做一些解釋，一些基礎(chǔ)的東西則不用解釋。所有做決策給到的信息，只要部分的給到就可以做出一些判斷、得出一些想法。如果給到機(jī)器足夠的解釋，是否它就能做和人類一樣的推理和分析?

顯然，挑戰(zhàn)是存在的，一些業(yè)內(nèi)精英也在這方面做具體的工作，邏輯推理、邏輯分析、通過監(jiān)督機(jī)器學(xué)習(xí)的方式進(jìn)行訓(xùn)練和學(xué)習(xí)，讓它取得成功，這樣機(jī)器可以學(xué)習(xí)人類世界更多的常識和規(guī)則。這個(gè)不隨著時(shí)間的變化而變化，而是一些永恒不變的真理，或是人類社會的一些常識，讓機(jī)器可以去掌握，那么，它就可能具備推理和分析的能力。目前的挑戰(zhàn)在于，學(xué)習(xí)和推理是按照不同的方式構(gòu)成的，它們相互之間目前還不兼容，因此，在大腦當(dāng)中，學(xué)習(xí)和推理是形成統(tǒng)一體的，機(jī)器也必須做到這一點(diǎn)。我們需要某種機(jī)制，讓它們像人類一樣具備強(qiáng)大的學(xué)習(xí)和推理能力的結(jié)合。

我認(rèn)為學(xué)習(xí)和推理能力的結(jié)合是一個(gè)巨大的挑戰(zhàn)，很多人正在努力開展相關(guān)的工作。前面也講過預(yù)測，預(yù)測能力在將來的人工智能方面是很重要的一個(gè)發(fā)展領(lǐng)域，能夠產(chǎn)生數(shù)據(jù)組，有相關(guān)學(xué)習(xí)推理的方法，并可以不斷改善。這方面還停不下來，在人類的一些智能方面還要進(jìn)行很多研究，像對待人類精英教育一樣，不斷的用一些課件和方法來教會機(jī)器。這個(gè)挑戰(zhàn)始終是存在的。因?yàn)樾枰ビ?xùn)練機(jī)器，而且我們提供給機(jī)器的訓(xùn)練材料或課件必須要適合機(jī)器的特點(diǎn)，所以，人工智能這方面目前有很多的挑戰(zhàn)。

只有訓(xùn)練的數(shù)據(jù)可靠，才能讓人工智能掌握一些人類具備的能力，從而執(zhí)行一些人類目前才能執(zhí)行的任務(wù)。這是挑戰(zhàn)，我先講到這里，感謝各位的耐心聆聽。