【中國傳動網(wǎng) 技術(shù)前沿】 你還在忙著每天跟自己的“Siri”對話嗎？除了我們?nèi)粘Ｗ顬槭煜さ闹悄苷Z音助手之外，今時今日全球人工智能的發(fā)展，已經(jīng)開始應(yīng)用于解決世界上最棘手、最危險的問題。尖端AI技術(shù)和自動化技術(shù)的崛起，或許讓我們的未來，再度充滿了無數(shù)的“可能性”。

人工智能科技發(fā)展新趨勢：著眼全球“最棘手”的問題

只要你說出命令，“它”就會幫助你找到有用的信息。一直以來對于AI（人工智能），我們最為熟悉的，就是我們手機里的“Siri”。這個看似神通廣大的個人語音助手，實際上有著人工智能的介入——收集我們的指令信息，利用該信息進一步識別你的語音，并為我們提供個性化的結(jié)果。

生活中各種智能化電子應(yīng)用，也無不隱藏著人工智能的“智慧”。隨著我們所使用的機器變得越來越智能，周圍的世界無時無刻不在發(fā)生著變化，智能手表、智能溫度調(diào)節(jié)器、智能照明……對有些人來說，人工智能和機器人技術(shù)的普及，將會對個人隱私、工作甚至人身安全構(gòu)成威脅。然而隨著科技的日新月異，我們不得不承認，人工智能和自動化系統(tǒng)確實為人類帶來了諸多潛在好處，而且這些好處并不僅限于提高我們的生活質(zhì)量——

為了對抗蚊子為人類帶來的瘧疾，來自多米尼加共和國的計算機工程師雷尼爾·馬洛爾，與來自馬來西亞的醫(yī)學博士達西·拉賈一起，針對登革熱、黃熱病、寨卡以及基孔肯雅熱等病毒，開發(fā)出一套AI算法，能夠預(yù)測疫情最有可能發(fā)生的地方；

為了解決持續(xù)不斷的槍擊和槍械犯罪問題，美國許多城市正試圖通過科技尋找解決辦法，例如開發(fā)和使用“ShotSpotter系統(tǒng)”。這種自動化系統(tǒng)可以用傳感器陣列監(jiān)聽槍聲，來精確定位槍聲所在的位置，并在45秒內(nèi)向相關(guān)機構(gòu)發(fā)出警報；

為了解決木本灌木極易受到疾病和害蟲侵害的問題，來自烏干達坎帕拉馬凱雷大學的研究人員與植物病專家，合作開發(fā)了一套旨在打擊木薯疾病的自動化系統(tǒng)。當?shù)剞r(nóng)民只需要使用便宜的智能手機拍攝植物，系統(tǒng)內(nèi)經(jīng)過訓練的計算機視覺，就能發(fā)現(xiàn)造成木薯作物損害的四種主要疾病的跡象。

你所未知的人工智能應(yīng)用領(lǐng)域，或許比人們想象中還要涉及得更深、更遠。

尖端科技也有“軟肋”：從認錯“道路牌”到錯操“手術(shù)刀”

隨著“無人駕駛”概念的普及，無人駕駛汽車可以說是萬眾期待。這位聰明的輪式智能機器人，以探測器作為“精確的眼睛”、以深度學習為基礎(chǔ)的人工智能作為“果斷的大腦”，無需任何人工操作也能快速移動。然而不久前卻有研究者發(fā)現(xiàn)，這種看似智能的汽車其實也有點“笨”——只需要將交通標示貼上任意貼紙，AI立馬就會判斷錯誤，因為它們所“看到”的，無論是“停止標志”還是“慢行標志”，都與“記憶”中的圖像不大一樣。

雖然聽起來令人匪夷所思，但就目前來說，尖端人工智能技術(shù)確實還存在著技術(shù)弱點。不久前，外媒報道了一則英國首例機器人手術(shù)失敗案例，由于機械故障和人為不遵守規(guī)范操作等原因，最終導(dǎo)致了手術(shù)失敗。消息一出，讓不少人意識到依賴機器可能存在的風險。

“說到AI系統(tǒng)的弱點，‘專一性’是個問題。比如說AlphaGo只能下圍棋，其他的棋類運動或者其他智力游戲，則需要另外設(shè)計一套系統(tǒng)。”華南理工大學軟件工程教授、博士生導(dǎo)師黃翰教授告訴記者。此外，大量AI系統(tǒng)不存在自我學習的功能，即只能使用當前已經(jīng)學習到的知識來解決當前問題，并不能從這些失敗的歷史教訓中，訓練得到更好的解決方案?！熬拖馎lphaGo的AI技術(shù)，依賴于設(shè)計人員對于問題的了解，但需要解決問題的‘出現(xiàn)規(guī)則’其實很難定義。當人類自己都面對沒有辦法解決的問題時，如何期盼設(shè)計出的AI算法能夠解決問題呢？”

無論是在馬路上，抑或在手術(shù)臺上，如果機器人不聽從“命令”，就很容易造成惡果。若想要克服弱點，黃教授表示，AI應(yīng)該不僅僅只是計算機視覺技術(shù)?！耙詿o人駕駛車為例，AI相關(guān)的計算機視覺技術(shù)可以檢測出交通標識的變化，但提示系統(tǒng)也可以參考其他信息來指導(dǎo)駕駛，例如獲取GPS實時路況，甚至查閱經(jīng)過相同路段其他車輛的行為，來輔助系統(tǒng)決策。

“交叉學科”的成立有利于AI技術(shù)發(fā)展

人工智能如今隨處可見，它已經(jīng)扎根于我們的生活，觸及我們生活的方方面面，從我們在網(wǎng)上決定購買什么書籍或機票，到保險申請是否成功，甚至罹患癌癥后要接受何種治療方法，都離不開它。

然而除了技術(shù)這個“硬件”之外，就目前而言，人工智能還需要面對其他問題。機器學習領(lǐng)域的先驅(qū)彼得·諾維格曾提出——人工智能面臨的最大挑戰(zhàn)不是技術(shù)，而是要想出新的辦法，來監(jiān)控或者審核人工智能目前正在發(fā)揮重大作用的眾多領(lǐng)域。

黃教授告訴記者，人工智能應(yīng)用技術(shù)發(fā)展的另外一個瓶頸，是交叉學科帶來領(lǐng)域知識鴻溝，這一點在我們國內(nèi)尤為明顯。

簡單來說，科學研究體系很多以單一學科進行劃分，這樣會造成交叉學科的應(yīng)用技術(shù)研究進展困難?！袄?，當人工智能應(yīng)用在金融或者醫(yī)療時，AI科學家需要研究金融與醫(yī)療領(lǐng)域知識的‘數(shù)字化表示’，這必然需要相關(guān)領(lǐng)域?qū)＜冶热缯f銀行家、醫(yī)生等支持?！彼f，“然而，目前這種‘跨領(lǐng)域合作研究’的方式，還沒有得到業(yè)界重視。所以部分人可能會誤認為，AI的問題僅靠某個單一學科就可以解決，如此一來，便為AI技術(shù)產(chǎn)業(yè)化過程中的投資和運營帶來了高風險?！?/p>

黃教授表示，所幸我國目前非常重視“交叉學科”的發(fā)展，不少知名高校和研究所都設(shè)立了交叉學科研究院，并且在科研經(jīng)費資助上，也鼓勵交叉學科的融合發(fā)展。

人工智能涉及領(lǐng)域，未來將繼續(xù)延伸

AI并非神人利器，也有軟肋；AI也并非洪水猛獸，很多方面均有建樹。雖然AI技術(shù)的崛起，將來可能會令一些人面臨失業(yè)問題，但我們不得不承認，在某些方面，AI的能力甚至遠遠超過了人類。

即使如此，卡內(nèi)基梅隆大學機器人教授金出武雄仍認為，我們不應(yīng)該把AI視為與人類競爭的東西，而應(yīng)該看作是可以增強我們自身能力的武器或工具，因為AI不僅能做好單調(diào)乏味的工作，還能夠識別出模式。

據(jù)黃教授介紹，相對于以往的固有模式來說，AI科技近年來有了不少新的突破，比如說神經(jīng)網(wǎng)絡(luò)技術(shù)、生物特征識別技術(shù)、對話式人工智能系統(tǒng)以及智能資源調(diào)配技術(shù)：

神經(jīng)網(wǎng)絡(luò)技術(shù)：尤其是深度學習技術(shù)通過GPU（圖形處理器）并行，使得其在許多工業(yè)應(yīng)用上出現(xiàn)了大量的應(yīng)用，包括智能翻譯系統(tǒng)、語音識別系統(tǒng)以及圖像處理等多個領(lǐng)域；

生物特征識別技術(shù)：包括人臉識別、生物動作分析、軌跡追蹤等多個方面的研究；

對話式人工智能系統(tǒng)：包括語音識別、人機交互、自然語言處理分析等多個方面的內(nèi)容；

智能資源調(diào)配技術(shù)：主要應(yīng)用于貨物運輸頻繁行業(yè)，對于資源的調(diào)度運輸有著嚴格的要求，根據(jù)現(xiàn)實交通運輸和產(chǎn)品庫存情況，實現(xiàn)產(chǎn)品的實時高效的調(diào)度。

“以上提到的只是一些應(yīng)用技術(shù)層面的概念，從科學本質(zhì)上看，AI的研究進展主要是‘知識表示’的研究進展。換句話說，當出現(xiàn)新的計算載體，例如量子計算、類腦計算和DNA計算等，AI的研究進展就會以不同的形式，在我們眼前閃亮登場?！秉S教授補充道。

在未來，人工智能可以涉及的領(lǐng)域，還將繼續(xù)延伸。