人工智能的研究現狀

人類首次提出“人工智能”一詞是在1956年的達特茅斯會議上。這次會議確立了人工智能這一新的研究領域。在這次會議上學者們達成了基本共識：“人類學習過程的各個方面，或者說智能的任何特征都可以被機器精確地描述，并且進行模擬。”從專業角度來說，一般把人工智能定義為“認識、模擬和擴展人的自然智能，目的是為人類服務”。研究人工智能是希望它能實現自然智能，然后擴展甚至加速人類智能的發展，并將其提高到更高水平及實現超智能。人工智能的發展已經走過六十三個年頭，取得了許多令人矚目的成就，給科技的進步和人們的生活都帶來了翻天覆地的變化，改變我們的社會和生活，使人類進入到一個更加高度發達和繁榮的智能時代。

人工智能研究主要分為三大學派：符號主義學派、聯結主義學派和行為主義學派。它們的興衰沉浮構成了人工智能發展的各個時期。三大學派在爭論中不斷積累并完善自身的理論，并沒有哪一種理論被證明過時或者完全拋棄，也沒有哪一學派統一了整個人工智能領域的研究。時至今日，這三種學派的研究仍然活躍在人工智能研究的前沿，并且相互融合、相互借鑒。

目前研究人工智能的主要方法包括：深度學習、深度強化學習、進化/群智計算、半/非監督訓練、對抗式生成網絡等等。典型的應用領域包括復雜優化與仿真、語音/圖像識別、自然語言處理、機器人技術、機器博弈、動態控制技術、大數據分析等等。其中，一些具有里程碑的成果包括ImageNet大規模物體檢測、人臉識別、自動駕駛、計算機圍棋程序（AlphaGO）、神經機器翻譯、機器作畫、聊天機器人、智慧醫療與教育、智能游戲等等。

中國人工智能的發展在不斷加快，行業競爭也在不斷加劇。由中國科研單位發表的關于人工智能的科研論文數量和申請專利數已經位居世界前列。目前在中國，語音和計算機視覺是國內人工智能市場最熱門的兩個方向，同時自動駕駛技術、智能金融、智慧醫療、人工智能教育、智能游戲等也在蓄勢待發。此外，傳統行業的公司也在積極引入人工智能，希望借助人工智能的力量賦能以提升自己在行業中的競爭力，以便在激烈的競爭過程中占得先機、立于不敗之地。2017年7月，國務院印發了《新一代人工智能發展規劃》的通知。這意味著我國的人工智能發展將進入一個全新的階段。人工智能應用將加快落地，并加深與各行各業的深度互連，促使經濟社會的各個領域向智能化推進。

在政策帶動和資金支持下，我國在人工智能的技術落地、為人民的生活提供便利等方面已經處于國際先進或領先行列。但是也必須承認，在各種人工智能技術的創新上，我國與國外一些研究機構和公司還存在很大差距。目前絕大多數的主流人工智能模型和算法基本都是由國外的研究學者提出來的，我國對于人工智能技術發展的貢獻還只是處于對這些模型和算法進行補充和提升的階段，即屬于跟蹤研究的行列。只是我們在將這些新的模型和算法進行產業化轉化方面做得更積極和迅速，仿佛呈現出一種全面繁榮的表象。在這一點上，我們必須具有清醒的頭腦，積蓄力量勇于追趕，方能在未來的發展中把握核心技術，引領人工智能的未來發展。

人工智能的發展

目前，人工智能的工作范式是大數據+深度學習+計算能力。大數據為人工智能提供豐富的數據與信息結構，深度學習提供自動學習方法與學習框架，計算能力為計算過程提速以支撐這種大數據的深度模型學習。未來的研究將以此為基礎，全面發展半監督學習、遷移學習、非監督學習、開放性復雜問題處理、多任務協同學習與處理以及類腦智能技術開發等。

未來的五到十年將是人工智能技術的飛速發展時期。在學術方面，有關基礎理論的研究將更加深入和細化，應用上將向不同的領域滲透，呈現出更加迅猛的發展勢頭。人工智能會快速取代某些傳統依賴手工作業的工作，促進產業快速升級換代，激生新型人工智能相關行業。人工智能將大大改變經濟發展模式、社會服務、社會生活，加速智能社會的來臨，增強現有工業，并在自動駕駛、醫療、教育、金融等行業輔助人類的生產和生活，為人類帶來極大的便利。未來，人工智能技術的發展會將人類社會發展推到一個前所未有的新高度，我國也將進入智能時代。

人類一直孜孜不倦地探索這個世界的本質，孕育了世界上所有的科學技術和奇思妙想，人工智能研究就是人類對其本身的研究和探尋。經過漫長的探索，人工智能研究迎來了前所未有的發展機遇，人類已經全方位探尋和認識智能的本質。

當前人工智能領域的三個主要研究方向是機器視覺、語音識別和自然語言處理，分別對應于人類的視覺、聽覺和語言能力。為了達到強人工智能水平，這些能力是必須的。得益于卷積深度神經網絡，機器視覺在近年來已經取得了長足發展，在物體識別準確率和人臉識別準確率上已經達到或者超過了人類水平。語音識別方面也已經比肩人類水平，識別效率近年來快速上升。自然語言領域也取得了很大進步，在一些具體任務上成效也非常顯著。

機器視覺當前的主要研究成就集中在對于具體物體的識別任務中，未來機器需要具備視覺場景理解能力，不僅要能夠準確地識別物體，還要能夠結合人類知識分析具體場景。該任務相比于簡單物體的識別要困難很多，機器要能夠具備通用的理解能力，挖掘視頻圖像中的主要內容。實現這個目標，從而創造人類水平的視覺能力，一直是機器視覺研究人員的終極理想。語音識別領域的未來發展方向則體現在復雜場景下的識別效率，并有效結合其他信息。解決自然語言處理問題是人工智能方向最重要的幾個方向之一。人類語言被認為是人類發展中非常關鍵的因素，正是因為能夠使用語言交流快速傳播知識，人類才能夠從物競天擇中脫穎而出。然而，語言本身非常復雜，蘊含了大量的邏輯、推理。目前的學習系統并不能夠很好地解決這些問題。通過未來幾年的發展，自然語言處理領域將可能取得很大的進展，會逐漸揭開語言理解的奧秘，使得機器具備通用語言理解和邏輯推理能力。

雖然，目前人工智能在視覺、語音還有自然語言處理能力上已經得到了較大提升，但是仍具有很大的發展和提升空間。在未來發展中，這三個主要領域的研究工作還會長期持續，并取得更加重大的研究成果。

人工智能的另外一個發展方向是從少量標記數據中理解世界。目前人工智能，特別是深度學習，需要大量的標記數據才能訓練，而且數據越多效果越好。但是，人類并不需要大量的示教就能理解世界，我們能夠在沒有大量標記數據的時候便形成良好的認識。比如，人們新見到一種植物的時候，就能馬上對這種植物構建出一種識別模式，而不需要反復觀察。目前的學習系統不具備這方面的能力，無法通過少量的樣本得出一種簡單的模式。所有這些系統目前都使用有監督的學習，在這個過程中, 機器是由人類標記的輸入訓練的。未來幾年的挑戰是讓機器從原始的、未標記的數據 （如視頻或文本）中學習。這就是所謂的無監督學習。人工智能系統目前不擁有“常識”。人和動物通過觀察世界，在其中行動，并且了解它的物理機制。部分專家認為無監督學習是通向具有常識的機器的關鍵。為此，必須重新定義無監督學習的方法，比如通過對抗學習重新定義目標函數。

基于目前全球對于人工智能制高點的重視，國務院發布的《新一代人工智能發展規劃》中明確指出了未來我國人工智能的發展重點，包括“大數據驅動知識學習、跨媒體協同處理、人機協同增強智能、群體集成智能、自主智能系統”。此外，對基于云計算、芯片等“邊緣化”的人工智能的相關研究以及關于類腦智能的研究也蓄勢待發。芯片化、硬件化、平臺化是必然趨勢。

人工智能從某種程度上正在超越人類本身，正如我們最初的期許那樣。然而人工智能的發展必須遵循人類社會的基本道德規范和行為準則，以防其對人類社會造成巨大的災難。人工智能是一個偉大的技術，它本身是中性的，可能被用于好的地方或者壞的地方，所以我們必須確保它的使用者是負責任的。這樣的擔憂并非空穴來風，在人工智能飛速發展的同時，與發展相匹配的規范也需要建立，并隨之進行完善。同時我們也要重視保證其發展過程中的公平性、可控性、替代性和道德性，讓人工智能技術更好地為人類服務，助力社會發展進步，促使人類社會進入全面的智能時代。

人工智能是一門多學科交叉的綜合性前沿學科，理論上還有待完善，技術上正逐漸突破，應用上正快速擴展和滲透到各行各業。隨著我國政府的強力支持和各大科技公司的大力投入，中國人工智能將在未來幾年進入一個黃金時代，中國將會在人工智能領域中發揮舉足輕重的引領作用。

【本文作者為北京大學信息科學技術學院智能科學系教授、博士生導師】

責編：趙博藝 / 楊 陽