中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

清華大學(xué)人工智能研究院院長、中國科學(xué)院院士張鈸上午進行演講，題目是「邁向第三代人工智能的新征程」。AI 科技評論根據(jù)現(xiàn)場速記把演講內(nèi)容整理如下。

張鈸：各位領(lǐng)導(dǎo)、各位專家、各位來賓，我今天講的題目是「邁向第三代人工智能的新征程」。這個題目是我經(jīng)過認(rèn)真考慮的，特別加了「新征程」。我一直向大家傳達(dá)一個信息，人工智能遇到新的機遇，如果我們有可能突破現(xiàn)在面臨的問題，人工智能就會長足往前發(fā)展。

人工智能有個特點，我今天在報告里面主要傳達(dá)這么個特點：大家不能指望人工智能一出來就畢其功于一役。它永遠(yuǎn)在路上，這就是人工智能的魅力所在。

我們看一下人工智能究竟做了什么事兒？第一件事就是第一代人工智能提出的符號模型，以知識經(jīng)驗為基礎(chǔ)的推理模型，這是人工智能的第一個重大突破。這個突破后來產(chǎn)生了一個結(jié)果，就是這個理論提出時有個非常樂觀的估計，1956年由西蒙提出，基于這種模型，十年之后機器可以打敗所有棋手，二十年以后機器取代人類所有的工作。實際并不是這樣，六十年以后機器才打敗棋手，機器究竟代替人類的所有工作是什么時間，可能還很遙遠(yuǎn)，這也是人工智能的另外一個特點，往往被高估。

人工智能的第一代模型，有優(yōu)點，但是也有很大局限性。這個優(yōu)點是顯然的，因為它是模仿人類的，它可解釋，魯棒性很強，但是它的局限性也非常大。因為最大的問題是人類的知識經(jīng)驗，很難準(zhǔn)確表達(dá)，這就是產(chǎn)生的后來人工智能冬天的根本原因。當(dāng)時的應(yīng)用很有限，幾乎沒有推廣，但是，有了大數(shù)據(jù)以后，這個問題得到了很大改善，特別是機器的能力提高以后，可以把大量的數(shù)據(jù)作為知識放在機器里，這就是最典型的沃森系統(tǒng)。

沃森系統(tǒng)可以做癌癥的免疫治療，這里面用多少知識呢？100萬個醫(yī)學(xué)雜志中抽取的2500個摘要，400萬病人的數(shù)據(jù)，再加上1861年以前所有藥物的專利，它有醫(yī)學(xué)知識，并聯(lián)的數(shù)據(jù)再加上藥物知識，就可以做癌癥的免疫治療。當(dāng)然了，很多慢性病的治療和管理，這個系統(tǒng)也做得很好，中國的國內(nèi)也有大量這方面的工作在探索和研究。

第二代人工智能，一個最重要的成果就是深度學(xué)習(xí)。也就是說，第一代人工智能提出來，如果能夠很好地利用人類的知識，就可以建立很好的人工智能系統(tǒng)，如果我們有充分?jǐn)?shù)據(jù)，也有可能建立起有用的人工智能的系統(tǒng)。

深度學(xué)習(xí)為什么這么受重視？一個很重要的原因，它有兩個重大變化。當(dāng)網(wǎng)絡(luò)層次增加以后，有兩個重大變化：第一個變化，輸入只要原始數(shù)據(jù)，不需要預(yù)處理。第二個是性能提高很多，這就造成了深度學(xué)習(xí)的重大突破。也就是說，它從一定意義上有通用工具，對領(lǐng)域的知識要求不高，同時能夠處理大數(shù)據(jù)。

這就帶來很大的變化，大家也看到了，語音識別，2001年時它的識別率停留在80%，也就是20%的誤識別率；2016年誤識率就降到了5.9%，達(dá)到專業(yè)速記員的水平，到了2017年，所有產(chǎn)品包括谷歌、微軟，包括中國的訊飛、百度，用的全是深度學(xué)習(xí)。

變化更大的是圖像識別。有一個標(biāo)準(zhǔn)的圖像識別數(shù)據(jù)集 ImageNet，大家知道，2011年，它的誤識率是50%，有一半認(rèn)錯了。但是四年以后，2015年就超過了人類水平，原因也是利用了深度學(xué)習(xí)。

最后一個，給大家印象最深就是AlphaGo，大家都知道了。因此就有很多估計，十年之內(nèi)代替40%以上人類的工作，三五年里面，智能駕駛車就可以量產(chǎn)，等等，剛剛李院士說到了這個問題，他分析得很深刻。實際三五年里面不可能量產(chǎn)。

技術(shù)已經(jīng)完全成熟，我們現(xiàn)在的研究已不成熟，主要是應(yīng)用問題。為什么在人工智能上往往產(chǎn)生樂觀估計？主要原因有兩個：一個是對發(fā)展人工智能的困難性估計不足，對取得的成果估計過高。一個估計不足，一個估計過高，就產(chǎn)生了問題。另外一個很重要的原因，受歷史事件的影響。過去我們發(fā)現(xiàn)，有了蒸汽機以后就產(chǎn)生了工業(yè)革命，有了電動機發(fā)動機以后就產(chǎn)生了電氣革命，有了計算機以后產(chǎn)生了信息革命，大家很希望有一個東西出來以后引起人工智能的革命。

現(xiàn)在的問題是，有沒有？至今為止，還沒有發(fā)現(xiàn)人工智能里面的蒸汽機和計算機。曾經(jīng)最開始寄希望于符號模型，結(jié)果發(fā)現(xiàn)符號模型也沒有那么管用。第二次發(fā)現(xiàn)的是大數(shù)據(jù)+深度學(xué)習(xí)，以為大數(shù)據(jù)+深度學(xué)習(xí)就是人工智能的蒸汽機和計算機，為什么這樣？

這不能不考慮到人工智能的特點，我們說深度學(xué)習(xí)根本不是AI的通用機?，F(xiàn)在大家在尋找通用的人工智能，到底有沒有，還有爭論，不去管它，但至少深度學(xué)習(xí)不是人工智能。這個非常明顯，第一代人工智能也好，第二代人工智能也好，它的應(yīng)用場景必須滿足以下五個條件。

從正面來講，所有的應(yīng)用場景，如果滿足以下五個條件，計算機絕對能夠戰(zhàn)勝人類，不管這個問題多么復(fù)雜：具有豐富的數(shù)據(jù)或知識，完全信息，確定性信息，靜態(tài)，單領(lǐng)域和單任務(wù)。

最明顯的例子是圍棋，圍棋多么復(fù)雜，但是圍棋滿足這五個條件，所以計算機戰(zhàn)勝在圍棋上戰(zhàn)勝人類是早晚的事情。所以從正面來講，如果你滿足這五個條件，不管多復(fù)雜，計算機絕對戰(zhàn)勝人類。長遠(yuǎn)來看，如果你的應(yīng)用場景不完全滿足這五個條件，其中有些條件不滿足，你這個工作就變成困難。自動駕駛為什么如此困難？根本的原因在這里。為什么我們難以做出來廉價、可靠的自動駕駛呢？背后的原因就在這里，因為自動駕駛很多條件都不滿足，它不是完全信息，它不是確定性信息，它不是靜態(tài)的環(huán)境，或者是按照確定性規(guī)律演化的，它的很多東西是不可預(yù)測的，它也不是單領(lǐng)域的，里面有人駕駛的車、行人、其它車輛。所以剛剛李院士提出來專用道，就是把這些東西弄干凈，變成單領(lǐng)域。所以我們一直說，如果有些條件是不符合這五條，你就需要下功夫。

現(xiàn)在人工智能能夠在這些領(lǐng)域里面得到應(yīng)用，換句話說，這些領(lǐng)域里面有很多應(yīng)用產(chǎn)品符合剛才講的五個條件。如果這些領(lǐng)域里面的應(yīng)用場景符合五個條件，大家大膽去做，絕對會超過人。根據(jù)現(xiàn)在計算機強大的力量，是可以做到這一點的。但是，這些應(yīng)用里面，也有大量不符合那五個條件的，大家必須下功夫，不能指望靠現(xiàn)在的第一代、第二代人工智能去解決它。

舉個簡單的例子，復(fù)合場景下的決策，完全信息條件下的決策或者完全信息下的博弈，計算機戰(zhàn)勝人類是絕對的。下面一個問題，不完全信息的博弈及打牌，大家都知道，今年5月份對撲克牌這個問題也解決了。換句話說，6人無限注的德州撲克，計算機能戰(zhàn)勝人類，這就意味著概率意義下的不確定性，機器也可以戰(zhàn)勝人類。但是人類的決策環(huán)境都不符合前面兩個條件。所以在復(fù)合環(huán)境下的博弈或者復(fù)雜環(huán)境下的決策，機器跟人類還差得比較遠(yuǎn)。從這里來講，應(yīng)用場景是極為重要的。

第二個，我們必須要重視的，用數(shù)據(jù)驅(qū)動的方法做出來的系統(tǒng)，有大量毛病，或者說這些毛病是根本性的，是極為危險的。這里面列出來的，簡單舉個例子，一個圖像識別系統(tǒng)，都可以說它的識別率超過人類，但是這個圖象識別系統(tǒng)跟人類的感知完全不同。

就是這樣的系統(tǒng)，你給它噪聲，它可以識別為知更鳥。你給它一個噪聲，它可以識別為獵豹。換句話說，模式識別系統(tǒng)并沒有達(dá)到人類認(rèn)知的水平，只達(dá)到低等動物的水平，所以感知這個詞翻譯得非常好，感覺+知覺，低等動物只有感覺，沒有認(rèn)知。所以機器現(xiàn)在達(dá)到的水平是低等動物的水平，它可以分辨不同的物體，但是它本質(zhì)上不認(rèn)識這個物體。另外是它非常脆弱，非常容易受攻擊。

這是阿爾卑斯山圖片，人起來是，機器看起來也是，只要給它加上噪聲，右邊這個圖和左邊那個圖，唯一的區(qū)別是噪聲多一點，人看起來還是阿爾卑斯山，機器看起來是一條購，而且它的置信度是99.99%，它99.99%認(rèn)為這是一條狗，非常容易受欺騙，這就說明機器跟人的認(rèn)知差異非常大。

語音也是同樣的道理，前面的英文說的是一句話，我們加上一點點噪聲，人聽起來還是一樣的，機器聽起來就是另外的內(nèi)容，這就非常危險。

搞軍事的人說，過去你語音傳過去，它進行干擾，你聽不見而已?，F(xiàn)在語音傳過去，它說進攻，可以讓你聽成退卻，加一點噪聲就行了，這就是AI的安全性。

另外，缺少自我知識，這是非常重要的。你說我用這個話，讓它翻譯，「說你行的人行」，這句話計算機怎么翻呢？「說你專業(yè)的人行道」，瞎翻，為什么瞎翻？它不知道自己不知道，沒有任何自知之明。這是很危險的。為什么翻譯成人行道呢？「人行」，它以為是人行道。為什么翻譯成「你的專業(yè)」呢？「你行」。這是非常危險的。大家想想，我?guī)Я艘粋€翻譯，翻譯水平挺高的，大多數(shù)翻譯是很準(zhǔn)確的，但是他會瞎說，你敢用嗎？人類不會，因為他知道這句話如果沒有聽明白會再問是什么意思，計算機沒有自知之明，人貴有自知之明，這是人類智慧的一個部分。怎么讓機器有自知之明？這是很困難的事。

下一步，我們現(xiàn)在有個新的歷史機遇，就是邁向第三代人工智能。第三代人工智能就要糾正前面說的兩個局限性，建立可解釋、魯棒的人工智能理論，發(fā)展安全、可信、可用的人工智能技術(shù)，促進人工智能的創(chuàng)新應(yīng)用。

我們成立人工智能研究院就是想擔(dān)負(fù)這個責(zé)任，用什么辦法解決這個問題？就通過一個核心和兩個融合：一個核心是加強基礎(chǔ)研究，必須從理論上去突破。我們剛才講了，深度學(xué)習(xí)，所以有這么多毛病，這個原因是它的原理開始的，它的原理就不對，不是用人類一樣的原理。所以我們必須更好地去解決它，才有可能往前邁進。用的方法主要是兩條：一個是多學(xué)科交叉，必須多學(xué)科交叉，跟心理學(xué)、神經(jīng)科學(xué)。大家知道，第一個模型是心理學(xué)家提出來的，第二個模型是神經(jīng)科學(xué)家和數(shù)學(xué)家提出來的，都不是計算機的人提出來的，必須要加強學(xué)科交叉，應(yīng)用結(jié)合。

我們一共成立了十個研究中心，包括全校的18個系和學(xué)院，利用各種學(xué)科，不光是計算機的，不光是信息領(lǐng)域的，也有心理學(xué)的、法律的、文學(xué)的，都參與進來。

除了技術(shù)上的研究以外，目前人工智能的技術(shù)與治理也是重大的問題，現(xiàn)在清華大學(xué)也參與了這個工作，必須在國際上要有我們的話語權(quán)，要在這個問題上發(fā)出中國的聲音。做的辦法有兩條：一條是新原理和新模型，就是跟其它學(xué)科交叉，我們都在做。還有腦科學(xué)啟發(fā)的，還有神經(jīng)科學(xué)的。把數(shù)據(jù)驅(qū)動和知識驅(qū)動結(jié)合起來，也是重點做的內(nèi)容，我們已經(jīng)有不少成果。大家看展覽，我們用的珠算平臺開了一個公司，就是應(yīng)用新的算法，比谷歌算法又進了一步，帶了第三代算法的特色。第一輪投資，對我們平臺的估值是7億人民幣。這個平臺跟國際已有的其它平臺相比，還是有很多優(yōu)勢的。我們也在知識表示、知識推理上做了很多工作，還有小樣本、因果推理。常識，剛才李院士也提到常識推理。

最后做一下總結(jié)，人工智能的確是本世紀(jì)最重要的發(fā)展領(lǐng)域之一，它的發(fā)展將會對人類產(chǎn)生重大影響。但是我們一直強調(diào)，人工智能不像以前遇過的科學(xué)，以為某一個定理解決了，所有問題就迎刃而解。人工智能太復(fù)雜了，我們要不斷往前推進，才能使人工智能進一步發(fā)展。