闵应骅的博客分享 http://blog.sciencenet.cn/u/ymin 一位IEEE终身Fellow对信息科学及其发展的看法

博文

人工智能与智能科学(171207) 精选

已有 4602 次阅读 2017-12-7 09:15 |个人分类:计算机|系统分类:观点评述|关键词:人工智能 智能科学

人工智能与智能科学(171207)

闵应骅

   最近看了朱松纯教授2017/9/24在中科院自动化研究所举办的《人工智能前沿讲习班—人机交互》报告的互动记录(修改整理版)(见附件)。学习了很多,有不少感触。结合自己的一些想法,和大家分享,欢迎批评指正。

1.最近人工智能为什么这么火?

   最近人工智能火到什么程度?政府、企业、技术开发者、科研人员都在宣传人工智能、开发人工智能应用、抢占人工智能高地;普通老百姓诚惶诚恐,不知道人工智能是怎么回事。这个高潮源于AlphaGo 战胜世界围棋冠军。其实让计算机下棋老早就在做了,为什么这次特火呢?过去的40年,IT行业有摩尔定律在支撑,芯片越来越便宜、容量越来越大、速度越来越快,需求就高速发展,IT行业内的人忙得不可开交,公司也赚得盆满钵满,软硬件该创新之处不计其数。就像盖房子,不断往高盖,房间多了,空地也多了,计算机的人就得想怎么用?空着不行啊!盖到100层以上,盖不上去了。就像现在,摩尔定律不灵了,怎么办?就要想各种不同的应用,譬如自动驾驶汽车、无人机、机器人、人脸识别、深度学习、大数据分析等等。但是,各种各样的应用太散、太广泛,所以都集中到人工智能名下,大家就都搞起人工智能来了。

2.最明显的两个误会

   人工智能的火热传到政府决策人手里、传到老百姓中间,就产生了很多误会。主要是两个:一个是机器人代替人工,会造成很多人失业,饭碗不保,有些人还计算多少多少人会失业。其实呢,历史上大的技术突破并没有对人类的工作产生毁灭性的打击。蒸汽机的诞生替代了传统的骡马、印刷机的诞生取代了传统的抄写员、农业自动化设施的产生替代了很多农民的工作,但这都没有致使大量的工人流离失所,相反,人们找到了原本属于人类的工作。黄包车没有了,出租车来了;三峡纤夫没了,大型轮船来了。机器人代替了许多辛苦的工作,而守护、维修、改进等高水平的工作在等着我们。所以,我们不必担心机器取代人类工作、造成人们失业的问题。另一个误会是一种恐慌的心态,以为智能机器人要超过人类,管控人类了,怎么办?有人甚至预测人类末日的到来。造成一些思想和舆论的混乱。这其实是一种完全没有必要的恐慌。下面会要谈到,智能机器人要达到人的智能水平还不知道是猴年马月的事情。只听说过上帝创造人,没听说过人创造人。不要自寻烦恼了好不好!

3.智能科学难而又难

   朱教授把智能科学(Science of Intelligence)分成了以下6个领域:计算机视觉(包括模式识别,图像处理)、自然语言理解与交流(包括语音识别、合成、对话)、认知与推理(包含各种物理和社会常识)、机器人学(机械、控制、设计、运动规划、任务规划等)、博弈与伦理(多代理人agents的交互、对抗与合作,机器人与社会融合等议题)、机器学习(各种统计的建模、分析工具和计算的方法)。内容很广泛,基本涵盖了目前已有的和能够看到的研究内容。我们知道,分类也是界定一个概念的方法。朱教授在报告中举出了许多例子来说明智能应该能做到什么。即使是这些,我们已经知道现有的人工智能技术离这个目标有多远。而且还有更多的问题值得思考。

(1)   从逻辑推理到概率思维

   正如朱教授在报告中所指出的,从1956开始,前30年以数理逻辑的表达与推理为主。这里面有一些杰出的代表人物,如John McCarthyMarvinMinskyHerbert Simmon。他们的工具基本都是基于数理逻辑和推理。我很欣赏他提到人工智能的创建者们,现在许多人工智能的文章和报告甚至根本不提到他们,我认为这是割断历史的,人工智能(Artificial Intelligence)这个领域都是由他们开启的。1980年代日本人搞五代机,所谓智能机,美国人根本就没把它当回事。到1990年代中期人们才开始找到了概率统计这个新“体制”:统计建模、机器学习、随机计算算法等,从而进入以概率统计的建模、学习和计算为主的时期。有了大数据,到处都是概率计算、随机分布、贝叶斯公式,可我担心这里的概率分布是否存在、大数定律是否成立。并不是随便什么不确定的东西就有概率分布,否则概率论为什么要有测度论的基础。譬如说在生物信息学里面,有人为了说明某一个基因和某一种癌症有关,就用大数据作统计分析,期望发Nature的文章。如果没得到满意的结果就调整参数、增加数据,直到得到一个满意的结果为止。如果这样做统计分析,甚至挑选样本数据,你基本可以得到任何你所要的结论。这样的结论可信吗?所以,从逻辑推理到概率方法还需要进一步的理论支持。

(2)   共性和个性

   朱教授详细论述了六类人类的智能,都很有道理。这是指人类智能的共性的东西。但是,人都是有个性的。有的人急躁,有的人冷静,处理问题的方式就非常不同。至于人的聪明程度那更是千差万别。现在人脸识别已经用在铁路验票上、用在银行ATM机上,我想这都是可能的,但这绝不意味着机器可以识别全世界70亿人。因为从人的脸上怎么也区别不出来70亿个特征。用在铁路验票上是因为铁路验票这个具体环境,以及其他许多相关的信息。用在ATM机上也一样。这当然有出错的可能,如果是故意设置一个场景,这种出错的机会一定可以很大。所以,如果智能机器不仅要有共性的智能,还要有个性,那就真只有上帝造人了?

(3)   智能机器人有什么要求?

   让机器人有某些智能是完全可能的,譬如下围棋的机器人本事就很大。但是,他会下围棋,可不一定会开汽车。智能机器要具有感知、认知、推理、学习、和执行的能力,就必须能够自主、自治、自学习、自修复、自繁殖。为什么要有自修复能力?人会生病,机器会出故障,抵抗疾病和故障的主要力量来源是自修复,没有自修复能力,所有医院、医生都是白扯。为什么要自繁殖?要想智能机器有个性,就必须自繁殖。否则就是千人一面,都是一个德性。能够和人一样,甚至超过人类的智能机器人是否可能创造出来?是个大问题。现在已经有科学家在论证300年内不可能有,或者说永远不可能有。智能机器人恐惧症者大可放心。

4.人工智能是一类工程科学

   我看到,对于朱教授的讲话,网上评论很多。一个主要的反应是:智能科学理论做不出来文章,而做应用的文章实验清楚,效果明显还立即可用,大家一望便知,名声响,引用多,曝光率高。事实也真是这样,现在,自动驾驶汽车、无人机、机器人、人脸识别、大数据分析、视频应用、机器翻译等已经带有智能,而且得到广泛应用,产业前景很光明。本质上,人工智能是一类工程科学,可以应用在各种应用场景中,它是就某一个特定的应用、在特定场景下,运用感知、认知、推理、学习、和执行的能力,解决一个特定的问题。这是有前途的,研制这些应用的人也是有前途的,这种自信应该要有。

   但是,无论你做什么应用都是有局限性的,不要误导民众。譬如当年搞机器翻译,出了个应用软件,就宣传说:乡镇企业家不懂英文没关系,只要有机器翻译就行了,你的来往信件和传真都可以用机器翻译。其实这是骗人的。外国人一个表情、一个眼神、一句俏皮话都可能表达一个意思,机器翻译是翻不出来的。我们看到,甚至在电视上看到机器人可以跟你说几句话,可那完全不表明可以做机器翻译了,换一句话他就不懂了。普通的对话可以,专门知识、艺术修养他没有,不可能翻译。从根本上说,在解决自然语言理解的问题以前,机器翻译的事情从根本上说是不可能解决的。做表演可以,给人看可以,给人用就有问题了。你会了英语900句,不等于你会了英语。

   人工智能应用包括感知、认知、推理、学习、和执行的全过程,它的两端:感知和执行主要依赖传感器和执行机构,牵涉到的学科是电子工程(EE)和机械。所以,不要光坐在屋里玩AI,要走出去做传感器、做机械手、机器人。这是很复杂的,甚至比你的深度学习还要难。我不否认现在人工智能方面的论文比较容易发表、学位论文也比较容易通过,但是真正让自动驾驶汽车跑起来,路还相当远,让经理一个人在二环路上跑一圈也许不太难,让二环路上的汽车都自动驾驶就难了。听说深圳有两辆公共汽车自动驾驶跑三站,不要忙于喝彩,公共汽车都无人驾驶可行吗?等等再看吧!2016年7月,特斯拉无人驾驶汽车发生重大事故,造成了一名司机当场死亡。美国的无人机已经夺去了2500至4000人的性命,其中约1000位平民,且有200名儿童。

   总之,我赞赏人工智能技术的进展,但头脑要冷静。从长远来看、从高可靠性角度来看,人工智能应用的远景规划还靠智能科学的进展。


浅谈人工智能:现状、任务、构架与统一  正本清源    来自ymin的微信     171104.docx




http://blog.sciencenet.cn/blog-290937-1088590.html

上一篇:分散化的诱惑(171116)
收藏 分享 举报

21 谢力 周健 赵克勤 彭贯军 强涛 许培扬 苏镇培 杨波 陈刚 杨正瓴 李斌 杨顺楷 汪啸 俞立 罗祥存 刘克 吴斌 黄秀清 王金良 谢平 赵美娣

该博文允许注册用户评论 请点击登录 评论 (17 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2017-12-14 14:13

Powered by ScienceNet.cn

Copyright © 2007-2017 中国科学报社

返回顶部