目前人工智能正在從感知智能走向認(rèn)知智能,將帶來新一輪的技術(shù)變革和社會(huì)經(jīng)濟(jì)變革。
4月7日,百分點(diǎn)科技特別邀請百分點(diǎn)認(rèn)知智能實(shí)驗(yàn)室名譽(yù)主任、自然語言處理(NLP)領(lǐng)域的國際著名學(xué)者、ACL終身成就獎(jiǎng)得主、中國中文信息學(xué)會(huì)名譽(yù)理事長李生教授,以“人工智能正在由感知走向認(rèn)知”為主題進(jìn)行了講座分享。
|感知有所突破 認(rèn)知還在路上
李生教授認(rèn)為,人工智能經(jīng)歷了規(guī)則推理、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)三個(gè)階段,基于多層人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)是目前人工智能最有效的學(xué)習(xí)算法。深度學(xué)習(xí)在識別(感知智能)上已有突破,但在理解(認(rèn)知智能)上還有局限性,即將碰到天花板。
這是因?yàn)?人類對世界的認(rèn)識可分為感性認(rèn)識和理性認(rèn)識兩種,感性認(rèn)識只能看到事物的表象,理性認(rèn)識能察覺到事物的本質(zhì),能更深刻、更全面、更可靠地反映事物的本來面目,從而引導(dǎo)人們按規(guī)律辦事,有效地改造世界。
人工智能是對人類智能的模擬,也因此,感知智能對應(yīng)著感性認(rèn)識(識別),認(rèn)知智能則對應(yīng)著理性認(rèn)識(理解)。
目前,深度學(xué)習(xí)在人工智能兩大應(yīng)用技術(shù)——機(jī)器視覺和語言語音處理方面都取得了“識別”上的突破,同時(shí)也遇到一些“理解”上的挑戰(zhàn):
在圖像識別方面,深度學(xué)習(xí)甚至超過人類。有了深度學(xué)習(xí)之后,機(jī)器自動(dòng)提取特征,解決了人工提取難度大、效率低的問題,圖像分割、目標(biāo)檢測、目標(biāo)跟蹤、圖像檢索、圖像增強(qiáng)和圖像濾波降維等都有了極大進(jìn)展。但它自適應(yīng)性及泛化能力還不強(qiáng),光線以及遮攔都可能降低其穩(wěn)定性。
同時(shí),計(jì)算機(jī)視覺還有一個(gè)更重要方向——三維重建,它要求對圖像進(jìn)行語義理解,通常用于與環(huán)境的有效交互。比如CT等醫(yī)學(xué)影像的三維重建,還有自動(dòng)駕駛及VR、AR等方面,需要走重建與識別融合的道路。
在語音處理方面,語音處理(識別)屬于感知的范疇,而語言處理特別是文本語言的處理則需要更多對語義的理解。語言理解的實(shí)質(zhì)是語義理解(說話人的意圖),目前還十分困難,一方面是由于語言的歧義性(一詞多義)和多樣性(一義多詞);另一方面是高度依賴知識,除上下文內(nèi)容之外,還有語言知識(語法結(jié)構(gòu))、專業(yè)知識、背景知識、常識性知識和先驗(yàn)知識等。
語義理解是自然語言處理(特別是機(jī)器翻譯)的重點(diǎn)也是難點(diǎn),如何從形式與意義的多對多映射中,依據(jù)當(dāng)前的語境找出一種最為合適的對應(yīng),是語義理解的核心問題。
也因此,無論是計(jì)算機(jī)視覺還是語音識別,都需要“理解”能力。但由于當(dāng)前人工智能缺乏理解,導(dǎo)致“認(rèn)知還在路上”。李生教授認(rèn)為,人工智能進(jìn)一步的發(fā)展必須逾越人類大腦思維能力鴻溝,解決不了推理問題機(jī)器就難以實(shí)現(xiàn)真正的認(rèn)知。
具體來說,深度學(xué)習(xí)目前還是引領(lǐng)人工智能發(fā)展的核心技術(shù),作為多層神經(jīng)網(wǎng)絡(luò),受腦神經(jīng)科學(xué)的啟發(fā)而發(fā)展起來。深度學(xué)習(xí)是聯(lián)結(jié)主義代表,基于概率統(tǒng)計(jì)的算法,采用監(jiān)督學(xué)習(xí)方式,并需要用大量標(biāo)注數(shù)據(jù)去訓(xùn)練模型,再用訓(xùn)練好的模型去測試未知數(shù)據(jù)。
但是,基于統(tǒng)計(jì)的數(shù)據(jù)驅(qū)動(dòng)方法可能準(zhǔn)確率很高,但其魯棒性差,經(jīng)不起干擾,性能高低主要取決于訓(xùn)練數(shù)據(jù)的質(zhì)量。
而符號主義是研究并模擬人的思維方法,使用符號、規(guī)則和邏輯來表征知識,進(jìn)行邏輯推理。因此,未來的機(jī)器理解也應(yīng)該像人一樣,走歸納與演繹融合的道路,將聯(lián)結(jié)主義與符合主義相結(jié)合,將統(tǒng)計(jì)與推理相結(jié)合。
|從學(xué)術(shù)界出發(fā) 在產(chǎn)業(yè)界落地
總體來說,當(dāng)前人工智能仍然依賴算法,所用的深度學(xué)習(xí)算法還存在著不具備小樣本學(xué)習(xí)功能、泛化能力和抗干擾能力不強(qiáng)、不具備思考和知識推理能力等一系列局限性,人工智能的研究任重道遠(yuǎn)。
近年來,深度學(xué)習(xí)不斷在網(wǎng)絡(luò)深度和網(wǎng)絡(luò)結(jié)構(gòu)上做文章,但不管怎樣,它還是受腦啟發(fā)而不是類腦,人工智能與人類智能比較起來還存在著沒有意識、不能思維、不能推理等一些根本性的差異。
因此,李生教授認(rèn)為,不具有完全推理能力的人工智能不能算作真正的人工智能。人工智能的未來應(yīng)該是逐漸逼近人類智能,可能會(huì)有人腦思維和電腦思維兩種途徑,因此要從二者的差異入手,找出人工智能未來發(fā)展的出路。
未來需要研究與應(yīng)用并進(jìn),從學(xué)術(shù)界出發(fā)、在產(chǎn)業(yè)界落地,用產(chǎn)業(yè)落地來推動(dòng)學(xué)術(shù)的進(jìn)一步突破。研究與應(yīng)用并進(jìn),技術(shù)與產(chǎn)業(yè)需求結(jié)合,變成可以落地的應(yīng)用系統(tǒng)。
在互動(dòng)交流中,被問及人工智能未來的發(fā)展方向時(shí),李生教授表示,近年來人工智能主要是歸納綜合,還不是演繹推理,比如GPT-3等訓(xùn)練模型體量大,能處理TB級的數(shù)據(jù)容量,但都屬于蠻力操作。
李生教授介紹,人工智能是個(gè)多學(xué)科交叉的技術(shù)領(lǐng)域,大家要不斷學(xué)習(xí),啟發(fā)自己的思維,從現(xiàn)有的多學(xué)科研究成果中不斷獲取經(jīng)驗(yàn),從而實(shí)現(xiàn)創(chuàng)新實(shí)踐。生物需要智能,市場也需要智能,做一個(gè)學(xué)術(shù)界和商業(yè)界兼得的優(yōu)秀智能人才。
由于機(jī)器善于計(jì)算數(shù)據(jù),人類善于處理知識;機(jī)器對于解決靜態(tài)的,確定性的問題是強(qiáng)項(xiàng),而人類經(jīng)常遇到的是動(dòng)態(tài)的不確定性的問題。因此,要想突破人工智能的局限性,需要用腦科學(xué)牽頭,帶動(dòng)計(jì)算機(jī)科學(xué)和數(shù)學(xué)等學(xué)科的深入研究。
未來要進(jìn)行“兩個(gè)加強(qiáng)三個(gè)結(jié)合”,一方面要加強(qiáng)基礎(chǔ)理論研究,包括腦科學(xué)和認(rèn)知科學(xué)、數(shù)學(xué)(微積分,線性代數(shù),概率統(tǒng)計(jì),邏輯推理)和計(jì)算機(jī)科學(xué)(算法,結(jié)構(gòu));另一方面加強(qiáng)基礎(chǔ)設(shè)施建設(shè),包括芯片、傳感器、算法和平臺(tái)。
同時(shí),在基礎(chǔ)理論上進(jìn)行學(xué)科交叉,用腦科學(xué)帶動(dòng)數(shù)學(xué)和計(jì)算機(jī)科學(xué),其算法是核心,學(xué)習(xí)一點(diǎn)復(fù)雜性和不確定性理論,研究一下復(fù)雜性和不確定性算法。
具體來說,要將軟件算法與硬件芯片結(jié)合、知識推理與數(shù)據(jù)統(tǒng)計(jì)結(jié)合、機(jī)器計(jì)算與人類認(rèn)知結(jié)合。 單純的經(jīng)驗(yàn)論和單純唯理論都會(huì)束縛人工智能的手腳,只有在理論基礎(chǔ)上取得根本性突破,才能避免走進(jìn)死胡同。
李生教授表示,人工智能的發(fā)展在于對人腦智能機(jī)理的逼近程度,是讓機(jī)器理解、掌握并運(yùn)用人類知識。 機(jī)器永遠(yuǎn)是人類的助手和工具,面對它、掌握它、用好它,人機(jī)融合才是發(fā)展的出路。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
