人工智能正在從感知走向認(rèn)知

李生 蘇功臣

算法、數(shù)據(jù)、算力三方面相關(guān)技術(shù)不斷進(jìn)展，最終促成了最近一次人工智能大發(fā)展。人工智能的四個方面，計算、感知、認(rèn)知、決策，“我中有你、你中有我”，連續(xù)向前。從宏觀上看，現(xiàn)在人工智能正在從感知走向認(rèn)知，通過深度學(xué)習(xí)的算法，感知智能已經(jīng)有了很大突破，但是對于認(rèn)知智能，它還剛剛開始或者說還在路上。

人工智能從1956年達(dá)特茅斯會議之后經(jīng)歷了三起兩落。2016年AlphaGo人機(jī)大戰(zhàn)轟動世界，迎來了人工智能第三次高潮。這一輪高潮的興起得益于基于多層人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，使得在感知智能上取得突破，并在產(chǎn)業(yè)界的多種場景下廣泛應(yīng)用。但是，當(dāng)前的人工智能還稱不上真正的人工智能。未來必須加強(qiáng)基礎(chǔ)理論研究，以求在認(rèn)知智能方面取得技術(shù)突破，開辟一條人工智能發(fā)展新路徑。

一、人工智能的“三叉戟”

這輪人工智能高潮的到來，主要依賴三個方面的進(jìn)步：算法、數(shù)據(jù)、算力。在這三個方面中，算法是工具，數(shù)據(jù)是原材料，以及把原材料送到算法工具里面加工所需的動力能源——算力。

目前作為工具的算法，采用了基于多層人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)。這種深度學(xué)習(xí)結(jié)構(gòu)受人的大腦工作機(jī)理和結(jié)構(gòu)的啟發(fā)，方法上是對數(shù)據(jù)進(jìn)行概率統(tǒng)計分析。

大數(shù)據(jù)的出現(xiàn)使得深度學(xué)習(xí)算法的準(zhǔn)確率大幅提升。大數(shù)據(jù)是由于計算機(jī)特別是互聯(lián)網(wǎng)的興起之后，包括各種企業(yè)事業(yè)各種數(shù)據(jù)、社會科學(xué)人際交往的信息，被記錄保存起來，用于社會計算。但是，用于人工智能對大數(shù)據(jù)也有較高要求。首先數(shù)據(jù)是經(jīng)過標(biāo)注的大數(shù)據(jù)，比如有一張圖片標(biāo)注這是個貓，另外圖片標(biāo)注是個狗，等等。其次數(shù)據(jù)標(biāo)注的質(zhì)量要高，質(zhì)量不高、標(biāo)注不準(zhǔn)確，就容易造成最后結(jié)論偏差。再次是標(biāo)準(zhǔn)的數(shù)據(jù)分布的面要廣泛、合理。比如一個動物標(biāo)注的顏色過多了，但是對其它方面比如眼睛、耳朵什么的標(biāo)注少了，就容易產(chǎn)生偏差。最后要求標(biāo)注的數(shù)據(jù)量要大，經(jīng)常是幾千萬上億的數(shù)據(jù)量。

數(shù)據(jù)在算法加工過程當(dāng)中需要強(qiáng)大的計算能力和存儲空間，也就是需要強(qiáng)大的算力。早先計算機(jī)主要的功能是計算和存儲，CPU芯片主要為計算服務(wù)?，F(xiàn)在進(jìn)入人工智能階段之后，它涉及的計算量大，而且主要是矩陣運(yùn)算，而CPU在線性的加減乘除運(yùn)算表現(xiàn)出色，但微分積分、矩陣運(yùn)算就相對比較困難了。所以現(xiàn)在是借用了游戲當(dāng)中的處理矩陣運(yùn)算的GPU器件進(jìn)行運(yùn)算。另外，云計算的出現(xiàn)，也提高了計算能力。它實際上是一種虛擬計算，是把多臺計算機(jī)聯(lián)網(wǎng)之后，分配任務(wù)，進(jìn)行分布式運(yùn)算，完成之后匯總再由一臺計算機(jī)呈現(xiàn)結(jié)果。

二、人工智能四階段

算法、數(shù)據(jù)、算力三方面相關(guān)技術(shù)不斷進(jìn)展，最終促成了最近一次人工智能大發(fā)展。往前回溯，人工智能的起源在于人的智能。那么，什么是人的智能？

我們知道，人類是人、機(jī)、物三元世界的核心。人類的生活、生存要依賴物（物質(zhì)、環(huán)境等），欲提高生活生存的質(zhì)量需要機(jī)（工具、蒸汽機(jī)、電動機(jī)、計算機(jī)、互聯(lián)網(wǎng)、人工智能等）的輔助。從歷史上看，工業(yè)社會減輕了人的體力勞動;未來高度智能化的社會必將減輕和拓展人的腦力勞動。人類所具有的智能，來源于知識，而知識在于學(xué)習(xí)。智能則是學(xué)習(xí)和求解問題的能力。這是推動人類進(jìn)步和社會發(fā)展的強(qiáng)大動力，也是人具有的區(qū)別于其他動物的能力。

簡單說，人工智能就是模仿或者模擬人類智能的能力，是用計算機(jī)來模仿人類學(xué)習(xí)和求解問題的能力。“看”和“聽”對人類認(rèn)識世界具有決定性作用，但是看到的和聽到的并不一定都是真實的——這里存在知覺偏差的問題。所以我們強(qiáng)調(diào)要透過現(xiàn)象看本質(zhì)，也就是說存在著“感知—現(xiàn)象”“認(rèn)知—本質(zhì)”兩對相應(yīng)的概念。認(rèn)知的核心是反饋，是一個“抽象迭代——思維推理”的過程，所以才有“學(xué)而不思則罔”“不是收到籃子里的都是菜”的說法。

因此，人工智能仿照人的智能從根本上來說有兩項大任務(wù)，一項是模式識別，采用統(tǒng)計方法得到感知，從經(jīng)驗當(dāng)中學(xué)習(xí);一項是語義理解，用邏輯推理或知識推理的方法以求解決“認(rèn)知”的問題。

具體說來，人工智能包含四個方面，計算、感知、認(rèn)知、決策。計算機(jī)于1946年問世，當(dāng)時的主要功能是數(shù)值計算，當(dāng)然也就具備計算智能。到1956年，在達(dá)特茅斯會議上提出讓計算機(jī)來模擬人的智能，才正式出現(xiàn)了“人工智能”的概念。人憑借著五官感覺外部事物，感覺、感知周圍環(huán)境，那么機(jī)器就通過傳感器來模仿人的感覺器官，來感知世界和外部環(huán)境，所產(chǎn)生的信息經(jīng)過機(jī)器的中樞進(jìn)行加工，實際上是對感知階段感知到世界和外部的信息進(jìn)行深層次的加工和處理，這就是機(jī)器智能的認(rèn)知階段，然后再產(chǎn)生決策。這其中最重要的是感知和認(rèn)知。

人工智能這幾個方面有什么區(qū)別和聯(lián)系？計算智能的實現(xiàn)，首先需要問題的數(shù)據(jù)化，才能有計算智能可以處理的“原材料”。另外，問題的解決還需要一定的方法、策略和步驟，這個步驟就是程序，即用計算機(jī)語言編程。這些程序告訴機(jī)器，解決和處理問題的過程，先做哪個，后做哪個。但是在計算智能階段，這個程序需要人工編寫，涉及到的工作量很大。發(fā)展到感知智能之后，解決了由人來編程工作量大的問題，程序的編制由機(jī)器自己自動完成了。程序自動化從發(fā)展來看也是經(jīng)歷了從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的階段。數(shù)據(jù)特征在機(jī)器學(xué)習(xí)階段是靠人工提取的，而發(fā)展到現(xiàn)在用深度學(xué)習(xí)的方法，數(shù)據(jù)特征實現(xiàn)了由機(jī)器自動提取。

需要強(qiáng)調(diào)的是，人工智能發(fā)展的這四個階段并不是截然分開的，而是既有階段性又有連續(xù)性。在發(fā)展感知智能的過程中，就在為認(rèn)知智能做相應(yīng)的工作。當(dāng)初馮·諾伊曼和圖靈同時發(fā)明了計算機(jī)的體系結(jié)構(gòu)，計算機(jī)問世，主要解決的是計算智能的問題。但是圖靈在那個時代，已經(jīng)為人工智能做起了儲備，已經(jīng)提出著名的“圖靈測試”問題，預(yù)測了下一個階段的實踐，推動了第二個階段的發(fā)展。感知智能、認(rèn)知智能有階段性，但是階段也是“我中有你、你中有我”，之間存在著連續(xù)性。

三、深度學(xué)習(xí)的崛起

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種。機(jī)器學(xué)習(xí)是先用數(shù)據(jù)訓(xùn)練（學(xué)習(xí)）模型，獲得規(guī)律（知識），再用訓(xùn)練好的模型去預(yù)測未知數(shù)據(jù)。運(yùn)用數(shù)據(jù)訓(xùn)練好了的算法，叫模型，無須人工預(yù)先編程。在學(xué)習(xí)的過程中，算法、數(shù)據(jù)、算力三個要素，核心是算法。

現(xiàn)在感知智能階段采用了深度學(xué)習(xí)的算法。這種算法的設(shè)想在上個世紀(jì)五六十年代就已經(jīng)有了，但設(shè)想還不完善，另外還沒有數(shù)據(jù)的支撐和算力的支持。直到2006年，Hinton，這位被譽(yù)為深度學(xué)習(xí)之父的大師，提出了反向傳播（BP）算法，解決了訓(xùn)練誤差的問題，深度學(xué)習(xí)才開始嶄露頭角。2012年，在BP算法基礎(chǔ)上發(fā)展起來的CNN算法，在世界圖像識別大賽上，與世界各地的學(xué)者推出的各色算法、模型一較高低，成績突出，其準(zhǔn)確率高出第二名10%左右，準(zhǔn)確率達(dá)到85%，一舉拔得頭籌。這種新算法于是被世界各國的學(xué)者青睞。時隔四年，2016年，計算機(jī)AlphaGo和韓國圍棋大師人機(jī)大戰(zhàn)，取得了4勝1負(fù)的成績，引起人們廣泛關(guān)注和高度重視，直接助推第三次人工智能高潮的到來。

深度學(xué)習(xí)的多層人工神經(jīng)網(wǎng)絡(luò)是由一個輸入層一個輸出層及若干個隱含層所組成，每層中的人工神經(jīng)元與相鄰層中的神經(jīng)元相連接。隱含層一步一步對數(shù)據(jù)進(jìn)行逐層深加工。腦科學(xué)研究表明，人類大腦大約由850億個神經(jīng)元組成，每個神經(jīng)元約有1000個突觸與其相連。當(dāng)神經(jīng)元受到刺激而興奮時，就會向與其相連接的神經(jīng)元傳遞脈沖，從而改變這些神經(jīng)元中的電位，超過某一“閾值”的話，該神經(jīng)元就會被“激活”，即也隨之“興奮”，興奮起來的神經(jīng)元又會向與其連接的神經(jīng)元傳遞神經(jīng)脈沖。大腦皮層的神經(jīng)元通過突觸相連，分層分區(qū)形成神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)的結(jié)構(gòu)是受腦啟發(fā)的多層人工神經(jīng)網(wǎng)絡(luò)，信息處理過程是分層的，具有非線性處理、自動提取特征的特點，高層特征是底層特征的組合，從底層到高層特征的表示越來越抽象，越來越能表現(xiàn)語義或意圖。 深度學(xué)習(xí)算法尤其是與大數(shù)據(jù)結(jié)合之后，把其他人工智能技術(shù)遠(yuǎn)遠(yuǎn)拋在了后面，成為引領(lǐng)人工智能發(fā)展的核心技術(shù)。

深度學(xué)習(xí)在感知上已經(jīng)有重大突破，特別在識別上，現(xiàn)在刷臉隨處可見，語音識別在同聲傳譯上取得很大成就，在自然語言處理（NLP）也取得了進(jìn)步。在NLP上，用深度學(xué)習(xí)的辦法，把一個句子或者一個短語、詞組投影到一個向量空間當(dāng)中的詞（句子）嵌入法來識別。2017年谷歌公司推出一款軟件BERT，其思路就是把算法編制過程所涉及到的通用部分，單獨拿出來，預(yù)先做好，做成一個網(wǎng)上開放的公用平臺。其他開發(fā)者下載這個通用平臺，通過預(yù)留的接口再和自己專用的部分進(jìn)行微調(diào)，完成自己開發(fā)任務(wù)。這種“預(yù)訓(xùn)練+微調(diào)”范式就是利用了深度學(xué)習(xí)的辦法而取得的重大突破。

四、當(dāng)前深度學(xué)習(xí)的局限性

隨著研究和應(yīng)用的不斷深入，人們也發(fā)現(xiàn)目前感知智能采用的深度學(xué)習(xí)算法有其局限性。人具有意識，有情感，能夠進(jìn)行思維，能夠推理。與之相比，目前人工智能沒有意識，沒有情感，不會思維，不會推理。人類的學(xué)習(xí)在于，能從僅有的少數(shù)幾個例子中，快速掌握新的知識（小樣本學(xué)習(xí)），并利用先前已有的知識進(jìn)行歸納推理（歸納與演繹方法結(jié)合），提高對問題的理解和認(rèn)知能力。這種推理和知識也是滾雪球的，有個積累的過程。機(jī)器就沒有這種功能，所以深度學(xué)習(xí)有其局限性。

局限性主要體現(xiàn)在四個方面。一個是“貪婪”，也即要求標(biāo)注的數(shù)據(jù)越多越好，但標(biāo)注成本太大也太難。第二個是“脆弱”，就是抗干擾能力低，容易被虛假數(shù)據(jù)欺騙，比如一個面包烤箱，如果前面給放上一塊香蕉皮，這個烤箱就不能準(zhǔn)確識別出來，可能識別是一個面包機(jī)。所以從這點說，深度學(xué)習(xí)的辦法是從眾的，運(yùn)用概率統(tǒng)計的方法，講的是少數(shù)服從大多數(shù)，但是真理往往掌握在少數(shù)人手里，少的也可能是正確的。所以這種算法的“脆弱”有的時候?qū)е乱话賯€謬誤就可能變成真理。第三個局限性是它不透明，暗箱操作，出錯了，但不知錯在哪兒，沒法回溯去找。第四個就是它不具備思考和知識推理能力，所以“淺薄”，只知道“什么”，不知道“為什么”，知其然不知其所以然。這就是目前人工智能主流的深度學(xué)習(xí)算法有其不足、有局限性的地方。

針對這些存在的局限，今后人工智能發(fā)展的方向是從感知走向認(rèn)知，從識別走向理解。

五、從計算機(jī)視覺（CV）到自然語言處理（NLP）

人類對世界的認(rèn)識可分成感性認(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)識才能察覺到事物的本質(zhì)。感性認(rèn)識是認(rèn)識的基礎(chǔ)，是認(rèn)識的初級階段，理性認(rèn)識是認(rèn)識的高級階段。只有理性認(rèn)識才能透過現(xiàn)象看到本質(zhì)，更深刻、更全面、更可靠地反映事物的本來面目，引導(dǎo)人們按規(guī)律辦事，有效改造世界。

人工智能是對人類智能的模擬，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）。

計算機(jī)的感知智能，目前通過深度學(xué)習(xí)方法，具備了圖像識別、物體識別或語音識別的能力，能“看”出有這么個形狀、這個樣子，從邊框到形狀，能將人說的話識別成文本，完成這些任務(wù)機(jī)器都可以靠從數(shù)據(jù)（經(jīng)驗）中學(xué)習(xí)，搜索（比對），獲取知識（還是處于感知階段）不需要真正的理解（認(rèn)知）。由于目前的人工智能還不具備真正的理解能力，對識別出的結(jié)果到底是什么，可以發(fā)揮什么作用不清楚。由感知到認(rèn)知，需要解決的重點和難點在于語義的理解，或者叫做意圖的理解，這主要涉及到自然語言處理。

人的語言具有歧義性（一詞多義）和多樣性（一義多詞），比如說一個“打”字就可以表達(dá)多個意思，打醬油、打乒乓球、打架、打黑等;一個詞組也存在多意性的問題，比如“打傘”既可以是打開雨傘，也可以是打擊黑惡勢力的保護(hù)傘;同一句話也有不同的意思，比如說“中國這個球隊誰也打不過”，既可以理解是世界無敵，誰也贏不了這支球隊，也有可能是自身很弱，遇誰輸誰。同時，語義理解高度依賴知識，除上下文之外，還有語言知識（語法結(jié)構(gòu)）、專業(yè)知識、背景知識、常識性知識和先驗知識等。此外，語言存在著高度的開放性（新詞不斷涌現(xiàn)）和高度的靈活性（隨意組合）。因此，Hinton說：“深度學(xué)習(xí)下一個大的進(jìn)展應(yīng)該是讓神經(jīng)網(wǎng)絡(luò)真正理解文檔的內(nèi)容”。比爾·蓋茨說：“語言理解是人工智能領(lǐng)域皇冠上的明珠”。

現(xiàn)在人工智能正在從感知走向認(rèn)知，通過深度學(xué)習(xí)的算法，感知智能已經(jīng)有了很大突破，但是對于認(rèn)知智能，它還剛剛開始或者說還在路上。

六、人工智能的未來

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)器就難以實現(xiàn)真正的認(rèn)知。不具有完全推理的人工智能還不是真正的人工智能。人工智能的未來應(yīng)該是逐漸逼近人類智能，可能會有人腦思維和電腦思維兩種途徑。要從二者的差異入手，找出人工智能未來發(fā)展的出路。因此，深度學(xué)習(xí)未必是人工智能發(fā)展的唯一。要突破當(dāng)前的人工智能只歸類、不了解其中內(nèi)涵的局限性，既要統(tǒng)計，也要推理。

人工智能未來要實現(xiàn)可持續(xù)發(fā)展，需要“兩個加強(qiáng)、三個結(jié)合”，具體來說，一是加強(qiáng)基礎(chǔ)理論研究，其中包括對腦科學(xué)和認(rèn)知科學(xué)的研究，對微積分、線性代數(shù)概率統(tǒng)計邏輯推理等方面的數(shù)學(xué)研究，對算法、結(jié)構(gòu)等在內(nèi)的計算機(jī)科學(xué)研究。二是加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，包括芯片、傳感器、公共通用的算法、平臺，等等。三個結(jié)合指的是軟件算法與硬件芯片結(jié)合，知識推理與數(shù)據(jù)統(tǒng)計結(jié)合，機(jī)器計算與人類認(rèn)知結(jié)合。

因此，技術(shù)理論上要學(xué)科交叉，用腦科學(xué)帶動數(shù)學(xué)和計算機(jī)科學(xué)，核心在算法。只有在基礎(chǔ)理論研究上取得根本性突破，打造專用芯片，使硬件與算法結(jié)合;突破知識推理，統(tǒng)計與推理結(jié)合，人工智能才能避免走進(jìn)死胡同。

總之，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。

（蘇功臣為哈爾濱工業(yè)大學(xué)離退休工作處處長）

責(zé)任編輯：王卓