2015 人工智能圖譜 精選

引用雷鋒網編者按：本文首發公眾號“機器之心”，作者馬穎君

時至2015，科技界的氣氛與往年大不一樣：似乎影片《超能陸戰隊》、《星際迷航》、《機械公敵》中，那些遙遠的科技場景都將走進我們的生活。因為，人工智能時代真的來臨了。


2015年作為起點，以下生活場景將陸續變成現實：開車時，你説出地點，自動駕駛系統將你帶到目的地；在醫院，你看到來自美國的拖車機器人Tuggy McFresh在運送醫療器械和來自日本的“大白”機器人Robear在照顧病人；在酒店，2015年新上市的日本Henn－na服務生機器人包攬了從值守前台、運送行李到客房清掃等一眾服務；下班後，你按下了“回家模式”，推開家門你發現，窗簾已經拉上，温度適宜，燈光柔和，熱水燒好，還有日本軟銀公司的家居機器人Pepper跟你問好賣萌；在家裏，你用iWatch打電話，使用的是可監控和改善睡眠品質的APP；其實，你還可以使用汪峯同款無人飛行器，載着鑽戒，向你心愛的她求婚……

這一天，我們等得太久了。
早在第一台計算機埃尼阿克問世後十年，就有科學家預言，人工智能時代將要來臨。當“深藍”贏了卡斯帕羅夫之後，這種美好的情景似乎更是指日可待。但是在整個20世紀後半葉，人工智能研究卻因為數次技術革新嘗試的失敗而停滯，經歷了從上世紀50年代到本世紀初期的若干個寒冬期。最近的一個寒冬期，就是20世紀末到21世紀的頭10年，也就是深藍贏得比賽之後，因為神經網絡的研究遭遇瓶頸而帶來的寒冬。

然而在2014年，科技界和商界的所有人，都能明顯的感覺到，人工智能的理論研究和可感知產品似乎突然“噴發”了：各種可穿戴設備扎堆出現，智能機器人頻頻亮相，機器的人臉識別準確率超過肉眼，Google、蘋果和寶馬等公司齊發力無人駕駛汽車，美國、歐洲先後設立人類大腦攻關項目……
這次噴發，絕非僅僅是幾件討巧的極客產品的偶然同時出現，而是在經歷了寒冬後的2014年，人工智能有了質的突破：一方面，弱人工智能已經有很多成果或者商業化的產品落地，比如語音、人臉識別精準度的大幅提升和即將發售的各種智能家居和機器人；另外一方面，瘋狂的科學家、科技巨頭和大量的資本也在合謀着更廉價高效的計算和驚世駭俗的產品，以求讓計算機像人類一樣聰明。過去1年人工智能的高歌猛進，讓成功預言機器在1998年戰勝人類棋手的美國科學家雷·庫茲韋爾(Ray Kurzweil)發出樂觀的預言：機器智能超越人類智能總和的那個奇妙“奇點”，就在2045年。

那麼，這次人工智能的噴發將會波及到多遠？它將在多大程度上改變我們的生活方式？

1、從弱人工智能到強人工智能
“深藍”在國際象棋領域稱霸以後，人工智能沒有像預想的那樣改天換地，“深藍”自身則沉寂了十多年，泯然眾人。人工智能也在這期間一直停留於弱人工智能的階段，遲遲不能突破，這段跨度近20年的時間，實際上成為了迄今為止最長的一次AI寒冬。有人戲談，這20年裏面AI領域最最大的成就，就是斯皮爾伯格拍出了《人工智能》這部讓全世界年輕人傾倒的科幻電影。

然而，在此期間，雖然科學家們步履緩慢，但人工智能領域的局部發生了巨大變革。在這十多年中，科技明星的角色由各大互聯網公司來扮演，PC互聯網高速發展，隨後移動互聯網又異軍突起，快速覆蓋PC互聯網已佔有的江山，重構互聯網世界。近20年，人工智能躍遷所需要的三個要素逐漸到位。

首先，移動互聯網引爆了大數據的井噴，為計算機的深度學習提供了豐富的素材。
正如吳恩達（AndrewNg）所言，數據是人工智能的燃料。比如，以Google為主的廣告公司全面撒網，收集各個維度的數據信息。更重要的是，數據種類無所不包，特別是在手機成為了人類的“信息器官”後，人們衣食住行各方面的數據被全方位捕捉，這就為機器擬人化提供了客觀條件，用科學家的術語説，大數據幫助他們“突破模型界限”。大數據已經就位，燃料充足。

其次，僅僅有數據還遠遠不夠。要想讓機器足夠聰明，那麼機器還需要更快的計算速度。2005年GPU的出現，極大地提高了運算效率,並促使無人監督學習技術（深度學習涉及技術中的一種）成功。在硬件方面，近20年來主要是通過對大型神經網絡來進行仿真，但是這些網絡需要大量傳統計算機的集羣。然而在2014年，IBM發佈了一款具有里程碑意義的產品：前所未有的超低能耗、超高集成的芯片TrueNorth。這意味着，也許在不就的將來，龐大的計算機集羣將被幾枚芯片所替代。因此，有人把 IBM 的芯片稱為是計算機史上最偉大的發明之一，認為它將會引發技術革命，顛覆從雲計算到超級計算機乃至於智能手機等一切。這似乎預示着，在移動互聯時代幾乎沒有什麼作為的IBM，也許會憑着Watson和TrueNorth在人工智能的時代搏得一席之地。
不過，如今計算機的智能程度，早已超越了以計算速度論英雄的時代，現在很多小型計算機的計算水平，都已經打敗了當年的“深藍”，倘若現在再有公司拿出“深藍”這樣的產品來給自己貼人工智能的標籤，一定會貽笑大方。

在大數據和計算能力之外，更重要的是：在十多年間，人機交互發生了兩次突破。實際上，信息革命降臨以來，它每一次商業上波瀾壯闊的潮起潮落都是由人機交互方式的變革引起的：PC和鼠標的誕生，dos系統到視窗操作系統的進化，再比如觸屏操作和語音交互問世。其中最後兩個都是在近十年發生的。特別是語音交互，它意味着計算機擁有了“聽覺”並能給出正確的反饋。語音交互的實現解放了人類的雙手，促進了人類生產力的巨大飛躍。


大數據的不斷豐富，計算速度的日益提高再加上人機交互的重大突破，三個條件都已經具備，弱AI向強AI的進化呼之欲出。

為了更好地理解強AI，我們在此對強AI和弱AI 加以簡單區分：讓計算機會下棋、能搜索這些事情非常簡單，並且已經實現，這些僅需計算速度和數據就可以完成任務都屬於弱AI範疇；讓計算機聽得懂，看得懂，能推理反饋，甚至理解人類感情和文化，這些屬於強AI範疇。但是僅僅是想讓計算機聽得懂、看得懂，便困難重重了，而能夠像人類一樣，完成對於語言、圖片信息的處理加工之後進行反饋，則是由弱AI到強AI突破的關鍵。那麼瘋狂科學家是怎麼實現這一突破、讓計算機擁有類似人類的“聽覺”或者“視覺”的呢？我們以計算機識別圖片稍加説明。

在解決讓計算機擁有識別圖片能力的這個問題上，科學家們嘗試了不同以往的“訓練”計算機的方式——無監督學習。以前，科學家們告訴計算機“貓臉”的幾個特徵標籤，計算機“按標索貓”，但是現在，科學家們改用無監督學習方式，僅下達“去找貓”的指令，讓計算機自行確定標籤。最後計算機將搜索結果反饋給科學家們。也就是説，人類“授機以漁”，告訴計算機的，只是如何找到標籤的方法。“授機以漁”便是無監督學習，它教會計算機為某一目的自行處理大量無標記的數據，進而完成搜索。而計算機今天認識了貓，明天就會認識更多事物。
無監督學習技術的成功標誌着深度學習也就此誕生。深度學習被視為是結束AI寒冬的破冰錘，它標誌着機器人從弱人工智能到強人工智能進化。如果説大數據是人工智能這架火箭的燃料，那麼深度學習能力就是發動機，發動機的動力強大與否將根本上決定人工智能這架火箭是否能順利升空。2014年無監督學習方面成果斐然：Facebook臉部識別率的精確度達到97.25%，國內科大訊飛AI陣營的湯曉歐領導的計算機視覺研究組，達到的精確度更是高達98.52%。

語義和圖片識別技術僅僅是深度學習領域所研究技術的冰山一角。2014年末，Google借遞歸神經網絡（RNN），賦予了計算機更高級別的能力——邏輯推理的能力，讓它可以用一句話對畫面進行簡單描述，這樣計算機便具備了用有邏輯的語言描述圖片中不同事物的能力。至此，擁有依靠概念為原點進行推理能力的機器人，比只會識別的機器人又邁上了一個更高的台階。
雖然成績斐然，但人工智能真正的冰山其實仍然沉在那些實驗室裏：科學家們最大的企圖是讓計算機理解人類的情感和文化。計算機科學家DonaldKnuth説過：“人工智能已經在幾乎所有需要思考的領域超過了人類，但是在那些人類和其它動物不需要思考就能完成的事情上，還差得很遠。”看來，讓計算機聽得懂，看得懂，會推理判斷不足以滿足瘋狂科學家們的探索欲，他們期待有朝一日計算機能夠變得像影片《人工智能》中的大衞一樣，擁有可以理解人類情感和文化的能力。這樣的強人工智能才是科學家們想要摘得的人工智能研究領域的皇冠。

回顧2014，互聯網巨頭在向強人工智能進軍的路上，各家走的路線有所不同：數據處理速度方面，IBM憑藉True North獲得了比較高的關注度；Facebook則依託它豐富的人臉圖像數據資源，在識別人臉方面取得了超越人臉的高精確度；而對於深度學習方法，Google、Facebook、百度和科大訊飛——這幾個擁有了世界上少有的、研究深度學習科學家的公司——一直激烈地爭奪着這塊人工智能領域的高地。順帶一提，這一次人工智能大潮，可能也是首次中國科技勢力和美國科技勢力的齊頭並進，而不是亦步亦趨。