巨頭紛紛進擊人工智能 看華為小米們如何探索未來

　　窺見未來

　　在2016CCF-GAIR峰會上，牛津大學計算機系主任、賓夕法尼亞大學工程學院院長、MIT機器人實驗室主任等國際學術巨擘向中國產業(yè)界傳遞了最新的研究動向。

　　牛津大學計算機系主任Michael Wooldridge身兼Oxford-Deep Mind Partnership負責人，他認為目前人工智能進展已經(jīng)解決了棋類問題、SAT等復雜問題以及自動駕駛等，即將解決實時口語理解、騎自行車、可靠的語言翻譯等問題，而理解復雜的故事及回答相關問題、創(chuàng)作笑話和有趣的故事、解釋一幅圖像的意義等則遠未達到接近解決的階段，強AI和通用AI則是完全開放狀態(tài)。

　　Michael Wooldridge認為當前談人工智能奇點還為時尚早，甚至人工智能奇點有可能永遠都不會到來!盡管AlphaGo取得了大幅度的學術進展，但AlphaGo仍存在諸多問題。比如AlphaGo程序本身并“不知道”它在玩棋類游戲，它也不能解釋自己的策略，也無法從AlphaGo代碼中獲取這些策略，基本上AlphaGo就是一個黑盒子。因此，AlphaGo無法實現(xiàn)通用型AI。

　　Michael Wooldridge介紹說他的研究領域為“Multi-Agent System”(多個機器代理系統(tǒng))，這個領域其實也體現(xiàn)了他對AI的觀點之一，即在窄任務領域對現(xiàn)有AI服務和算法的整合。當前，產業(yè)界逐漸把AI嵌入到幾乎所有產品和服務中，但這些AI服務都相對獨立和碎片化，那么如何通過單個或多個機器代理系統(tǒng)來整合這些AI服務就成為人工智能的下一個發(fā)展目標。比如個人通過手機的機器代理，與其它人的機器代理之間相互協(xié)商、相互協(xié)調，共同決策一個會議的日程安排以及各嘉賓的時間安排。

　　牛津大學計算機系主任Michael Wooldridge

　　Vijay Kumar是美國國家工程院院士、賓夕法尼亞大學工程學院院長，他被認為是空中機器人(無人機)領域開山立派的宗師人物，其學生遍布全球各大無人機廠商。Vijay Kumar表示對空中機器人或無人機的研究，能夠為學習和了解機器人的行為特點和算法積累數(shù)據(jù)。在Vijay Kumar的最新研究中，提出了空中機器人的“蜂群”效應。

　　所謂“蜂群”效應，就是指一群低智能的機器人聚集在一起，共同完成某項工程或任務。由于功耗等限制，無人機等小型和微型機器人無法配置高級計算資源，因而只能具有較低的機器智能水平。對比自然界的蟻群、鳥群、魚群等，雖然都是低智能生物，但卻能群聚在一起共同完成令人驚嘆的復雜工程。對空中機器人“蜂群”效應的研究，還對地面機器人甚至海洋機器人的研究有重要意義。

　　美國麻省理工學院(MIT)一直是機器人科技研究的先驅，MIT機器人實驗室主任、美國國家工程院院士Daniela Rus認為未來世界里，每個人都有可能擁有機器人，機器人就像是在路上跑的汽車一樣常見，稱之為“泛在機器人”世界。這些“泛在機器人”的形式甚至包括類似大白或自然界中蛇一樣的軟體機器人，以及水里的機器魚。而如果誤食了魚刺等異物的時候，還可以吞下微型折疊機器人，從腸道中通過折疊形態(tài)把異物包裹起來帶出體外。

　　美國南佛羅里達大學計算機科學與工程學院教授、機器人與深度學習專家孫宇所研究的機械手被認為是非?！昂诳萍肌?，是為數(shù)不多能與人手相媲美的重大成果。孫宇介紹說，人體206個骨骼，其中1/4的骨骼都在雙手里，人體的雙手是非常復雜的機械結構，是人體最復雜的器官之一。孫宇表示，機器人智能和計算機智能有所區(qū)別，在于機器人要與自然環(huán)境實實在在的接觸，這是計算機智能沒有涉及到的問題，因此機械手的研究有重大意義。

　　香港科技大學教授楊強的遷移學習無疑是機器學習下一個階段的重要發(fā)展方向，如何能把深度神經(jīng)元網(wǎng)絡和機器學習中訓練出的模型提煉出來，并以較小的代價應用到新的領域，這是走向通用AI的重要路徑。此外，楊強認為，當前國內的機器學習和人工智能算法研究沒有國際上那么均衡，實際上人工智能算法遠不止深度神經(jīng)元網(wǎng)絡，而是多元化發(fā)展。

　　當前的大數(shù)據(jù)可以分為20%的即時性數(shù)據(jù)和80%的高時延數(shù)據(jù)。對20%即時性和高重復的數(shù)據(jù)來說(互聯(lián)網(wǎng)數(shù)據(jù)為主)，用深度學習算法能解決大部分問題。而對于80%高時延數(shù)據(jù)來說(例如工業(yè)數(shù)據(jù))則需要用到強化學習、增強學習、遷移學習等多種人工智能算法，才能解決其數(shù)據(jù)處理和產生數(shù)據(jù)智能的問題。

　　南京大學計算機科學與技術系副主任、機器學習與數(shù)據(jù)挖掘研究所(LAMDA)所長周志華表示，接下來機器學習技術的一個大趨勢是要增加機器學習的魯棒性。目前很多研究中的機器智能可達到人類水準，但是如果遇到一些罕見的情況，就會錯得非常離譜。因此，機器智能在遇到罕見情況的時候，“不能比一般人的處理水平更低”，這是機器學習技術大規(guī)模普及的基本前提。

　　當然，整個人工智能和機器人產業(yè)的發(fā)展，離不開創(chuàng)業(yè)群體。國家教育部長江學者特聘教授王田苗教授表示，未來五年之內，機器人在工業(yè)、服務業(yè)、智能汽車和無人機等高端產業(yè)三大塊將可能迎來第一波熱潮。由于人工智能技術和認知技術的成熟，未來機器人在銀行、家庭、醫(yī)院、賓館等服務業(yè)的地位將逐漸提高。

　　紫牛基金合伙人張泉靈特別強調，人工智能創(chuàng)業(yè)的商業(yè)模式這件事，不是在實驗室里就能想出來的。金山軟件兼金山云CEO張宏江的觀點是，中國人工智能公司的創(chuàng)新能力提升的非?？?，與美國等人工智能公司之間的差距正在縮小。一個公司進步的關鍵不是“看別人”，而應當回歸到自身，搞清楚用戶到底需要什么，腳踏實地朝這個方向努力。

　　從新加坡政府一個ADAS項目出來的創(chuàng)業(yè)項目Minieye，對標的是Mobileye。Minieye CEO劉國清認為，人工智能時代的產業(yè)分工將更加專業(yè)化，每一個供應商專注在某一項或幾項人工智能技術上并做到極致，智能汽車等整機廠商的角色更像是PC集成商而無法大包大攬所有的技術。