人工智能現(xiàn)在發(fā)展到哪個(gè)階段了?存在哪些問(wèn)題與局限性?如何突破?

 

[[349108]]

 

近日，清華大學(xué)人工智能研究院院長(zhǎng)、中國(guó)科學(xué)院院士張鈸(bó)教授在“紀(jì)念《中國(guó)科學(xué)》創(chuàng)刊70周年?？?rdquo;上發(fā)表了聯(lián)合署名文章——《邁向第三代人工智能》。

 

 

什么是第三代人工智能?

通過(guò)這篇文章，首次全面闡述了第三代人工智能的理念與發(fā)展方向。

文章認(rèn)為，第三代人工智能的發(fā)展路徑是融合第一代的知識(shí)驅(qū)動(dòng)和第二代的數(shù)據(jù)驅(qū)動(dòng)的人工智能。

 

 

 

 

1956年8月，在美國(guó)漢諾斯小鎮(zhèn)寧?kù)o的達(dá)特茅斯學(xué)院中，約翰·麥卡錫、克勞德·香農(nóng)、赫伯特·西蒙等一眾大?？茖W(xué)家們聚在一起，主要討論一個(gè)影響人類甚至是地球未來(lái)的議題：如何用機(jī)器來(lái)模仿人類學(xué)習(xí)以及其他方面的智能。

因?yàn)闀r(shí)代背景的限制，會(huì)議開(kāi)了兩個(gè)月的時(shí)間，也沒(méi)有達(dá)成普遍共識(shí)，但是這次會(huì)議討論的內(nèi)容，是有一個(gè)明確的討論主題：人工智能。

人工智能元年是1956年，也是由此而來(lái)的。

在人工智能60多年的發(fā)展歷史中，一直存在兩個(gè)相互競(jìng)爭(zhēng)的范式：

第一是符號(hào)主義，也就是第一代人工智能。

到上個(gè)世紀(jì)八十年代之前一直主導(dǎo)著AI的發(fā)展。作為第一代知識(shí)驅(qū)動(dòng)的人工智能，主要是利用知識(shí)、算法與算力三個(gè)要素來(lái)構(gòu)造AI。

第二是連接主義(或稱亞符號(hào)主義)，也就是第二代人工智能。

從上個(gè)世紀(jì)九十年代逐步發(fā)展，到本世紀(jì)初進(jìn)入高潮，大有替代符號(hào)主義之勢(shì)。第二代數(shù)據(jù)驅(qū)動(dòng)的人工智能，利用數(shù)據(jù)、算法與算力三個(gè)要素構(gòu)造AI。

由于第一代與第二代人工智能都有明顯的局限性，都是分別從一個(gè)側(cè)面來(lái)模擬人類的智能行為，因此，都還是弱人工智能。

因?yàn)橐越裉斓目萍佳芯颗c視角來(lái)分析，這兩種范式只是從不同的側(cè)面模擬人類的心智 (或大腦)，具有各自的片面性，不可能觸及人類真正的智能。

同時(shí)利用知識(shí)、數(shù)據(jù)、算法和算力等4個(gè)要素， 建立新的可解釋和魯棒的AI理論與方法，發(fā)展安全，可信，可靠和可擴(kuò)展的AI技術(shù)，這是發(fā)展AI的必經(jīng)之路。

正是在這樣的背景之下，提出了第三代人工智能的概念，通過(guò)發(fā)展安全、可信、可靠與可擴(kuò)展的AI技術(shù)，建立一個(gè)全面反映人類智能的AI，需要建立魯棒與可解釋的AI理論與方法。

其發(fā)展思路是，把第一代知識(shí)驅(qū)動(dòng)和第二代的數(shù)據(jù)驅(qū)動(dòng)結(jié)合起來(lái)，從原來(lái)的三要素升級(jí)到同時(shí)利用知識(shí)、數(shù)據(jù)、算法與算力四個(gè)要素，來(lái)構(gòu)建比前代更強(qiáng)大的人工智能。

第三代人工智能，存在雙空間模型與單一空間模型兩個(gè)方案。

第一、雙空間模型。

該模型是一種類腦模型，符號(hào)空間模擬大腦的認(rèn)知行為，亞符號(hào)(向量)空間模擬大腦的感知行為，人類大腦中的認(rèn)知行為與感知行為其實(shí)是無(wú)縫融合的。

如果第三代人工智能能夠?qū)崿F(xiàn)這種融合，AI就很有希望達(dá)到與我們?nèi)祟愊嗨频闹悄堋?/p>

目前，雙模型空間，需要重點(diǎn)攻克三個(gè)問(wèn)題：

1、知識(shí)與推理;

知識(shí)與推理，是理性智能的基礎(chǔ)，這里面，涉及NLP、知識(shí)圖譜技術(shù)，尤其是各領(lǐng)域相對(duì)成熟的“語(yǔ)料庫(kù)”建設(shè)，是非常重要的環(huán)節(jié)。

2、感知;

目前的深度學(xué)習(xí)只能做到 “感覺(jué) (sensation)”, 達(dá)不到“感知 (perception)”。

一字之差，天壤之別。

機(jī)器識(shí)別的是外部標(biāo)注的 “寄生語(yǔ)義 (parasitic semantics)”，為了達(dá)到感知的水平，需要從局部到全局，能夠識(shí)別出物體的“內(nèi)在語(yǔ)義(intrinsic semantics)”，這一點(diǎn)上，目前的深度學(xué)習(xí)技術(shù)，還有很長(zhǎng)的路要走。

3、強(qiáng)化學(xué)習(xí);

強(qiáng)化學(xué)習(xí)是用來(lái)模擬人類的學(xué)習(xí)行為, 通過(guò) “交互 – 試錯(cuò)” 機(jī)制, 與環(huán)境不斷進(jìn)行交互，進(jìn)而學(xué)習(xí)到有效的策略。

目前已經(jīng)在視頻游戲 、棋牌游戲、機(jī)器人導(dǎo)航與控制、人機(jī)交互等領(lǐng)域取得了諸多成果, 并在一些任務(wù)上接近甚至超越了人類的水平。

但是在不確定性、不完全信息、數(shù)據(jù)或者知識(shí)匱乏的場(chǎng)景下, 目前強(qiáng)化學(xué)習(xí)算法的性能往往會(huì)出現(xiàn)大幅度的下降，這也是目前強(qiáng)化學(xué)習(xí)所面臨的重要挑戰(zhàn)。

第二、單一空間模型。

該模型以深度學(xué)習(xí)為基礎(chǔ)，將所有的處理都放在亞符號(hào)(向量)空間。

模型的優(yōu)勢(shì)在于充分利用計(jì)算機(jī)的計(jì)算能力，提高處理的速度。

其難點(diǎn)在于，目前的深度學(xué)習(xí)模型與我們?nèi)祟惔竽X的學(xué)習(xí)機(jī)制還是存在很大差異，如果要克服深度學(xué)習(xí)所帶來(lái)的缺陷，需要把如下幾個(gè)關(guān)鍵問(wèn)題討論清楚：

1、符號(hào)表示的向量化;

知識(shí)通常以自然語(yǔ)言的離散符號(hào)形式表示, 為了實(shí)現(xiàn)單一空間模型, 首先要將符號(hào)表示的詞、短語(yǔ)、句子和篇章等轉(zhuǎn)換為向量, 或者將知識(shí)圖譜轉(zhuǎn)換為向量表示.

這里面需要解決的問(wèn)題有：不可解釋、會(huì)發(fā)生重大錯(cuò)誤、魯棒性差等問(wèn)題。

2、深度學(xué)習(xí)方法的改進(jìn);

深度學(xué)習(xí)目前的主要工作只是在做簡(jiǎn)單的函數(shù)擬合, 其局限性在于缺乏像人一樣對(duì)問(wèn)題的理解能力。

因此通過(guò)理解機(jī)器學(xué)習(xí)模型的內(nèi)部工作機(jī)理, 發(fā)展數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)融合的第三代人工智能理論框架, 將成為提高人工智能算法魯棒性的重要途徑之一。

3、貝葉斯深度學(xué)習(xí)的突破;

貝葉斯深度學(xué)習(xí)是將貝葉斯學(xué)習(xí)的基本原理與深度神經(jīng)網(wǎng)絡(luò)的表示學(xué)習(xí)有機(jī)融合的一類方法，將不確定性建模和推斷與深度表示學(xué)習(xí)有機(jī)融合, 其關(guān)鍵挑戰(zhàn)在于推斷和學(xué)習(xí)算法，目前已經(jīng)在多種復(fù)雜場(chǎng)景下，取得了價(jià)值與突破。

為了實(shí)現(xiàn)第三代人工智能的模型，在綜合了上述兩種模型的優(yōu)劣后，就采用了三空間融合的模型，也就是把雙空間模型與單空間模型融合。

這樣做的優(yōu)勢(shì)在于，既可以最大限度地借鑒我們?nèi)祟惔竽X的工作機(jī)制，又可以充分利用計(jì)算機(jī)的算力，通過(guò)兩者融合后的倍增效應(yīng)，希望能夠打造更強(qiáng)大、更接近人類大腦的AI模型。

我們期望三空間融合模型，能夠盡快從實(shí)驗(yàn)室階段邁向商業(yè)化階段，實(shí)現(xiàn)更大的價(jià)值，造福人類。

關(guān)注東方林語(yǔ)，一起了解更多AI知識(shí)。

附參考閱讀:

《邁向第三代人工智能》全文如下