Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

尖峰对话:人工智能的过去、现在和未来

编者按:今天下午,在“AI前沿与行业赋能”微软主题论坛上,微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文博士主持了一场有关“人工智能的过去、现在和未来”的尖峰对话,对话双方为微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士与人工智能先驱、图灵奖得主Raj Reddy。

从左至右:洪小文、Raj Reddy、沈向洋

洪小文:我们中国人讲知古见今,因此今天我们想跟大家分享人工智能的过去、现在和未来。上世纪60年代,像Raj Reddy博士这样的一群研究者开启了人工智能研究的先声,在那之后,我们见证了人工智能领域的快速发展。因此我想问Raj Reddy博士,在人工智能刚刚出现时,是什么让您开始对AI感兴趣?当时您对AI的设想是什么? 

Raj Reddy:我是在1963年加入斯坦福大学读博士后开始研究人工智能的。我在读博之前就对人工智能很感兴趣,但那时一切才刚刚起步,我并不清楚它未来的发展方向,“让计算机拥有智能”听起来就像天方夜谭,但现在我们都实现了。

从60年代到现在,许多人都对人工智能抱有误解,认为人工智能的发展会取代人类。我想说并非如此,在人工智能60年的发展中,我们的愿景始终是希望AI能延伸人的知觉,强化人的能力,帮助人类更好更快地完成多样的工作。

因此在60年代,我们提出了一些问题,怎样提高计算机的智力?人类与机器是否能够更高效地进行交流?计算机是否能具备人所具有的能力,比如理解语言和图像?计算机领域有许多关于算法理论的工作,但还从来没有人研究过这些问题,因此我们开始了语音识别的理论研究,取得了不错的研究成果,也需要时间让语音识别技术变得更成熟。

人工智能先驱、图灵奖得主Raj Reddy

60年后的今天,我们在AI领域已经取得了很大的进展。要使今天的人工智能更进一步,我认为我们要更深入地认识人工智能的理论原理。构建人类如何理解语言的完整理论需要我们投入很多时间,但我认为这非常有意义,因为我们今天致力的人工智能系统将能让更多人类享受智能和便利。今后的人机交互将无需通过打字、触摸等方式实现,和机器交流将变得像和人对话一样简易,这是我们今后的目标。

洪小文:非常感谢。我和沈向洋都是Raj Reddy的学生,我们都从Raj Reddy身上学到了很多。因此第二个问题我想问沈向洋,你当时为什么选择人工智能领域?有人说我们遇到了“AI寒冬”,你有没有受到什么影响?

沈向洋:非常荣幸,事实上我们很多人进入人工智能行业,都是受到了Raj Reddy的影响。Raj Reddy是我们的博士生导师,多年来给了我们许多训练和教导,我们都学到了很多。

回到小文给我的问题,为什么我选择了人工智能和机器人领域。我大学本科学的是自动化控制,当时我就对机器人非常感兴趣。在我申请PhD的时候,我发现全世界只有一个学校有机器人PhD项目,那就是Raj Reddy教授主导的卡耐基梅隆大学机器人实验室,所以我特别申请了卡耐基梅隆大学去学习机器人。说实话“AI寒冬”从来没有对我造成什么样的影响。因为如果你在卡耐基梅隆大学读书,又有Raj Reddy这样的导师,真的一点也不用担心找不到工作(笑)。

洪小文:我们现在来谈谈今天的人工智能。我们知道人工智能技术发展到今天,最引人注目的一点是深度学习的进展。那么我们今天的深度学习,和上一代的AI技术有什么区别呢?

Raj Reddy深度学习由当时的卡耐基梅隆教授Geoffrey Hinton在1985年提出。但是当时的计算能力极其有限,做深度学习非常困难,但大家都没有放弃。差不多从2010-2012年开始,深度学习人工智能领域开始变得非常流行,是因为我们今天的计算能力、带宽、存储空间等都获得了几百万倍的提升,这让深度学习这个想法得以广泛实现,它最基本的理念其实没有变化。今天海量的数据、高速的数据处理能力,也使我们过去的语音识别、图像识别算法能够在极短时间内进行大量的计算,从而实现更好的效果。

沈向洋:我完全同意Raj Reddy的观点,但是确实很多人并不知道,Hinton第一次将深度学习应用到语音识别领域是在微软研究院做访问的时候,当时和微软语音团队一起合作,做出了初步成果。我们做研究要把眼光放长远,很多研究不会在短期内见到成果,但我们不能放弃。

洪小文:我们知道人工智能现在深受业界关注,因为人工智能技术能够推动世界的数字化转型浪潮。那在你们看来,哪些行业会因今天的AI技术而迸发数字化转型的潜力?对于把握数字化转型机遇,你们有哪些建议?

Raj Reddy:我们应该从两个角度分开看待这个问题,一是人工智能的基础研究,二是如何把人工智能应用到社会中解决社会问题。

我认为接下来的五十年将是学习的时代。这个“学习”,并不是指狭义的深度学习,而是范畴更广的学习。人类是学习动物,能够通过上课、动手学习知识和模式,通过例子举一反三等。人类的很多学习情境不需要大数据就能实现渐进式的学习。比如婴儿学说话、学写字,就会自己说出一些从来没有学过的句子。

人类这种学习的过程并不能够被机器所模拟,所以有时深度学习犯错的时候,我们就要给他们提示或是澄清,再让系统自动去学习。但现在我们的机器学习还需要我们提供几百万个例子才能学习,这样的机器学习是不够的。

沈向洋:我觉得很多纵向的行业必然因为人工智能而发生巨大的变化。现在很多行业都已经感受到了人工智能带来的颠覆,包括金融、制造、教育、交通等等,我们需要判断哪些行业有机会。我们不仅仅应该纵向看,也可以横向看这些行业。事实上,商业的每一个流程,不管是营销、销售、技术支持还是人力资源,都会快速地被AI颠覆。因为这些流程都已经在生成大量的数据,使AI技术都可以快速地进行学习和应用。

微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋

另外,微软的人工智能技术在安全、数据隐私方面做的非常好。由于我们在收集越来越多的数据,我们要非常谨慎地选择谁能拥有数据、谁有权使用数据。一方面我们要保证数据的安全性,一方面我们要利用这些数据进行计算,这对我们推动未来人工智能的发展至关重要。

洪小文:今天我们见证了世界人工智能大会的成功举办,上海将发展为全球人工智能的一大中心。因此你们对上海的人工智能发展有哪些建议?

Raj Reddy:每一个城市都会面临能源、水、教育、医疗、就业、自然灾害等方面的诸多挑战。在我们未来的都市,人工智能技术将让这些问题更好地得到解决。举个例子,我们可以先收集原始数据,然后用人工智能进行实时监测和分析,了解城市中水资源的运行状况。推荐算法、智能助手这些其他的人工智能系统,也已经进入人们的日常生活,帮助人们大大提高效率和生产力。

因此我给上海发展人工智能的建议是,我们要更深入地理解人们在城市中的各种活动,以便借助人工智能技术让未来的都市生活更加美好和智能。

沈向洋:我认为上海拥有成为人工智能领导者、将人工智能作为长远发展目标的能力。前几天在由上海政府主导的人工智能发展委员会召开的一次会议上,我也对上海人工智能的发展提出了几点建议。第一,我们应该看到人工智能不仅拥有巨大潜力,对社会也有双面的影响。因此为了推动人工智能的健康发展,政府应该扮演更关键的角色,推动建立对人工智能产业发展更有利的环境,同时健全相关的监管措施。第二,要建立富有多样性的人工智能生态系统。第三,我们希望从一些行业开始进行“AI+”合作。上海拥有全球领先的金融业、交通运输业等产业,如果能鼓励这些行业与微软以及其他国外的、本土的高科技产业携手合作,我们一定能够打造更加完整的人工智能生态系统,这也是我们昨天宣布微软将与上海市政府、上海仪电共同打造微软亚洲研究院(上海)和微软-仪电人工智能创新院的原因。

洪小文:刚刚你们谈到了人工智能的未来发展,这也是现在人们相当关心的问题:人工智能的研发方向将如何发展?人工智能的下一个发展点在哪里?

Raj Reddy:我认为人工智能的一个重要的发展方向,是成为人类的“守卫天使”,除了帮助我们对城市运行进行实时监测分析,赋能各行各业加速发展,人工智能更能够帮助我们完成地震、海啸、交通事故等等灾难或伤害的预测。对于这些天灾人祸,我们人类没有能力准确预知,人工智能却拥有这样的能力来给我们预警,让人们在危机的边缘幸免于难。这并不是纸上谈兵。人类的想象力是无穷的,我们要推动人工智能的发展,让“守卫天使”的美好理想成为现实。

再举一个例子,自动驾驶汽车是目前人工智能的一个非常重要的应用领域。按照我们目前的预测,如果未来我们有了成熟的自动驾驶技术,人工智能将能代替人类作出及时的反应,交通事故发生率可能会下降80%-90%,车辆损毁的维修费用也可以大幅下降,在大幅减少人类受到的伤害的同时节约社会资源。

因此“守卫天使”将可以照料地球上生活的每个居民,对每个人的生活产生积极影响。我们希望这一天早日到来,尽管困难重重且需要大量的时间,这是我们对人工智能未来的美好展望。

沈向洋:我非常喜欢“守卫天使”这个想法。事实上在微软,我们一直在为建立这样的人工智能系统作出努力。在美国,我们的人工智能助手“微软小娜”正在帮助我们千千万万的用户更高效地完成工作;在中国,我们的人工智能聊天机器人“微软小冰”已经拥有很高的情商和理解能力。我们正在让我们的人工智能系统向着“守卫天使”的角色努力,希望未来能够成为现实。

对于未来人工智能的研究领域的发展方向,我还想补充两点,它们都与人类的大脑相关。

第一点是,深度学习机器学习虽然已经能够为我们解决许多问题,但现在的人工智能大多使用大数据解决小问题。因此我认为在人工智能发展的下一阶段,我们要研究如何用小数据解决大问题。

第二点也是非常吸引人的一点,那就是人工智能神经科学的结合,将能使人类更好地发挥人类大脑的潜力。两周前我到斯坦福大学听了一场神经科学课程,课上讲了许多人类大脑的认知失调现象,且据统计由于衰老、童年抑郁等等不同的原因,约有25%的人在一生中会或多或少会经历这种大脑功能的紊乱。因此通过人工智能神经科学研究的结合,我们不仅能更好地理解人脑的运行机制,也将能使用人工智能补充完善失忆症这样的脑类疾病的治疗手段。这一领域也是我们未来重要的发展方向,在教育、医疗领域商业化的潜力都非常巨大,我们要做大量的基础研究。

洪小文:下一个问题,我们一直在谈强人工智能。但是,人们希望看到机器变得很聪明,但是也会担心自己会相对变傻,我们既非常期待AI,又会变得非常恐慌,您对这个观点如何看待的?

Raj Reddy:这个问题我既同意也不同意。我为什么会这么说?计算机究竟能否像人一样行走、说话?我们正在往这个方向发展,尽管目前为止还没有做到尽善尽美。如果问我不远的将来,计算机能否表达出愤怒、喜悦等等不同的人类情感,能否理解笑话?这些事情我们目前还不得而知。计算机是否能够更加有创造力?这一定程度上是正在发生的事情,依靠大数据找到背后的模式。我相信,只要有足够的时间和经费,我们是可以发明出带有情绪的AI的。

但是目前很少人在研究强人工智能。McCarthy曾经说过,为了实现人类水平的AI,我们需要像爱因斯坦和麦克斯维尔一样的天才,以及类似于曼哈顿计划的庞大资金。跟AI的产出相比,现在这一领域投资还非常少,融资非常有限,这是为什么现在发展受阻的重要原因。

微软研究院AI头条
微软研究院AI头条

专注科研19年,盛产黑科技

产业世界人工智能大会洪小文沈向洋Raj Reddy
相关数据
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。

http://www.msra.cn
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

强人工智能技术

强人工智能或通用人工智能(Strong AI或者 Artificial General Intelligence)是具备与人类同等智慧、或超越人类的人工智能,能表现正常人类所具有的所有智能行为。强人工智能是人工智能研究的主要目标之一,同时也是科幻小说和未来学家所讨论的主要议题。相对的,弱人工智能(applied AI,narrow AI,weak AI)只处理特定的问题。弱人工智能不需要具有人类完整的认知能力,甚至是完全不具有人类所拥有的感官认知能力,只要设计得看起来像有智慧就可以了。由于过去的智能程式多是弱人工智能,发现这个具有领域的局限性,人们一度觉得强人工智能是不可能的。而强人工智能也指通用人工智能(artificial general intelligence,AGI),或具备执行一般智慧行为的能力。强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。

聊天机器人技术

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

推荐文章
暂无评论
暂无评论~