走进人工智能新时代

宋继强

一个完整的人工智能系统必须具备感知、推理、行动、适应等四大能力。如果要将这四大能力良好贯穿，必须具备较强的记忆能力。

很多人会把人工智能与深度学习划等号，认为人工智能就是深度学习，但这并不是一个全面的认识。如何全面地了解人工智能？人工智能无论从硬件或者软件系统看，都应具备类似人的智能方式对外界的输入做出反应。

人工智能的系统需要具备四个能力。第一是感知能力，感知能力系统可以把外界输入，从物理信号转变成数字信号，在计算机系统中进行处理。第二是推理，系统需要具备场景的理解能力，系统能在场景中进行独立的推理并做出决策。第三是行动，系统可以进行相应的决策或行为规划。第四是适应性，适应性是真正體现系统是否具备学习和自我改善的重要一点。如果一个系统不具备适应性，那么该系统只是一个设定好的智能系统。

人工智能的技术可以分为两大类。一类是机器学习，机器学习是通过大量的数据输入到一个算法中，使算法自动寻找数据中的规律，并形成若干个模型来表示某些问题该如何解决。用训练好的模型、算法再去处理数据获得结果。目前人工智能领域最优秀的工具是深度学习，用高达千层的深度神经网络，对场景进行学习然后解决一个问题。第二类是，数据量对所需要解决的问题应具备完整性，要符合问题的本质。对于英特尔中国研究院来讲，我们希望未来自主智能设备都可以感知、理解，同时对不同场景可以进行相应的行动、反馈和适应。怎样运用先进的科技给设备带来上述能力？首先感知能力非常关键，而且还需要能进行理解和决策，最后再指导行动。

随着AI时代的到来，AI的感知和认识都是发展AI的重要的环节。目前深度学习发展火热，很多企业和院校都在从事AI深度学习的开发，来解决感知层面的问题，但是如何解决跨领域或跨输入模态下的AI感知问题？第一，算法本身要有很好的改进和推动；第二，在硬件领域要改变传统的加速的模式和机器学习方式。

在算法层面。以视觉理解为例，早期的人脸识别包括人的性别、年龄、面部表情等属性。通过传统的方法，或者通过深度学习的方法，可以解决早期的人脸识别问题。如果在一个动态的视频中运用传统的方法进行人脸识别，则相对困难。如果把三维的信息进行重建，得知人脸和身体在一个环境中的朝向，这样可以很好地指导在某个环境中人的运动和操作。同时，如果对人进行理解，情感识别也非常重要，如果只对人脸开发一个人脸识别ID，对于AI的发展推动十分有限，若使用无人机、机器人，或家庭的智能设备等为人提供服务，必须理解人的情感。

这要从人脸识别的视觉感应向前推进，可利用多种模态共同处理。什么是多模态？模态一词是指一种输入的形式和格式。通过模态和知识的相互融合，可以将视频自动转化成文字描述，便可以进行语义信息的后续输出。或者通过视频中问答，来理解环境中多个物体之间所存在的关系，或者跨时间寻找物体之间的关系。

而多模态的视觉理解的发展，可以使机器人获得更加复杂的场景理解能力。特别是服务型机器人，一定要对场景有深刻的理解，才能帮助人进行服务。同时我们面对的是非结构化环境，这种环境存在很多不确定性。现在的芯片技术是否可以满足非结构化环境？目前一种神经拟态计算芯片，可以帮助没有的计算能力的设备，具备计算能力。

机器学习可以帮助解决经验驱动，同时获得更多数据。为什么说经验驱动？因为当数据被人发掘后，便可以知道这些数据所对应的是什么，并对数据进行标注加以机器训练操作，但是如果人无法读出数据的规律，将无法实现端到端的机器训练，因为机器学习非常依赖于数据的可获得性、可观测性和可标注性，只有形成数据的这三个特性，所形成的自然智能，对场景进行理解和推理的自然智能才能自主地进行学习。在传统的计算机编程中，开发者可以根据所需要解决的问题，清晰地规划出该问题的处理流程，并对流程进行相应的开发，而这一过程也被称为已知过程。那么深度学习在其中可以解决什么问题？比如在进行人脸识别、语音识别时，中间的过程很难被描述，这要通过大量的数据训练，来显示中间过程。

那么，当数据并没有那么多，而且还存在不确定性时应当如何解决？其实人脑与深度学习所运用的计算支撑差别很大，深度学习至少需要200W以上的功耗，但是人脑功耗最多20W，人脑依靠少量的数据通过不断地训练来达到强化效果。所以我们希望通过神经拟态计算来解决机器学习问题。神经拟态被命名为LOIHI，着这种计算的模式逐渐给人们提供新的探索机会。自我学习是它的特点，它可以帮助我们解决，比如机器学习、传统的编程模式的规则问题，神经原的密度和连接的可用性决定了它的能力，它是直接受益于摩尔定律的推动。另外通过推动输入输出找在场景中的关联性，最后通过强化学习反复交叉验证自己推导出来的决策是否正确。

（根据演讲内容整理，未经本人审核）endprint