人工智能发展到哪个阶段了

熊辉

【摘要】当前，人工智能领域处于第三次浪潮的初始阶段，这一波人工智能的发展主要受到大数据、机器学习尤其是深度学习技术的推动。人工智能技术在智能医疗、自动驾驶、金融科技等领域有着很好的发展前景，同时也开始同社会公益相结合，未来各国人工智能的发展应该更注重高素质人才的培养。

【关键词】人工智能 机器学习 大数据 【中图分类号】TP29 【文献标识码】A

人工智能（Artificial Intelligence，以下简称“AI”）亦称机器智能，是指由人制造出来的机器所展现出来的智能。尽管“人工智能”的概念于1956年才首次被提出，但人工智能领域的起源可以追溯到20世纪40年代。从那时起，人工智能研究经历了多次的跌宕起伏，直到20世纪90年代后期才开始出现加速发展，主要因为研究人员开始更加关注现实世界的AI子问题和子应用，例如图像识别、语音识别和医学诊断等。

人工智能领域现处于第三次浪潮的初始阶段，更加注重解释性和通用人工智能技术

据《美国国家人工智能研究和发展战略计划》分析，从技术角度来看，AI研究已经历了三次浪潮。第一次浪潮开始于20世纪80年代，主要是基于规则的专家系统的研究与开发。专家系统是一个具有大量专业知识与经验的程序系统，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决策的复杂问题。此类系统推理可成功应用于狭义问题，但其并不具备学习或处理不确定性问题的能力。然而，它们仍然取得了巨大的成功，并且在今天的技术发展中仍然非常活跃。第一次浪潮产生了很多里程碑式的系统，例如XCON（1980）、IBM的深蓝（1997）与DARPA的CALO（2003）等。第二次浪潮始于21世纪，其表现特征是机器学习的崛起。特别是大数据、大规模并行计算和增强的学习算法三者之间相互促进与发展，使得AI在诸如图像和书写识别、语音理解和人类语言翻译等任务上取得了较大的进步。例如在一个人类识别错误率为5%的图像识别挑战中，最好的AI系统（2015）可以将错误率降低到3.5%。相比于第一次浪潮，里程碑的步伐越来越快，产生了trivia（2011）、Atari games（2013）、图像识别（2015）、语音识别（2015）、AlphaGo（2016）等系统，并广泛地应用到我们生活中的各种场景。尽管在特定任务上人工智能取得了长足的进步，但人工智能系统仍然有其局限性。几乎所有AI系统都是针对特定任务的“狭义人工智能”问题而研发的，而在各种认知领域能够发挥有效作用的“广义人工智能”方面取得的进步相对不大。因此，人工智能领域现处于第三次浪潮的初始阶段，更加注重解释性和通用人工智能技术。

在目前，世界各国政府和企业投入大量的人力和物力开展新一代人工智能的研究。2016年，美国制定了全球首份国家层面的人工智能发展战略计划《美国国家人工智能研究和发展战略计划》；英国相继发布《机器人技术和人工智能》和《人工智能：未来决策制定的机遇与影响》两份报告，将人工智能列为“重中之重”；欧盟也推出了《欧盟机器人研发计划》；2017年，中国正式发布了《新一代人工智能发展规划》，从战略态势、总体要求、资源配置、立法、组织等各个层面阐述了中国人工智能发展规划，为中国人工智能产业明确了“三步走”发展路线。除了政府投入，各国的企业也投入大量的资金开发人工智能技术与行业应用。例如，在无人驾驶方面，美国的Google、Mobileye和中国的百度均已开发相应的系统并进行了试用。

这一波人工智能的发展主要受到大数据、机器学习，尤其是深度学习技术的推动。人工智能技术的现状可以从三个层次来分析。一是基础支撑层：这一轮人工智能技术成功的三大因素分别为大数据、计算力和新模型。可以说，大数据为人工智能的发展提供了燃料。最近几年，新的增强算法模型极大地提高了机器学习的能力。 这方面的典型代表就是深度学习，通过神经网络的多层叠加，深度学习模型表现出了远超过前一代神经网络的学习能力，在监督学习、非监督学习和强化学习等任务上都有很好的表现。

二是平台框架层：目前谷歌、Facebook、微软、百度和亚马逊等互联网公司，以及加州大学伯克利分校、加拿大蒙特利尔大学等高校都推出了自己的深度学习框架。期待通过少许的定制和部署就可以应用先进的深度学习技术，从而大大减轻开发者和企业的负担，降低深度学习的门槛，推动这一波人工智能技术向各个领域发展。

三是领域技术层：当前，人工智能技术已经应用到各个领域。根据问题领域的不同，主要技术包括：计算机视觉。目前比较成熟的技术包括人脸识别技术，在这一领域已经涌现出商汤科技、旷世科技等一批有影响力的创业公司，以及一些实际的应用，如百度人脸闸机正在首都机场试运行，阿里巴巴的人脸识别技术已经用于支付领域等；自然语言处理。相关技术已经广泛用于翻译软件（如有道翻译）、搜索引擎、问答系统（如知乎）、舆情分析、自动应答等领域；语音识别。以苹果Siri、微软Cortana和谷歌Google Now为代表的语音助手已经进驻了用户的手机和电脑。以Amazon Echo为代表的智能音箱已经占据了数以万计的用户家庭。这些设备的核心技术之一就是语音识别技术。

人工智能技术仍在不断地飞速发展当中，近期有几个发展趋势值得注意

一是人工智能正在变“硬”。在芯片领域，Google為大规模神经网络训练推出了TPU，目前已经发展到了第二代；英伟达发布了针对人工智能应用的重量级处理器Tesla V100；苹果公司在最新一代的iPhone上集成了仿生芯片，可以大幅度提高人脸识别的反应时间；华为公司也发布了全球首个人工智能芯片NPU，即将应用在最新的手机上；致力于人工智能硬件芯片研发的中国初创公司寒武纪被称为“全球AI芯片界首个独角兽”。在服务器领域，Facebook开源了人工智能硬件用于人工智能计算服务器，浪潮推出GPU深度学习一体机。面向消费者的智能硬件，更是层出不穷。endprint

二是机器学习模型和算法出现了新的发展思路。深度学习三巨头之一Geoffrey Hinton最近提出了Capsule概念，呼吁将神经网络的基石之一的反向传播机制推倒重来，重新建立新的理论体系。迁移学习可以将一个领域学习的模型应用到另一个领域，从而节省大量的训练时间，减少对任务量的要求。最近神经科学的研究进展，也将为神经网络带来新的灵感。

三是人工智能日益重视移动端。越来越多的人工智能应用在移动端运行，从而要求在移动端部署深度学习模型。为实现这一目标，一方面要求提高移动端的处理能力，另一方面要求降低深度学习模型的规模和部署时间，并对移动端平台进行优化。日前，百度开源了移动端深度学习框架，其他的深度学习框架也对移动平台提供了更多的支持。

人工智能技术的应用，正在改变一大批传统行业，并培育了一批新兴企业

智能医疗一直被视为一个很有前景的应用领域，数据仍是关键点。据《2017年互联网趋势报告》显示，医疗行业表现出数据爆发式增长，全球健康数据年增长率达到48%。数据增长有助于诊疗的智能化、精准化和个性化。智能医疗主要包括医学影像智能判读、智能辅助诊断、手术机器人、康复智能设备、智能医药等。其中智能辅助诊断和医学影像智能判读发展相对成熟，前者源于IBM Watson自然語言理解技术以及多年的医学文献数据积累；后者源于基于深度学习算法的图像识别能力的不断提升。通过AI和大数据技术，有助于解决目前医疗行业严峻的供需矛盾。

自动驾驶是人工智能的重要应用场景，传感器、高精地图和算法模型是其技术核心，互联网巨头、传统车企和新兴创业公司都在积极布局。自动驾驶可分为两类，一类是高级辅助驾驶系统（Advanced Driver Assistance System， ADAS），并非完全控制汽车，强调提高行车安全性；一类是无人驾驶，更强调车的自主驾驶，节省人力。ADAS是无人驾驶的前提，两者都是利用车上的各式传感器搜集数据，结合地图数据进行系统计算，从而实现行车路线规划和车辆控制。近两年，自动驾驶技术发展迅速，特斯拉、宝马、奔驰、卡迪拉克等多家车企已量产具有ADAS功能汽车，奥迪已量产特定环境下无人驾驶汽车A8，能够在单向车道无行人环境下，速度低于60公里每小时的时候完全接管汽车。从智能科学来看，无人驾驶技术障碍相对较少，法律问题可能是一个潜在障碍。

金融科技（Fintech）是金融与科技的结合，是技术驱动的金融服务创新。近些年，人工智能技术被广泛应用于金融领域，如智能投顾，利用AI技术为客户量身定制包括股票配置、期权操作、债权配置、房产投资等资产投资组合建议；智能风控，借助人工智能和大数据，金融的风控能力得到了质的突破；智能量化交易，快速分析、拟合、预测海量数据，将AI作为投资过程的一部分；智能客服，基于深度学习和大数据分析为基础自动回答用户咨询，替代传统人工客服。金融科技创新金融模式、业务、流程与产品，能提升金融服务效率，降低金融交易成本及管理风险。

除了在上述传统领域的创新应用，人工智能的另一应用趋势热点是与社会公益（Social Good）相结合，通过大数据、机器学习技术对行业数据进行深度分析，为社会发展策略的制定提供前瞻性建议，推动社会公益事业的发展。近年来，人工智能技术被广泛应用于社会公益的各个方面，例如城市规划与治理，利用AI技术和城市大数据辅助交通拥堵治理、城市功能区域建设；公共安全，基于图像识别、大数据挖掘等技术进行区域安全风险评估、智能犯罪预防；定向扶贫，基于机器学习技术和卫星遥感数据对贫困区域进行精准检测；灾害预警，利用AI技术对历史数据的深入分析和建模，为地震等自然灾害后的快速应急预案制定提供有效的决策支持。总体而言，AI与社会公益相结合的研究方兴未艾，具有重大的科研和社会意义，同时需要学界、产业界和政府在技术、数据、政策等方面紧密的合作。

最后需要强调的是，虽然人工智能已经成为世界各国政府和企业关注的焦点，现在人工智能发展面临的最大挑战却是高素质人才的稀缺。传统的制造业注重的是“人员”，比如富士康，强调人员的高效性和严格的工作纪律性。现在的高科技企业注重的是“人才”，强调深度的专业技能和团队协作能力。而未来的人工智能企业注重的是“人物”，人物是具有创新领导力的人才。和人才相比，人物除了具有战略视野，同时有带领人才团队创新的能力。因为人工智能的发展，世界已经进入快速多变的时期，具有风险评估和风险控制能力的人物会变得越来越重要。因此，国家和企业人工智能发展的成败在于设立合理的组织架构、激励机制、文化氛围积极吸引和培育人才和人物。可以预见，未来是得人物者得人工智能的天下。

（作者为美国罗格斯-新泽西州立大学罗格斯商学院管理科学与信息系统系副系主任、教授、博导）

【参考文献】

①《百度人脸识别入选MIT十大突破技术》，《北京晨报》，2017年2月24日。

责编/宋睿宸 美编/杨玲玲endprint