2021全球人工智能技术大会现场直击
杭州网  发布时间:2021-06-11 07:35   

浙江日报讯 从著名的图灵测试开始,人工智能便在跌跌撞撞中找寻自己前进的道路。

近年来,通过深度学习,人工智能在某些领域已经可以与人类智能相媲美,甚至超越人类。即便如此,它依然无法理解我们的感情,依然无法像个十岁的孩童一样感知世界。它的局限,就如同它的“神通”一样清晰明了。

那么,人工智能的“未来之光”究竟会如何照亮现实呢?

6月5日至6日,一场人工智能领域的大咖盛宴——2021全球人工智能技术大会在杭州未来科技城举行。国内外最顶尖的相关专家济济一堂。本报记者走进他们的研究世界,探索人工智能领域的最前沿。

深度学习——

大数据技术的成效

深度学习为人工智能带来了什么?

在全球人工智能技术大会上,中国科学院院士、西安交通大学教授徐宗本提出了这样一个论断——“坦率地讲,现在的人工智能仍主要以深度学习为基础”。

长久以来,围棋被看作是人类发明中最复杂、最具开放性的智力游戏之一。许多专家曾预测,电脑在几百年的时间内都不可能在围棋上战胜人脑。

2017年,乌镇的一场“人机大战”,吸引了全世界的目光。自从智能机器人AlphaGo以4:1的成绩战胜韩国棋手李世石九段以后,中国棋手柯洁九段再度迎战AlphaGo,试图为人类扳回一局。

最终的比分定格在0:3——横空出世的AlphaGo让很多人真正意识到了人工智能和深度学习的强大力量。它拥有以深度神经元为代表的智能系统,意味着人工智能可以在某些领域挑战人类智慧的极限。

深度学习是机器学习的一种。它在本质上是一种包含多个隐含层的人工神经网络。它从大量数据中学习表示(或特征),以便在分类和预测时从中提取有用信息。理论上,参数越多的模型复杂程度越高,容量就越大,也意味着它能完成更复杂的学习任务。

现场有专家告诉记者,这里的“学习”本质上是认知的过程,从未知到已知的探索和思考。“比如1+1=2,一根手指是‘1’,再伸出一根手指,数一数,两根手指那就是‘2’。”这里的“1”和“加号”就是输入,而得到的计算结果“2”就是输出。所以,任何的从已经有的信息,最终获得一个认知的过程都可以称为“学习”。

在柯洁与AlphaGo对弈过程中,下一步的棋子落在什么地方,是一种选择问题。当前科学家正用一种叫做“神经网络”的学习策略,来解决这类问题。这类似于在人脑中负责活动的基本单元“神经元”,互相连接成一个更庞大的“神经网络”。

而“深度”就是从“输入层”到“输出层”所经历层次的数目。层数越多,学习深度也越深。所以,越是复杂的选择问题,越需要深度的层次多。当然,除了层数多外,每层“神经元”数目也要多。例如,AlphaGo的策略网络是13层,每一层的神经元数量为192个。

由此也可见深度学习的局限性——计算的局限,模型的局限,以及过度地依赖标注数据。“有人说,这几年人工智能的发展是大数据发展的成果,也就是认为我们的模型更多还是依靠数据。”现场有专家表示。

人机混合——

从模仿脑到连接脑

或许我们早就用想象力为未来指明了方向。

科幻电影《阿凡达》中,人类能够借助机器,为自己的思维“穿上”阿凡达的躯壳。这个躯壳既可以是机械体,也可以是生命体,甚至可以是信息体。

回望人工智能发展的60余年,符号主义、连接主义、行为主义的侧重点各不相同,但皆是计算机模仿人类智能或行为。它们或多或少解决了一些实践应用问题,但局限于以“机器”为中心的视角,只考虑由机器构成的智能系统。

现在,将人引入,并将其作为系统的重要组成部分——通过人机混合,有望能够充分融合机器智能和人类智能的优点和缺点。

专家表示,人类智能和机器智能的混合是必然的发展趋势。理解大脑的运作方式,是人工智能未来发展的一个重要出路或出路之一。

就在去年,SpaceX和特斯拉等公司创始人埃隆·马斯克用三只小猪展示了最新一代脑机接口技术和产品——一枚硬币大小,可植入大脑的芯片,以及一台可完成自动植入芯片的手术设备。

研究人员不仅能够通过植入的芯片读出大脑活动,对小猪行为做出预测,还能向电极发送信号并刺激它们的大脑。神经元细胞会根据电极发出的信号产生反应。

科幻正在变为现实,虽然预测和控制一只猪的行为听上去是如此颠覆认知。

脑机接口意味着脑机融合,也就是脑和机形成循环。机器从大脑或生物体当中读取神经信号,并且通过系统解释、处理、再处理神经信号,再通过外部信号重新输入干预脑的过程,

在这个过程中,人机接口变为脑机接口。我们不再通过键盘或视觉等其他行为来形成链接,而是通过植入和非植入晶体芯片的方式,直接链接人与机器。

理论上,脑机接口设备可以被期待用来解决很多问题,比如视障、听障、帕金森综合症等。脑部损伤患者有可能因此重新获得对世界的某方面感知。甚至,电影《黑客帝国》里一个神经现实的世界可能实现。

这种从计算机领域提出的人机交互的新路径,为脑机智能形态的融合提供了一个双向、系统的信息通道。这也是用一个全新的角度,来看待人工智能——从模仿脑到连接脑。

在纪念“人工智能之父”图灵诞辰百年的文章中,国际顶级期刊《自然》明确提出,未来人工智能的一个重要发展方向,就是脑机体在一起融合并协同工作。

近年来,微丝电极、犹他阵列、密歇根阵列、记忆神经假体等前沿成果相继诞生,众多专家学者跨专业、跨学科投身脑机接口研究的大潮之中,它已然成为人工智能领域的热土。

与会专家认为,脑机融合的智能有望成为兼容生物智能体的环境感知、记忆、推理、学习能力和机器智能体的信息整合、搜索、计算能力的新型超强智能形态。

“超智能”——

有创造力的人工智能

许多年,学术界对人工智能的看法依旧:机器的高级认知能力很初步,人工智能的应用路阻且长。

清华大学计算机科学与技术系教授孙富春在接受记者采访时说:“深度学习仅仅解决了大规模数据到标签的映射问题,主要做分类;它还是底层的计算,还没有办法达到高层认知层面。”

这也就意味着,目前的人工智能还是只能针对特定对象、特定场景。它的学习过程处于一个黑箱之中,见不着光、探不着底。

我们如何从狭窄的、特定领域的智能迈向真正可以解释的、更通用的智能呢?

通用智能并不一定意味着人类智能,但我们希望机器能做出人类的判断和决策。这并不一定意味着机器将实现创造力、直觉或本能等没有数字类比的概念。它将具备处理多种类型的任务,和适应未曾预料的情形的能力,并且毫无疑问可以识别“正义”和“公平”这样的概念。

与会专家认为,通用智能要么将显著慢于人类思维,难以通过硬件或软件加速,要么将通过大规模并行和硬件改进而获得快速提速。“我们将从数千个内核 GPU,扩展到数千个芯片上数以万亿计的内核。其数据流来自数十亿的传感器。在第一种情况中,当加速变缓时,通用智能可能不会那么有趣。在第二种情况中,其增速的斜坡将会非常陡峭、非常快。”

超越通用智能后的下一步是“超智能”。从某种程度上来说,这是一种具有创造力的人工智能。

有围棋专家称 AlphaGo的一些落子是“创造性的”。但它们源自与其他所有落子完全一样的过程和模式,而并非以一种新的视角看待这项游戏。同样算法的重复应用可能会产生让人类感到惊讶或意外的结果,但仅仅的惊讶并不是我们所说的“创造力”。

面向人工智能领域的发展未来,科大讯飞董事长刘庆峰向记者提出了自己的展望:一是深度学习的“黑盒”变“白盒”。让深度学习从关注程序外部结果到深入程序内部逻辑结构,从数据结构化、网络可视化到推理过程化,衍生出“具有可解释性的人工智能”。这样的需求是当下十分迫切、也是未来人工智能的攻坚方向。二是人机共存时代到来,人机共存更加和谐、自然。人机交互将更加以人为本,人工智能将更加顺应每个人的发展,包括多模态感知和呈现,可编辑的人工智能人设,场景自适应的交互等。三是人工智能和多学科交叉研究,将加速促进人工智能在更多行业中引发颠覆式的革新。如人工智能和脑科学的结合,人工智能的基本算法在材料科学和生物制药领域都将起到巨大作用。


来源:浙江日报  作者:见习记者 李娇俨 何冬健 记者 唐骏垚 通讯员 徐逸民   编辑:见习编辑 王健
返回