论文部分内容阅读
现年97岁的数学家吴文俊教授依旧精神矍铄，他曾经明确指出：机器的出现延伸了人的体力，而现代计算机的出现则延伸了人的脑力。受技术进步的影响，吴先生在近花甲之年，以他深厚的数学功底和刻苦精神创立了数学机械化的“吴方法”，进而在自动定理证明研究领域取得了重要突破。数学界赞赏他的工作，人工智能领域的专家同样赞赏他的工作。1988年12月，国际“人工智能（Artificial Intelligence）杂志”第37卷出版发行自动定理证明专辑，报告很大程度上是由吴先生的开创工作所引发出的关联于几何定理自动证明的研究进展，其中有三篇国外学者的文章专门介绍了吴方法的原理和应用成果。在这之后的一个夏日，主要因创立人工智能编程语言LISP的重要贡献而获图灵奖并有着人工智能之父称号的美国斯坦福大学教授约翰·麦卡锡（John McCarthy）还特意造访了吴先生在中关村的宿舍与之交流关于人工智能发展前景的看法。
从上个世纪50年代开始，伴随着计算机科学和技术的进步，人工智能经受的挑战不断，但成绩斐然、亮点纷呈，也在成长也在发展。不久前，阿尔法狗（AlphaGo）以超出很多人预料的碾压方式战胜人类围棋高手的结果，使得人工智能的光荣绽放难以磨灭地留在了亿万观众的记忆之中。这里的AlphaGo，不但包含了Go（围棋）也包含了Alpha（开端），而且有意思的是Alpha连同Beta一起都具有测试的含义。这是在测试人类的智慧极限还是在测试“机器”的“聪明”程度？更加意味深长的是，Alpha-Beta还是一种技术方法的名字，是麦卡锡教授为降低最大-最小博弈树（MAX-MIN Game Tree）的巨大搜索空间而提出的剪枝技术。正是在包括Alpha-Beta剪枝技术在内的各类优秀算法的支撑下，阿尔法狗才有了出色的表现，“狗”之光荣的背后是技术、是实力，是人的智慧。
时至今日，人工智能被普遍认为是一门新的技术科学，目的是研究、发展、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。其中要实现的智能，本质上是对人的意识、思维及信息处理分析过程的模拟。人工智能的结果当然不是单纯的人的智能，因为能借助以人类智慧和经验为支撑的过去不曾有的工具和方法，人工智能呈现给我们的总的结果必然是人类智能的扩大或放大。事实上，自从有了人类社会以后，人的智能、人类的智能就一直在发展在扩展，只不过我们现在有幸经历了人类智能快速发展的阶段。我们当然希望能够走入对于人类来说可以理性控制的“机器智能”时代——人们要的是从机器智能、从人工智能中获得益处而不是害处。这或许就是，就应该是人工智能的梦想。毫无疑问，在发展人工智能的过程中，既要追求生活质量的整体提升又要保证人类自身的本质安全，这将是我们一直要面对的重要问题和挑战，肯定不轻松，需要时时记心中。
图灵1950年设计出的智能测试方案，基本内容是如果机器（电脑）在给定的时间内能回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则机器就通过了智能测试。显然，其中提到的30%的尺度肯定要随着技术的进步而与时俱进地有所提升，但这样做已经成为判断机器是否具有智能的经典方式了。推而广之，如果不看外表，让机器做任何一件能体现出人的智能的事，若效果和人之所为难以分辨，就可以接受机器具有人的智能来做这件事的判断。按照这个准则，机器具有智能的情形真是太多了，甚至有很多情形，机器的智能要比人的智能高得多。
我们不妨来分析一个事例—— 汽车的自动驾驶问题。尽管目前在世界的一些地方已经有限度地允许无人驾驶汽车上路了，但无人车在成熟前还有很多技术及非技术的问题需要解决，能准确地实现机器视觉景物识别就是其中之一。美国斯坦福大学计算机科学华裔女专家，目前担任斯坦福人工智能实验室（SAIL）和斯坦福计算机视觉实验室（SVL）主任的李飞飞（Fei-Fei LI）认为汽车自动驾驶是计算机学习人脑的极佳研究项目，其基本目标是让计算机学习人脑做决定的方法，实现智能汽车。
例如，对于路面上的一个纸盒箱子和同样大小与形状的一块石头，无人车的应对处置应当有很大不同。对这类问题，李飞飞及其研发团队通过多年摸索后给出的解决方案是，用大量图像对计算机进行“训练”以实现自然景物的智能识别。首先要完成大量图像的采集整理工作。项目团队花了两年多的时间，充分利用互联网，采取众包方式，通过来自167个国家，最多时达到5万人的共同参与，采集到了一千五百万帧图像，并梳理成两万两千个图像类别。无论在图像的质量和规模上，所做出的工作都是空前的。进一步，在用这些海量图像对计算机进行训练时，则采用了基于卷积神经网络的方法。项目团队开发出的典型的神经元网络，包含了两千四百万个节点，一亿四千万个参数，一百五十亿个连接，已然建立出这样的“巨型”网络，充分说明实现高水准的智能要面对多么大的挑战。正是由于李飞飞团队的开拓性工作，使得丰田公司决定投入两千五百万美元支持SAIL。2015年9月3日，斯坦福大学和丰田公司共同宣布建立SAIL-TOYOTA中心更深入地开展AI研究。当前，该中心围绕智能汽车的总目标，布局实施了12个研发项目。可以预期，这些产学研深度结合之研发项目的任何重要进展都会深刻地影响到AI领域的发展。
科学技术的快速发展，使得人工智能（AI）研究领域变得非常宽泛，传统的研究内容包括自动推理、机器学习、机器人、语音识别、图像识别、自然语言处理和专家系统等，而虚拟现实（VR）、可穿戴设备、智能搜索和大数据等这些逐步成熟和新兴发展的研究领域正在通过跨界的方式对AI发展提供更多的动力。
人类发展AI的根本目的是服务于人类自身的更好发展，但这种服务的实现很大程度上要借助中间媒介 - 相应产品、相关企业及关联行业的发展来促成。在中国，人工智能产业的发展一方面能整体助推经济发展质量的提升，另一方面对中高端受教育人群的就业和择业也创造了非常好的新机遇。在我国人口红利正在逐步消退的前景下，更应把人工智能产业提升到国家战略的高度来大力发展。美国著名市场调查公司BCC Research判断，仅智能机器（Smart Machines）一项产业，全球到2019年的规模就有153亿美元之巨。巨大的市场规模和市场需求对产学研及企业和行业的发展都创造了新的机会，同时也期待着诞生更合适宜的产业政策和行业发展规划。
在憧憬人工智能及智能产业的未来时，我们由衷希望能从美国的阿尔法狗，走出中国的贝塔猫（BetaCAT）。这只猫展开来看就是ChinaAT，既China@ - 它应寓意着在中国研制出的智能产品应能经得起更严厉的检验，更好地服务社会和民众。
从上个世纪50年代开始，伴随着计算机科学和技术的进步，人工智能经受的挑战不断，但成绩斐然、亮点纷呈，也在成长也在发展。不久前，阿尔法狗（AlphaGo）以超出很多人预料的碾压方式战胜人类围棋高手的结果，使得人工智能的光荣绽放难以磨灭地留在了亿万观众的记忆之中。这里的AlphaGo，不但包含了Go（围棋）也包含了Alpha（开端），而且有意思的是Alpha连同Beta一起都具有测试的含义。这是在测试人类的智慧极限还是在测试“机器”的“聪明”程度？更加意味深长的是，Alpha-Beta还是一种技术方法的名字，是麦卡锡教授为降低最大-最小博弈树（MAX-MIN Game Tree）的巨大搜索空间而提出的剪枝技术。正是在包括Alpha-Beta剪枝技术在内的各类优秀算法的支撑下，阿尔法狗才有了出色的表现，“狗”之光荣的背后是技术、是实力，是人的智慧。
时至今日，人工智能被普遍认为是一门新的技术科学，目的是研究、发展、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。其中要实现的智能，本质上是对人的意识、思维及信息处理分析过程的模拟。人工智能的结果当然不是单纯的人的智能，因为能借助以人类智慧和经验为支撑的过去不曾有的工具和方法，人工智能呈现给我们的总的结果必然是人类智能的扩大或放大。事实上，自从有了人类社会以后，人的智能、人类的智能就一直在发展在扩展，只不过我们现在有幸经历了人类智能快速发展的阶段。我们当然希望能够走入对于人类来说可以理性控制的“机器智能”时代——人们要的是从机器智能、从人工智能中获得益处而不是害处。这或许就是，就应该是人工智能的梦想。毫无疑问，在发展人工智能的过程中，既要追求生活质量的整体提升又要保证人类自身的本质安全，这将是我们一直要面对的重要问题和挑战，肯定不轻松，需要时时记心中。
图灵1950年设计出的智能测试方案，基本内容是如果机器（电脑）在给定的时间内能回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则机器就通过了智能测试。显然，其中提到的30%的尺度肯定要随着技术的进步而与时俱进地有所提升，但这样做已经成为判断机器是否具有智能的经典方式了。推而广之，如果不看外表，让机器做任何一件能体现出人的智能的事，若效果和人之所为难以分辨，就可以接受机器具有人的智能来做这件事的判断。按照这个准则，机器具有智能的情形真是太多了，甚至有很多情形，机器的智能要比人的智能高得多。
我们不妨来分析一个事例—— 汽车的自动驾驶问题。尽管目前在世界的一些地方已经有限度地允许无人驾驶汽车上路了，但无人车在成熟前还有很多技术及非技术的问题需要解决，能准确地实现机器视觉景物识别就是其中之一。美国斯坦福大学计算机科学华裔女专家，目前担任斯坦福人工智能实验室（SAIL）和斯坦福计算机视觉实验室（SVL）主任的李飞飞（Fei-Fei LI）认为汽车自动驾驶是计算机学习人脑的极佳研究项目，其基本目标是让计算机学习人脑做决定的方法，实现智能汽车。
例如，对于路面上的一个纸盒箱子和同样大小与形状的一块石头，无人车的应对处置应当有很大不同。对这类问题，李飞飞及其研发团队通过多年摸索后给出的解决方案是，用大量图像对计算机进行“训练”以实现自然景物的智能识别。首先要完成大量图像的采集整理工作。项目团队花了两年多的时间，充分利用互联网，采取众包方式，通过来自167个国家，最多时达到5万人的共同参与，采集到了一千五百万帧图像，并梳理成两万两千个图像类别。无论在图像的质量和规模上，所做出的工作都是空前的。进一步，在用这些海量图像对计算机进行训练时，则采用了基于卷积神经网络的方法。项目团队开发出的典型的神经元网络，包含了两千四百万个节点，一亿四千万个参数，一百五十亿个连接，已然建立出这样的“巨型”网络，充分说明实现高水准的智能要面对多么大的挑战。正是由于李飞飞团队的开拓性工作，使得丰田公司决定投入两千五百万美元支持SAIL。2015年9月3日，斯坦福大学和丰田公司共同宣布建立SAIL-TOYOTA中心更深入地开展AI研究。当前，该中心围绕智能汽车的总目标，布局实施了12个研发项目。可以预期，这些产学研深度结合之研发项目的任何重要进展都会深刻地影响到AI领域的发展。
科学技术的快速发展，使得人工智能（AI）研究领域变得非常宽泛，传统的研究内容包括自动推理、机器学习、机器人、语音识别、图像识别、自然语言处理和专家系统等，而虚拟现实（VR）、可穿戴设备、智能搜索和大数据等这些逐步成熟和新兴发展的研究领域正在通过跨界的方式对AI发展提供更多的动力。
人类发展AI的根本目的是服务于人类自身的更好发展，但这种服务的实现很大程度上要借助中间媒介 - 相应产品、相关企业及关联行业的发展来促成。在中国，人工智能产业的发展一方面能整体助推经济发展质量的提升，另一方面对中高端受教育人群的就业和择业也创造了非常好的新机遇。在我国人口红利正在逐步消退的前景下，更应把人工智能产业提升到国家战略的高度来大力发展。美国著名市场调查公司BCC Research判断，仅智能机器（Smart Machines）一项产业，全球到2019年的规模就有153亿美元之巨。巨大的市场规模和市场需求对产学研及企业和行业的发展都创造了新的机会，同时也期待着诞生更合适宜的产业政策和行业发展规划。
在憧憬人工智能及智能产业的未来时，我们由衷希望能从美国的阿尔法狗，走出中国的贝塔猫（BetaCAT）。这只猫展开来看就是ChinaAT，既China@ - 它应寓意着在中国研制出的智能产品应能经得起更严厉的检验，更好地服务社会和民众。