人工智能發(fā)展勢頭大好，每一步發(fā)展都備受全世界的關(guān)注，被譽(yù)為下一股技術(shù)浪潮的人工智能，正迎來快速發(fā)展的契機(jī)。中國人工智能學(xué)會副理事長，清華大學(xué)計算機(jī)系教授，博士生導(dǎo)師馬少平帶我們走進(jìn)人工智能快速發(fā)展的這段歷史。
中國人工智能學(xué)會副理事長，清華大學(xué)計算機(jī)系教授，博士生導(dǎo)師馬少平
人工智能發(fā)展的四個階段
人工智能發(fā)展到現(xiàn)在已經(jīng)有60年時間，在這60年當(dāng)中取得了一些成績，在今天人工智能大火的時候，我們有必要簡單回顧一下人工智能的進(jìn)程。人工智能誕生人工智能起源于1956年達(dá)特茅思的討論會上，在1950年圖靈在論文中探討了機(jī)器智能的問題，并提出了圖靈測試，為什么1956年提出了人工智能的概念，實際上是跟計算機(jī)的出現(xiàn)有關(guān)，1946年出現(xiàn)計算機(jī)，到了1956年有了很大的發(fā)展，人們覺得在這樣一個強(qiáng)有力的工具下，我們以前的智能機(jī)械這個夢想終于可以實現(xiàn)了，從此就誕生了人工智能這樣一個新的方向。
在這60年當(dāng)中，我們大體上可以把人工智能劃分為這樣四個階段，我們下面回憶一下，首先在初期階段，人民是比較樂觀，當(dāng)時研究的一些問題都是通用問題，其實在1956那次會上演示過一個計算機(jī)下棋的問題，人們很希望做出一個真正有智能的產(chǎn)品出來，但是由于人們對困難的估計不足陷入了困境，人們就來反思，為什么我們做的不成功，在這個反思過程中認(rèn)識了知識的重要性，這樣進(jìn)入了人工智能發(fā)展的知識處理階段。
在這個階段工作性質(zhì)就是專家系統(tǒng)，一個專家之所以能夠很好解決本領(lǐng)域的問題，是因為他有這方面的知識，如果把專家的知識總結(jié)出來，讓計算機(jī)去使用，根據(jù)這個知識進(jìn)行推理，一個計算機(jī)也就可以像專家一樣去工作了，所以這就是當(dāng)時所謂專家系統(tǒng)，知識工程，主要是要人為的總結(jié)認(rèn)識，讓計算機(jī)使用這些知識處理問題。
很快發(fā)現(xiàn)一個問題，知識獲取的瓶頸，發(fā)現(xiàn)知識獲取并不是那么容易，在這樣一種情況下，人們開始研究機(jī)器學(xué)習(xí)，希望讓計算機(jī)通過自己學(xué)習(xí)來獲取這個知識，來解決這種問題。這個主要就是一種以統(tǒng)計學(xué)習(xí)方法為主的一些技術(shù)，當(dāng)時這個階段的主要特征就是要人為定義這個特征，讓計算機(jī)去提取這些特征，通過淺層的特征影射，來實現(xiàn)這樣智能的目的。
但是這個特征，一方面要反映物質(zhì)的本職，另一方面也要能計算機(jī)處理，這個特征的提取也并不是那么容易，比如說在語音識別，我現(xiàn)在說話大家都能聽的懂，但是到底是哪些特征你決定了我在說什么，其實很難表達(dá)什么。
在這個時代，如何定義特征成為了這方面關(guān)鍵的問題，也陷入了一些困境。從2006年提出了深度學(xué)習(xí)這個概念之后，可以說我們進(jìn)入了數(shù)據(jù)時代，直接從原始數(shù)據(jù)中利用深度學(xué)習(xí)技術(shù)，讓這個系統(tǒng)計算機(jī)自動的提取特征，而且要提取不同層次的特征，有低層次的，也有比較高層次的，實現(xiàn)從特征深層分類，讓計算機(jī)自動的提取特征，并且獲得知識，最終解決問題，這個就是我們現(xiàn)在所處的以深度學(xué)習(xí)為基礎(chǔ)的數(shù)據(jù)處理的時代。
由計算機(jī)處理知識到處理特征，到直接處理數(shù)據(jù)，可以認(rèn)為人工智能是一步步發(fā)展，領(lǐng)域?qū)＜覅⑴c的越來越少，在知識處理時代需要領(lǐng)域?qū)＜抑苯訁⑴c，到現(xiàn)在數(shù)據(jù)時代，我們只需要根據(jù)數(shù)據(jù)不需要那么多的領(lǐng)域?qū)＜覅⑴c，可以體現(xiàn)了人工智能的進(jìn)展。
深度學(xué)習(xí)存在問題
現(xiàn)在應(yīng)用很多，也取得了一些成功的案例，現(xiàn)在幾乎是深度學(xué)習(xí)的天下，但是深度學(xué)習(xí)是不是就是人工智能的全部呢？我認(rèn)為也不是，我們看這些成功的例子都有一個特點，不能叫做單一數(shù)據(jù)，我們把它叫做單一數(shù)據(jù)，什么意思？我做語音識別的時候要很多的語音數(shù)據(jù)，但每一段語音對應(yīng)的是什么內(nèi)容，這是一一對應(yīng)的，我要做一個漢字識別，到底是那個字也是一一對應(yīng)，這里面沒有別的內(nèi)容。但是很多情況下有一下復(fù)雜數(shù)據(jù)，比如說在社交媒體當(dāng)中，什么數(shù)據(jù)都有，就不是單一數(shù)據(jù)，我本人做有關(guān)搜索引擎有關(guān)的，里面的點擊數(shù)量也有大量的東西在里面，所以也不是單一的，變成復(fù)雜的數(shù)據(jù)，深度學(xué)習(xí)不一定好用，還是要人的參與。
我舉一個我自己的做的一個例子，叫做垃圾網(wǎng)頁識別，通過做假的手段欺騙搜索引擎，這個會嚴(yán)重影響用戶的體驗，這就是一個例子，一搜這個迅速在下面一個，這個可能看不清楚，他是一個治療青光眼的網(wǎng)頁，為什么搜這個會出現(xiàn)這個，就是做網(wǎng)頁的人采取了欺騙的手段騙了搜索引擎，這樣會對用戶體驗非常不好。
以往對這個問題，各個搜索引擎都非常重視，但是這里面比較難辦，就像計算機(jī)病毒一樣，垃圾網(wǎng)頁作弊手段層出不窮，很難找一個有效的手段，過去都是一事一議，像防計算機(jī)病毒一樣，出一個殺一個。我們在做這件事情的時候就想，能不能找一個通用的辦法，我們就從垃圾網(wǎng)頁做的目的來著手，任何一個垃圾網(wǎng)頁基本上都是通過欺騙搜索引擎欺騙用戶，我們就想一個正常的用戶對一個正常的網(wǎng)頁跟一個垃圾網(wǎng)頁行為是不一樣的，所以我就想能不能基于群體用戶的行為對這個網(wǎng)頁，到底是正常網(wǎng)頁還是垃圾網(wǎng)頁進(jìn)行識別，在這里面我們主要是要人為總結(jié)一些特征，比方說我搜清華大學(xué)的時候，如果你點擊是清華大學(xué)正常網(wǎng)頁，我會在上面看，會停留時間比較長，如果是一個作弊網(wǎng)頁，跟清華沒有關(guān)系就馬上關(guān)掉，這是一個用戶行為特征，如果是一個正常的清華大學(xué)網(wǎng)頁，我可能還會進(jìn)一步看計算機(jī)系的主頁，而一個垃圾網(wǎng)頁可能就不太會采取這樣的行為。
一個垃圾網(wǎng)頁主要是通過欺騙搜索引擎來欺騙用戶點擊，很少有用戶直接用他的URL去訪問，有多大比例，搜索引擎引導(dǎo)過來這也是一個特征，我們尋找?guī)资畟€類似的特征，就采取傳統(tǒng)的統(tǒng)計學(xué)習(xí)的辦法就可以把這個問題經(jīng)過建模以后解決，并且得到非常好的效果，最右下角0.915就是一個指標(biāo)，我通過這個例子說明，我們很多情況下，可能傳統(tǒng)的方法上也許會更有效，尤其是復(fù)雜性的問題，還是要把人的智慧參加進(jìn)來。
深度學(xué)習(xí)本身其實現(xiàn)在也存在著一些問題，比方說大數(shù)據(jù)跟小樣本，深度學(xué)習(xí)一定要用大數(shù)據(jù)，小樣本很難做到，但是現(xiàn)實當(dāng)中有些問題沒有那么大的樣本。另外一個問題是黑箱對可解釋，基本上深度學(xué)習(xí)是一個黑箱的東西，把得出的東西我們很難解釋，比如說一個應(yīng)用，比如說做一個醫(yī)療診斷，我給你判斷出什么病，你得給我點理由深度學(xué)習(xí)很難做到這一點。另外深度學(xué)習(xí)是一次性學(xué)習(xí)，學(xué)完以后就用，增加一個類別就很難，想增加一個類別必須重頭推翻，重新訓(xùn)練。
還有所謂的固執(zhí)己見，很難說讓他改，是不是能夠做到知錯能改，要想改就得找出大量樣本重新訓(xùn)練。還有一個問題，深度學(xué)習(xí)還一個猜測，做不到理解，跟我們?nèi)诉€是不一樣，有一些人研究對抗樣本找深度學(xué)習(xí)存在的漏洞，比如說對于一個能識別物體的，有人構(gòu)造了這樣一些圖，給他識別錯了，這樣都完全識別錯的，這就有理解的問題。
還有人做過這樣的實驗，左邊兩邊都是熊貓，我們?nèi)丝炊际切茇?，不會認(rèn)錯，但是把中間故意弄一些噪聲之后，這邊識別成熊貓，那邊就識別成別的，這都是因為猜測存在著一些漏洞，猜測造成的因素。
人工智能發(fā)展尚處在初級階段
經(jīng)過60年發(fā)展，到現(xiàn)在人工智能有了很大的進(jìn)步，綜合應(yīng)用已有的方法確實可以解決一些復(fù)雜的問題，比如說像計算機(jī)圍棋，在2015年之前基本上認(rèn)為不可解決的問題，現(xiàn)在已經(jīng)達(dá)到了一個非常高的水平。但是這是一個，第二個我就是說，人工智能也不是說單一方法能夠解決的，除了現(xiàn)在大熱的深度學(xué)習(xí)之外，其實還有很多邏輯，跟常識有關(guān)的方法，可能很多情況下需要不同的方法來解決，單一的方法可能是不行的，即便是說阿爾法狗，也是搜索加深度學(xué)習(xí)兩種方法的結(jié)合，而搜索認(rèn)為是傳統(tǒng)的一種搜索技術(shù)，深度學(xué)習(xí)認(rèn)為是一個比較新的技術(shù)，但是必須得把兩個結(jié)合在一起用，才能夠解決這樣圍棋的問題。
現(xiàn)在人工智能雖然已經(jīng)發(fā)展的60年，但是可能還不夠，我認(rèn)為人工智能還處于萊特兄弟飛機(jī)的階段，萊特兄弟時代飛機(jī)很簡單，但是已經(jīng)可以航行了，就跟人工智能可以解決一些實際問題一樣，但是要從一個萊特兄弟的飛機(jī)發(fā)展到現(xiàn)在的噴氣式飛機(jī)，中間有個理論上的東西叫空氣動力學(xué)，在空氣動力學(xué)的指導(dǎo)下才有噴氣式飛機(jī)。
我們?nèi)斯ぶ悄芤胱叩絿姎馐斤w機(jī)這一步，我們可能還需要一個動力學(xué)，還學(xué)習(xí)空氣動力，當(dāng)然人工智能的空氣動力學(xué)在哪里，還正在尋找當(dāng)中，還需要大家的努力才能做到這一點。