整理/记者 白竟楠 编辑/吉菁菁 供图/视觉中国

讲解专家

朱礼军

中国科学技术信息研究所工程

中心常务副主任，博士、研究员

【讲座地点】

中国科技馆

2017年人工智能非常火爆，中国政府出台了《新一代人工智能发展规划》，人工智能技术到今天越来越多地走入人们的生活中。黑科技、AlphaGo、机器人……

这些看起来充满着“未来味道”的名词和技术，它们之间有着怎样千丝万缕的联系呢?人工智能技术的终极目标在哪里?

人工智能领域有硬科技也有黑科技

什么是科技?对于“科技”这个词，每个人都有自己的解读，殊不知，科技也分多层次。

通常来说，“科技”分为科学和技术。科学是理论，技术是手段，两者结合起来共同解决实际问题。科技的第二个层次是高科技，比如我国的原“863计划”中的项目大都属于高科技的范畴，是人才、知识、资金、风险的密集，处在前沿的技术领域。科技的第三个层次是硬科技，也就是具有“高门槛”的科学技术，这种硬科技很难模仿和山寨，因为其核心资源难以被模仿，且运营模式独具特色。第四层是黑科技，是未公开的核心技术和方法。在科学发展中，并不是所有成果都通过论文获得公开，还有很多没有公开的技术成果，会以出人意料的方式展现在众人眼前，这就是黑科技。第五层概念就是科幻，它采用艺术表现手法描绘未来科学对人类生活影响。那么我们通常讨论的人工智能产品属于哪一种呢?

首先要搞清楚基于人工智能技术的产品形式。目前应用范围最广的是工业机器人，这种机器人被大量应用在工厂和车间，大大降低了人力成本，且工业机器人的精度可以达到较高的水平。

还有无人驾驶汽车，在刚刚结束的美国CES大会上，百度公司展出了自动驾驶产品，引起很大反响，无人车技术成熟度已经快达到上路标准。还有一套著名的问答系统就是IBM的沃森系统，作为一套问答系统，其背后有海量数据和文献数据支持，以及强大的处理系统，它可以与人进行知识竞答的比赛，在竞答过程中，提问和答案并非录入和调取的过程，而是通过在现场对海量文献的快速计算得出的答案。

还有一套“网红”人工智能系统，那就是AlphaGo。这是第一个战胜围棋世界冠军的人工智能程序。

早在1997年，当深蓝下象棋打败了人类冠军时，当时大多数人认为如果下围棋，那么机器赢不了人类。二十年之后，这一预言被推翻了。很快，Google又推出了AlphaGo MASTER系统，这套系统成功打败了所有人类围棋冠军。

接着，AlphaGoZero诞生，学习了40天之后，它成功战胜了AlphaGo MASTER系统。更出乎意料的是，以前的系统都需要学习棋谱，而AlphaGoZero不需要学习棋谱，它只需要“了解”规则并进行自我博弈，之后便达到围棋的顶峰。

从工业机器人到AlphaGo，这些人工智能技术产品分布在不同的科技层次，科技也随着技术的进步迎来了“新IT”时代。

“新IT”把信息变成智能

IT是information technology的缩写，但是，在“新IT”时代，“I”的含义变成了intelligence，即智能，也就是大数据、云计算和人工智能三位一体的时代。除了上述的多种机器人，还有一种更“厉害”的机器人——类人机器人。

关注机器人进展的人一定知道波斯顿动力机器人，它能够轻松进行360度跳跃翻转，对于这种机器人来说，其平稳性控制的难度是非常大的，这种机器人目前主要处在基础领域研发，当其躯体与大脑结合在一起的时候，它可以做非常多有意思的事情。

另外一个非常知名的类人机器人是索菲亚，她也具有划时代的意义，因为她是第一个被赋予国籍的机器人。索菲亚很聪明，和她交流的时候甚至感觉不出来这是一个机器人。

人工智能已经被演绎了一重又一重，人类利用电影、小说等艺术手段让人工智能达到炉火纯青的地步。但是，人工智能研究最初进展得并不顺利，它不仅没有如今的火爆，而且曾经是被“边缘化”的学科。

在1950年代大学里，计算机专业研究方向分为三类，第一类是计算理论研究，第二类是程序开发类研究，第三类是人工智能类研究，这些研究包括：自动计算机、编程语言、计算模型的理论、自我改进、抽象等，是他们的研究方向。但不幸的是，那时的人工智能研究非常另类，但正是这一批被“瞧不起”的人，创造出了一个全新的世界，他们就是摩尔、麦卡锡、明斯基、赛弗里奇、所罗门诺夫等。早在1956年，他们就已经意识到自己所研究的内容重要而宏大，也正是这些人在人工智能发展领域留下了浓浓的一笔。

人工智能经过60年的发展经历了两次大的起伏，第一次是在1980年代时热度降温，因为人工智能虽然先进但因为可计算性等原因难以解决大量的实际应用问题，之后又在日本第五代计算机研发时期兴起，但之后又随着第五代计算机研发失败而冷却。

如今，人工智能再一次迎来了飞跃式的快速发展。不过，很难预测人工智能的明天将会走向哪里。

“看”和“听”是人工智能的核心技术

当前人工智能的核心是数据加算法加算力，智能的核心就在于其算法智能。

如何让机器在猫、老虎和狮子之中准确识别出猫?过去，计算机通过颜色、纹理特征识别，但是，这需要人工输入特征之后让机器识别。现在不会应用这种早期的处理手段，人只需要“告诉”机器这是什么动物，标注了成百上千张图之后，计算机会自己“学会”识别特征，这就是现代的深度学习算法，完成图像识别任务。

那么，图像识别之后能做什么?比如无人驾驶汽车行驶在路上，如何识别路况，这就是一种应用。还可以用于监控装置，智能摄像头可以监控一个区域的人员密度、行为，甚至可以计算出每个人的身高体重。

所以，一个智能监控摄像头可以快速识别视野范围内人群的危险动作，这就是“非结构化信息的结构化”。当然，还可以应用在道路车辆监控领域，所以，开车的司机们不要认为开得很快摄像头无法快速跟踪监测车速，在人工智能图像识别技术发达的今天来说，这些都是可以准确监测的。

人工智能的语音检测又是如何实现的呢?只要使用智能手机的用户们都知道，如今发送短信或者微信时都可以输入语音，手机会将你说的话转化成文字，那么，语音转文字的过程是如何实现的呢?

语音转文字时需要语音声波信号一系列的转化，形成特征，将语音模型和语言模型结合后，进行计算，就可以把语音转化为文字。那么，手机上的语音转文字只是一种初级的应用，如果用语音去控制智能设备，真正的难点是如何理解文本的含义。

如果一位女士和一位男士约定了会面时间，女士说“如果你到了我没到，你就等着;如果我到了你没到，你也等着吧。”，同样是让对方等着，但是女士表达的含义却截然不同，人类可以听出其背后的含义，但是机器只能分析出语法，却无法识别其背后的含义。

机器理解人的语言分很多种，第一种是行为反应，比如声控。第二是语言能力，也就是问答，从大量文本中做组合和翻译。第三类是如何表达出语言的结构和意义，这也是计算机最难处理的问题。如人可以通过生活获取常识，但是机器却只能通过大量的数据分析获得“常识”。

所以，什么是智能?智能要能自主感知动态变化的环境，能综合分析判断得到的信息。鹦鹉虽然会学人说话，但它并不能理解语言背后的含义;乌鸦能根据环境和学习投石饮水，显然它掌握了分析判断的能力。所以，乌鸦是智能的，鹦鹉只是初级的智能。

人工智能发展面对诸多瓶颈

计算机可以在现实世界中自主去寻找最关键的要素吗?显然答案是否定的，但这是人类的长处。

实现海量信息的选择性感知与注意，抓取特征性信息，就应该在计算机感知阶段进行处理，那么，在这一阶段，能否成功进行建模和编写程序呢?而这些问题，人类只需要用大脑，本能地就能解决，机器还差得很远。

机器在通往智能道路上的第二个难点在于“知识表达”。类常识性知识对于机器来说都需要学习。正因为如此，人工智能发展的历程中，每次要解决常识性问题时，都是人工智能专家们感觉困难的时候。

第三个难点在于，人工智能技术缺乏通用性。每一种人工智能功能实现背后的模型都是不同的，机器学习的算法也是不一样的。而人类在解决所有问题时，只需要一套大脑系统。

第四个难点在于人工智能的安全问题，这也是需要高度重视的问题。如果人类得知了智能算法的弱点后，就可以通过破坏特征而让机器无法工作，从而“误导”机器。同样，网络攻击也是利用了机器的弱点和漏洞。所以，社会工程学如果与AI结合，可以形成非常强大的负面力量。

现在，人工智能的前沿研究依然要回归到研究人脑，对大脑的基本结构的研究已经初步完成，不过，神经元是如何传递信息和编码信息的?大脑是如何工作的?如何感知数据和加工信息的?

当这些问题都研究清楚之后，人工智能才能真正进入“强人工智能”时代，而现在这些智能在许多专业人士眼中，属于“人工智障”。

人类大脑只被开发了8%左右，人类的优势在于创新，而不是基于大量数据统计基础上的归纳总结。

人之所以为人，在于我们能观察世界、感知世界、创造世界，所以，机器永远无法成为“我们”，在现实物理世界中，拥有广阔视野的人类才是王者。

（本文据朱礼军1月13日在中国科技馆的讲座整理）