科學家將更多的精力集中在機器人動作的研究上，在真正的“智能”問題上卻鮮有建樹

一場有關人工智能的大討論，正在中國掀起。

7月26日，包括多位院士在內的人工智能領域專家學者，以及IT巨頭研究院院長等產業界人士，匯聚2015中國人工智能大會，圍繞機器學習與模式識別、人工智能與認知科學、智能機器人、大數據的機遇與挑戰等前沿命題展開討論。這些聽上去晦澀難懂的學術討論，從某種程度上可以概括為一句話，即人類正在努力造出智能逼近甚至達到人類水平的機器人。

這當然還比較遙遠，但并不影響人們對它的興趣。即便是在這個國內人工智能領域規模最大、規格最高的科技盛會上，與會者所討論的，也能喚起一個普通公眾對于人工智能的想象以及擔憂。如果用一個比喻來形容這場時間定格在2015年的討論，可以這樣表述：科學家們做起了機器人的母親，目前正處于懷胎階段，一方面不斷學習前沿知識，掌握生孩子的技術；一方面還要時不時地問自己，要不要生這個孩子？如果生下來，是個吃人的妖怪，又該如何？

按照北京大學機器感知與智能教育部重點實驗室主任查紅彬對于“智能”的理解，人之所以不同于動物，在于后者只顧眼前，而人類卻能預測未來，規劃行為。包括他在內的人工智能科學家，目前所扮演的，就包括這樣一種角色，即為人類預測人工智能的未來發展。

人工智能，天使還是魔鬼？

在當天的大會上，中國科學院院士、中國人工智能學會副理事長譚鐵牛就試著回答這樣一個問題，“有人把人工智能描繪為一種非常有用、天使般的技術，也有的人，感覺人工智能很可怕，那么，人工智能到底是魔鬼還是天使？”

人工智能概念誕生于上世紀50年代，進入21世紀以來，互聯網和大數據推動人工智能進入新的春天，相應地，語音識別、圖像分類、機器翻譯、可穿戴設備、無人駕駛汽車等人工智能技術均取得了突破性進展。

然而，在不少與會專家看來，盡管經過近60年的發展，人工智能已經取得了巨大的進步，但總體上還處于初級階段，其發展依然可以用“方興未艾”來形容。

比如，就一些研究方法，甚至研究方式、方向而言，目前都尚無定論。中科院自動化所研究員宗成慶在現場拋出這樣一個問題：近年來機器學習方法發展迅速，在不到10年的時間里遷移學習、增強學習、概率圖模型、深度學習等方法相繼被熱捧，而深度學習方法之前的每一種方法都僅持續兩三年的時間便黯然失寵，是科學家“喜新厭舊”，還是那些被冷落的方法真的無能為力？

他說，無論哪一種學習方法都是建立在大規模訓練樣本之上的“賭博”模型，難以做到舉一反三。所以很多模型在實際應用的復雜環境中往往不如一個3歲的小孩。畢竟，兒童在學習和理解某些問題時，并非都基于大規模樣本，即豐富的經驗。這就帶來一個疑問：目前的學習方法研究確實是在正確的道路上沿著正確的方向前進嗎？

在持續兩天的高端會議里，這樣的“問號”俯拾即是。這似乎也從一定程度上說明，人類目前在人工智能領域的研究進展，還未達到“人工智能究竟是天使還是魔鬼”的節點，畢竟，人類連真正意義上的人工智能的影子都還沒看到。

不過，譚鐵牛也表示，從社會學角度研究人工智能的時候也已經到了。他說，雖然現在還遠不足以威脅人類生存，但其社會影響應該得到高度重視，“我們的學術團體，包括國家層面，都要把人工智能的社會研究，提到議事日程，未雨綢繆，建立相關的政策和法律法規，避免可能的風險，確保人工智能的正面效應”。

人工智能的轉折點是自主學習？

量變積累到一定程度，總會產生質變。

這樣的道理同樣適用于自然科學領域。套用于人工智能技術，總有某項技術的突破，能使機器人“變身”，盡管我們尚不清楚其變身之后，究竟是魔鬼還是天使。

那么，這個技術是什么？自主學習，是目前學界的一種說法。

查紅彬更喜歡稱之為“奇點”，在他看來，一旦機器人掌握了自主學習，就有可能迎來智能發展的奇點——如果機器人真的能夠根據自身發展的需要，自動定義學習的目標，在環境中自主獲取學習所需要的數據，產生互動，通過身體能力完成行為學習，甚至建立社會網絡，實現知識的積累，那么從某種意義上來說，就是掌握了“自主學習”。

不過，這要以機器能夠熟練掌握“感知能力”為前提。但遺憾的是，這一部分恰恰是整個人工智能研究較為薄弱的地方。因為，一旦涉及感知，以及感知的原理，就回到了人類大腦的工作原理問題，而后者對于人類，至今仍是一個黑箱子一樣的“謎”。

大會上，中國工程院院士、香港中文大學（深圳）校長徐揚生向人們一一播放了爬樹機器人、書法機器人、救援機器人、服務機器人等機器人試驗視頻，無不令現場公眾感到震撼。不過，徐揚生卻表示，過去幾十年，科學家往往將更多的精力集中在機器人動作的研究上，以實現機器人能像人類一樣爬、抓、行、跳，等等，卻在真正的“智能”問題上鮮有建樹。

他打了一個比方，前50年，我們研究的多是機器人“穿衣服”這個動作，卻沒有讓機器人學會“要不要穿衣服”，即“今天起風了嗎”，以及“起風了要不要加衣服”這些動作以外的感知和認知能力。而這些在徐揚生看來，也是最難學到的——定義是不是你的，不是你的肉體，而是你的心腦，這對人類如此，對機器人亦然。

感知，在人工智能領域，往往用“模式識別”這樣的術語來代替。正如譚鐵牛所說，世上萬物，無論是物質的還是精神的，無論是看得見的還是看不見的，都是一種模式。模式識別就是試圖用數字化手段將世上萬物自動分類識別出來。

但目前人類在這方面的研究差強人意。宗成慶以圖像和視頻分析為例，這些分析作為模式識別最基礎性的問題，在邊界分割和模式匹配、檢索等方面取得了若干優秀的成果，但是他問與會專家，這些成果在多大程度上體現了“智能”，離真正的“理解”還有多遠？

譚鐵牛也舉了一個例子，“張三吃食堂，李四吃面條，王五吃大碗”，這樣的句子，是目前機器翻譯不出來的。

人工智能概念是不是曇花一現

大會上，華為諾亞方舟實驗室主任李航打了一個有趣的比方，他說，如果把人工智能研究形容為登月，那么，如今有的手段是爬樹，有的是登山，但是毫無疑問，深度學習則可以稱為“造飛船”。他以神經網絡圖靈機的出現為例，這個可以模擬人類大腦的短期記憶的機器，外部網絡的讀寫通過外部存儲器完成，而在存儲記憶之后，通過檢索從而執行一些有邏輯性的任務。這向外傳遞著一種樂觀的信號。

不過，從整個人工智能的發展歷史來看，這般樂觀的局面能否延續下去，還不得而知。

宗成慶就持有警惕的態度:“人工智能是個筐，什么東西都可以往里裝。當他‘受寵’的時候，做什么都屬于人工智能，當他‘失寵’的時候，人人唯恐避之不及。”

他說，上個世紀80年代中期到90年代中期的時候，人工智能曾一度“受寵若驚”，之后便“臭不可聞”。30多年后的今天，究竟緣何被人們再度熱捧——是人工智能有了新的內涵，還是“新瓶裝老酒”？

“如果說在過去的30多年里，計算機科學技術有了突破性進展，除了硬件性能的飛躍性提高，人工智能的貢獻到底多大，究竟什么是人工智能的核心內容呢，如果拋開自然語言理解、圖像視頻識別和理解、搜索算法、知識工程等，還有什么呢？”這些問題在宗成慶看來，都需要留給時間來回答。

更為重要的是，從人類的科技發展史來看，有些技術往往被過高地抬舉或炒作，有的只是虛擬的概念曇花一現，有的則是十幾年前被冷落的技術由于硬件性能的改變而被再度推向期望的波峰，甚至多次輪回。那么，這一次，人工智能是否依然如此，宗成慶說，不得而知。

而科學家，這些在人工智能領域最有發言權的人類群體，有時候會被輿論綁架，有時候又會被稱為輿論界的“幫兇”，但似乎每個人都曾在這種忽上忽下、過山車似的變遷中感到興奮和迷惘。宗成慶提醒，作為科研工作者，如何在這種熱鬧紛繁的世界中把握冷與熱的平衡，是一個永恒的話題。

查紅彬在自己的演講最后，援引圖靈的一句經典名言，“We can see only a short distance ahead,but we can see that much remains to be done (吾等目力短亦淺，能見百事待踐行）”，他說：“盡管我們不清楚未來，人工智能究竟會變成魔鬼還是天使，但現在留給我們科學家的，還有許多任務，需要去完成。”