雷鋒網(wǎng)按：4月9日，第五屆中國電子信息博覽會（CITE 2017）在深圳開幕。華為智慧工程部部長張寶峰就人工智能產(chǎn)業(yè)化過程中面臨的一些挑戰(zhàn)，發(fā)表了他的看法。

“現(xiàn)在做人工智能的人其實(shí)是越來越保守的，但說人工智能的人是越來越忽悠了”，張寶峰說道。那么，是什么讓做人工智能的人變得越來越保守呢？人工智能產(chǎn)業(yè)化過程中面臨什么樣的挑戰(zhàn)？如今人工智能發(fā)展有什么樣的趨勢呢？對此，張寶峰做了詳細(xì)回答。

雷鋒網(wǎng)對其演講做了編輯整理：

我十分認(rèn)同，2017年應(yīng)該是人工智能產(chǎn)業(yè)化的元年。大家希望能把人工智能真正用在產(chǎn)品中去，真正帶來實(shí)實(shí)在在使用體驗(yàn)上的提升和產(chǎn)品的價(jià)值。我今天分享主要關(guān)于人工智能技術(shù)本身的四個(gè)大趨勢，主要關(guān)于人工智能目前面臨的挑戰(zhàn)。

目前，人工智能是什么并不是很清楚，我們不知道人作為一個(gè)智慧性的生命主體時(shí)，到底是怎樣產(chǎn)生智慧的。1963年兩個(gè)心理學(xué)家做了這樣一個(gè)實(shí)驗(yàn)，兩個(gè)孿生小貓出生后，除了每一天一小時(shí)會放在旋轉(zhuǎn)木馬上，其他的時(shí)間都是在黑暗的封閉環(huán)境中生活。一個(gè)月后，一只能夠自主行走，另一只卻只能固定在一個(gè)位置上不能行動(dòng)，對于一個(gè)生命體在三維空間活動(dòng)而言，智能感知深度是一個(gè)非常重要的信息。所以八周后，只能感知環(huán)境卻沒法行動(dòng)的小貓，其實(shí)就失去了對深度的認(rèn)知。這給我們帶來的啟示是什么呢？

一、可閉環(huán)、可成長的系統(tǒng)，“活”數(shù)據(jù)者贏天下

首先，我認(rèn)為不管人工智能到底怎么產(chǎn)生了決策能力，反饋都是非常重要的。現(xiàn)在流行的對抗式生成網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等算法，其實(shí)強(qiáng)調(diào)的都是反饋的效果和價(jià)值。在人工智能真正實(shí)現(xiàn)的時(shí)候，我覺得兩個(gè)因素非常重要，第一是數(shù)據(jù)逐步歸一。這里并不是強(qiáng)調(diào)大數(shù)據(jù)分析挖掘帶來的價(jià)值，而是指真正信號的輸入，如果所有數(shù)字化的東西能夠完整地傳遞到信息處理系統(tǒng)里面，使得信息系統(tǒng)能夠真正獲取全量信息，就有可能產(chǎn)生真正有價(jià)值的反饋處理；另一個(gè)指業(yè)務(wù)閉環(huán)打通。我們在構(gòu)建人工智能系統(tǒng)時(shí)，一定要打造所謂“AI之環(huán)”。以谷歌搜索引擎為例，當(dāng)你輸入一個(gè)關(guān)鍵字時(shí)，首先調(diào)用了谷歌的搜索引擎界面，用戶檢索之后，獲取信息時(shí)候有一個(gè)很重要的反饋——點(diǎn)擊，如果用戶搜索到鏈接并點(diǎn)擊某一項(xiàng)，這就說明輸入的內(nèi)容和點(diǎn)擊的內(nèi)容之間有非常強(qiáng)的耦合關(guān)系，或相關(guān)性關(guān)系，而這樣的相關(guān)性關(guān)系經(jīng)過算法的分析之后，使得搜索引擎的后臺重新進(jìn)行內(nèi)容的排序，這樣一個(gè)閉環(huán)系統(tǒng)才真正使用了人工智能系統(tǒng)的學(xué)習(xí)能力，這也就是反饋系統(tǒng)的重要性。

很多人把大數(shù)據(jù)分析和人工智能混為一談，但我的認(rèn)知里，大數(shù)據(jù)強(qiáng)調(diào)的是靜態(tài)數(shù)據(jù)的分析，而一個(gè)可成長的系統(tǒng)往往指的是動(dòng)態(tài)的系統(tǒng)。一個(gè)存在閉環(huán)反饋的系統(tǒng)才能夠長期發(fā)展下去，甚至活下去。所以，這是我們在構(gòu)建AI過程中一個(gè)非常重要的趨勢：一定要構(gòu)建一個(gè)閉環(huán)性系統(tǒng)，使它能夠真正具備長期發(fā)展的學(xué)習(xí)能力。

二、炒作走向務(wù)實(shí)，搞定High Stake風(fēng)險(xiǎn)為規(guī)模應(yīng)用

現(xiàn)在做人工智能的人其實(shí)是越來越保守的，但說人工智能的人是越來越忽悠了。當(dāng)人工智能引入到?jīng)Q策環(huán)節(jié)時(shí)，在如今的機(jī)器學(xué)習(xí)人工智能體系下，我們是通過數(shù)據(jù)訓(xùn)練模型的，那這個(gè)問題就會不可避免地出現(xiàn)：如果我們?nèi)〉玫臄?shù)據(jù)信息是不完備的，甚至有的時(shí)候我們自己都不知道數(shù)據(jù)信息是否完備時(shí)，那你的模型一定會在某些場合下出現(xiàn)非常大的偏差，導(dǎo)致系統(tǒng)不可控。如果我們想真正把人工智能產(chǎn)業(yè)化，就必須要發(fā)明或發(fā)現(xiàn)一種機(jī)制來控制偏差，能在異常情況時(shí)，不產(chǎn)生災(zāi)難性后果。有這樣的基礎(chǔ)，才有可能真正把AI決策系統(tǒng)用到非常敏感或者高危的行業(yè)中去。

自動(dòng)駕駛車輛一旦出現(xiàn)事故，后果非常嚴(yán)重，這對于投資決策也是一樣的，當(dāng)用AI做千萬級甚至過億的投資時(shí)，一旦出現(xiàn)小概率的事件，其造成的災(zāi)難性后果就會導(dǎo)致整個(gè)AI系統(tǒng)的崩盤。這是第二個(gè)趨勢，也希望大家能夠長期思考，把AI的系統(tǒng)應(yīng)用到?jīng)Q策系統(tǒng)中時(shí)，如何解決不可控的問題？

三、監(jiān)督學(xué)習(xí)走向非監(jiān)督，小數(shù)據(jù)、自我學(xué)習(xí)成熱點(diǎn)

第三個(gè)問題，也是華為的一個(gè)很大的痛點(diǎn)，截止到去年，整個(gè)全球范圍內(nèi)，華為發(fā)貨5～6億部手機(jī)，這樣海量用戶也積累了一些數(shù)據(jù)。但我們在做AI系統(tǒng)輔助時(shí)發(fā)現(xiàn)，海量數(shù)據(jù)的標(biāo)注基本上是一個(gè)不可承受之重，海量數(shù)據(jù)的標(biāo)注需要海量的人力。而且還有一個(gè)很大的挑戰(zhàn)，在機(jī)器學(xué)習(xí)系統(tǒng)里，不管模型有多復(fù)雜，基本都是一些規(guī)則，當(dāng)出現(xiàn)越來越多規(guī)則，越來越逼近整個(gè)算法的極限時(shí)，規(guī)則本身也是互相沖突的，那么如何真正把它變成一個(gè)知識，變成一個(gè)可成長、能夠自己適應(yīng)的知識呢？

針對這種問題，現(xiàn)在業(yè)界出現(xiàn)了小數(shù)據(jù)學(xué)習(xí)。在小孩的學(xué)習(xí)過程中，很多時(shí)候并不是像機(jī)器一樣需要海量數(shù)據(jù)和海量的訓(xùn)練形成定式，如果一個(gè)小孩碰火的時(shí)候被燙了，基本上第二次，他再也不會去拿手指頭直接去碰火了。在學(xué)習(xí)系統(tǒng)里也一樣，就是我們可能能用更低成本的方式完成現(xiàn)在的學(xué)習(xí)任務(wù)。所以我們也付出很大精力關(guān)注小數(shù)據(jù)學(xué)習(xí)，看看其能不能實(shí)用。

四、從規(guī)律發(fā)現(xiàn)走向推理決策，人機(jī)協(xié)同興起

所謂計(jì)算能力，是指在一個(gè)非常復(fù)雜的數(shù)據(jù)環(huán)境中，計(jì)算機(jī)能非?？斓赜?jì)算出數(shù)據(jù)間的關(guān)系，比如歸類關(guān)系等，但它并不知道這些分類的意義是什么？這樣的計(jì)算力是人無法達(dá)到的，但歸類抽象和因果推導(dǎo)是人非常擅長的。所以在計(jì)算機(jī)沒有具備像人一樣的智慧和學(xué)習(xí)能力之前，如果把人的一些能力和技術(shù)算計(jì)能力結(jié)合在一起，就可能使這樣的計(jì)算機(jī)系統(tǒng)真正給用戶提供有價(jià)值的服務(wù)，即所謂人機(jī)協(xié)同的方式。讓機(jī)器去學(xué)習(xí)，讓人去教育，使其變成當(dāng)前階段真正可以使用的系統(tǒng)。

雷鋒網(wǎng)將會持續(xù)報(bào)道展會精彩內(nèi)容，敬請關(guān)注！

相關(guān)文章：

與迅雷程浩辯: 人工智能下正需要有深度厚度的技術(shù)服務(wù)商

周鴻祎：通用型的人工智能都是騙子，必須結(jié)合垂直領(lǐng)域

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。