60年前的夏天，當(dāng)時(shí)在美國的達(dá)斯矛斯開過一場研討會(huì)，在這個(gè)會(huì)議上，有一群年輕人搞了一個(gè)討論班，用了兩個(gè)月，討論人工智能要怎么做。在這個(gè)班里，最后幾個(gè)大家大部分人都拿了圖靈獎(jiǎng)，這也是人工智能的一個(gè)起源的標(biāo)志，到現(xiàn)在為止，人工智能的發(fā)展有三個(gè)浪潮，第一個(gè)浪潮就是從起源開始。

編者按：2016高工機(jī)器人年會(huì)的閉幕式主題報(bào)告會(huì)上，中國工程程院院士、北京大學(xué)教授高文在做了一個(gè)主題為“人工智能的前景與挑戰(zhàn)”的演講，在演講中高文院士回顧了過去60年的三波人工智能浪潮發(fā)展的歷史（這篇報(bào)告雷鋒網(wǎng)有更詳細(xì)的版本，請點(diǎn)擊鏈接），回顧過后就要展望未來，那么人工智能的未來會(huì)怎么樣？這也是高文院士今天所講的一個(gè)主要議題，以下為雷鋒網(wǎng)整理的高文院士的演講全文。

人工智能還存在不足

今天產(chǎn)業(yè)界都覺得人工智能大風(fēng)來了，趕快前進(jìn)不要掉隊(duì)。但是如果你冷靜下來想想，人工智能從研究方面還是有很多問題沒有解決的。當(dāng)然這不是說不能用，仍然可以用，就看你怎么用，會(huì)用在哪里。

人工智能現(xiàn)在主要的缺陷或者不足還是在機(jī)器學(xué)習(xí)上的網(wǎng)絡(luò)上，神經(jīng)網(wǎng)絡(luò)是學(xué)習(xí)的一個(gè)方法，這個(gè)方法確實(shí)可以解決很多問題，但是它的問題是你不知道它是怎么解決問題的，在神經(jīng)網(wǎng)絡(luò)機(jī)器人的表達(dá)里面有很多東西是沒有辦法定性、解釋的，這是比較難的一個(gè)問題。怎么樣能把這個(gè)問題解決掉，人工智能可能又會(huì)來一波大的浪潮。不管怎么樣，怎么樣做好的知識處理，能夠做到知其所以然，這是現(xiàn)在面臨的一個(gè)比較大的問題。

這方面有人在做研究，例如這位圖靈獎(jiǎng)的獲獎(jiǎng)人，他是做分布式學(xué)習(xí)最重要的一位學(xué)者。另外一位在機(jī)器學(xué)習(xí)方面的圖靈獎(jiǎng)的獲獎(jiǎng)人是UCLA的教授。圍繞這兩個(gè)領(lǐng)域，做機(jī)器學(xué)習(xí)的人都在探索怎么把這個(gè)理論實(shí)用化，因?yàn)樗麄兊睦碚撎碚摚瑳]辦法直接用，所以很多人都在探索這個(gè)問題。

各國對人工智能的動(dòng)作

最近有很多不同的基金或者國家面向人工智能或者深度學(xué)習(xí)方面都有不同的動(dòng)作。

比如說美國的國家科學(xué)基金會(huì)（NSF）從今年開始對于機(jī)器學(xué)習(xí)原創(chuàng)工作仍然大力支持，但是對于簡單使用深度學(xué)習(xí)去解決問題的研究已經(jīng)不再支持了。所以前段時(shí)間我去美國開會(huì)，馬里蘭大學(xué)的一位很知名的搞人工智能的專家就調(diào)侃說，現(xiàn)在都在說Deep  Learing，Deep  YES，Learning NO。因?yàn)樗膶W(xué)習(xí)嚴(yán)格的說不是學(xué)習(xí)，而是訓(xùn)練，是用大數(shù)據(jù)在訓(xùn)練一個(gè)結(jié)構(gòu)，而不是真的知道知識是什么，這可能只是一個(gè)動(dòng)作。

國內(nèi)的自然科學(xué)基金業(yè)也在采取一些動(dòng)作，包括我們會(huì)把和人工智能相關(guān)的一些研究列入支持。比如我們將會(huì)把智能科學(xué)單獨(dú)作為一個(gè)學(xué)科代碼，將來在整個(gè)自然科學(xué)申請?bào)w系里面列進(jìn)去，每一個(gè)學(xué)科代碼在我們這里相當(dāng)于是一個(gè)處的編制。

有的同事知道我另外一個(gè)身份是國家自然科學(xué)基金委員會(huì)的副主任，我現(xiàn)在分管信息學(xué)部，自然科學(xué)基金今年248億預(yù)算，8個(gè)學(xué)部，有的學(xué)部大一點(diǎn)，有的學(xué)部小一點(diǎn)。信息學(xué)部今年的預(yù)算是1/8左右，也就是說28-29億，現(xiàn)在四個(gè)處在分，每個(gè)處是不到5億。如果我多了一個(gè)信息科學(xué)代碼，那它就會(huì)從1/4變成1/5，所以大家可以知道我們將來對信息科學(xué)的支持力度會(huì)有多大。

當(dāng)然沒有申請人也不會(huì)給錢，因?yàn)樽匀豢茖W(xué)基金是競爭性的，沒有競爭就拿不到錢。所謂競爭，大概就是1/4，大概就是25-30%之間的申請率，平均3份以上選擇1份來支持。這是一個(gè)信號，我國今后會(huì)對人工智能或者機(jī)器人的研究會(huì)有比較大的資源注入進(jìn)去。

人工智能的劃分

對于未來來說，現(xiàn)在的人工智能和未來的人工智能到底階段上怎么來劃分？或者說我們現(xiàn)在做了多少事，未來還有多少事需要做？

不要認(rèn)為我們解決了人工智能的所有問題，我們解決的問題還是很小一部分。是哪一部分呢？我們把這個(gè)矩陣做成四部分來看。

左上角部分叫做可統(tǒng)計(jì)、可推理的知識，或者可統(tǒng)計(jì)、可推理的世界。什么叫可統(tǒng)計(jì)？只要數(shù)據(jù)多了，一統(tǒng)計(jì)就找到規(guī)律了。什么是可推理？它的因果關(guān)系能歸納出來。當(dāng)然這個(gè)可推理既是可能是基于大數(shù)據(jù)的推理，也可能是基于符號的推理?，F(xiàn)在它可以用了，因?yàn)橛辛松疃葘W(xué)習(xí)，我們又有了前些年的邏輯演算的基本算法，這是可以做的。

這一部分工業(yè)界可以用了，拿去做機(jī)器人、去做各種各樣的知識決策系統(tǒng)都是可以的。

還有另外三部分，包括不可統(tǒng)計(jì)可推理。什么東西是這樣的？要么數(shù)據(jù)不完備，要么數(shù)據(jù)里面特征的描述還沒有找到更好的辦法，可能里面是很稀疏的東西，表達(dá)根本沒有辦法統(tǒng)計(jì)出來，在里面是游離狀態(tài)，但是是可推理的，可以寫出正確的規(guī)則。這些靠大數(shù)據(jù)解決不了問題，但是只能靠傳統(tǒng)的邏輯來做。這方面又相當(dāng)脆弱，許多東西需要進(jìn)一步去驗(yàn)證。

左下角是可統(tǒng)計(jì)不可推理。這個(gè)意思就是我有大數(shù)據(jù)，通過大數(shù)據(jù)都能把規(guī)律統(tǒng)計(jì)出來，但是用語言表述出它的因果關(guān)系不行，有點(diǎn)復(fù)雜。當(dāng)然隨著時(shí)間的推移，可能也變成可推理。至今這里有相當(dāng)一部分用神經(jīng)元網(wǎng)絡(luò)可以解決，但是用推理的辦法還很難解決。這方面曙光有一些，但是也需要更多的沉淀。

右下角是比較難的一部分，未來機(jī)器人在這方面很難有作為。為什么？連我們自己都說不清楚。比如說人類有很多頓悟，這些頓悟通過統(tǒng)計(jì)能證明它產(chǎn)生？不可能統(tǒng)計(jì)出來。通過理論證明這個(gè)東西產(chǎn)生嗎？不可能。也不知道什么人在什么環(huán)境下突然想明白一件事，這個(gè)機(jī)器做不了，沒有模型和數(shù)據(jù)，所以這些東西是未來機(jī)器人不可能涉足，不可能勝過人的。我講到這里，大家都很容易理解，將來機(jī)器人會(huì)超過人，你就知道哪些可以哪些不可以。

人工智能時(shí)代是否真的到來？

這個(gè)問題得看從哪個(gè)角度說。

答案可以是肯定的。比如你僅僅是期望計(jì)算機(jī)能夠做的事比人做得更好，很多事情是可重復(fù)，可統(tǒng)計(jì)，可推理的，把這些事交給計(jì)算機(jī)去做，它一定做得比人強(qiáng)。例如下圍棋，盡管比較難，但是它是經(jīng)驗(yàn)和知識積累的過程。也就是說，慢慢的，機(jī)器一定會(huì)勝過人。昨天我在香港和一個(gè)教授還在討論，會(huì)以后沒有人下圍棋呢？為什么這樣想呢？他說人和人下很有樂趣，和計(jì)算機(jī)下盤盤輸，為什么下？我說為什么要和計(jì)算機(jī)下？還是和人，你還是冠軍。

答案也可以是否定的，對于上圖那幾個(gè)下面的象限區(qū)域的很多事，計(jì)算機(jī)還不行，我們認(rèn)為那些還是需要進(jìn)一步研究的。

人工智能對經(jīng)濟(jì)的五個(gè)影響

這是我們對AI的看法。現(xiàn)在大家可能知道，10月13日，白宮曾經(jīng)發(fā)布兩個(gè)和人工智能有關(guān)的報(bào)告。12月20日，白宮又發(fā)布了一個(gè)報(bào)告，叫做人工智能自動(dòng)化與經(jīng)濟(jì)。這篇報(bào)告中說，人工智能總體來說，不管你是否接受，不管你是否看好，這件事就要發(fā)生了。我們現(xiàn)在要做的是，如果這件事發(fā)生了，我們怎么去應(yīng)對它。

我認(rèn)為這個(gè)報(bào)告出的非常及時(shí)，列出了人工智能對經(jīng)濟(jì)有五個(gè)方面的影響。例如對總的生產(chǎn)率增長的影響是積極的，對就業(yè)市場的影響會(huì)發(fā)生變化，對不同層次的人變化不一樣，影響分布是不均衡的，所以不同層次、部門、領(lǐng)域、區(qū)域的都會(huì)不一樣。人工智能會(huì)導(dǎo)致一些工作職位的消失，也會(huì)產(chǎn)生一些新的類型的工作。勞動(dòng)力市場將會(huì)被攪亂，一些工人短期會(huì)失業(yè)，失業(yè)的時(shí)間肯定更長，這就看政策到底怎么調(diào)整。

對政策到底有哪些影響？就看人工智能一旦起來到底對哪些人有影響。

按照美國的判斷，對每個(gè)小時(shí)40美元以上的工作影響不大，只有4%，對美國小時(shí)20-40美元之間的影響是31%，但是對于低于20美元的勞動(dòng)力影響非常大，達(dá)到83%。所以政府要有所應(yīng)對。應(yīng)對的策略，包括鼓勵(lì)投資開發(fā)，也包括對新的工作類型進(jìn)行培訓(xùn)、對轉(zhuǎn)型期間的工人提供幫助，讓他們能夠通過再學(xué)習(xí)得到就業(yè)。

下一波浪潮一定是AI

這是美國的研究，回到今天我們的主題，人工智能帶來的機(jī)遇對全社會(huì)，當(dāng)然也包括對于自動(dòng)化領(lǐng)域，特別是機(jī)器人領(lǐng)域，機(jī)遇是非常多的。如果我們說過去這幾十年比較大的浪潮，第一波是PC浪潮，給信息領(lǐng)域帶領(lǐng)顛覆性的影響。緊接著是互聯(lián)網(wǎng)浪潮，成就了一大批互聯(lián)網(wǎng)公司，例如谷歌、百度。之后馬上出了一波新的浪潮，叫移動(dòng)互聯(lián)網(wǎng)，比如說今天的蘋果、華為等等都是這波起來的公司。下一波是什么？一定是在AI，下一波公司能夠再出現(xiàn)像蘋果、華為，一定是AI。

是否用AI做機(jī)器人？當(dāng)然可能，也有可能是做別的，浪潮就在這里。

我們現(xiàn)在做機(jī)器人，絕大部分的行為是設(shè)計(jì)出來的，我們把它叫做Designed  Robot，要前進(jìn)、拐彎都是按規(guī)律設(shè)計(jì)出來的。這沒有錯(cuò)誤，但是不是AI。什么是AI機(jī)器人？或者叫學(xué)習(xí)機(jī)器人呢？就是機(jī)器人做好以后，他不知道要干什么。你訓(xùn)練他干什么他就干什么。就像小孩一樣，小孩出生了，你說他將來是數(shù)學(xué)家、物理學(xué)家、技術(shù)工人、農(nóng)民？他什么都不是，但什么都可能是，就看你教他什么。我們以后的機(jī)器人也應(yīng)該是做出來的時(shí)候什么都不是，你教他做什么他就是什么，你教他開車他就會(huì)開車，你教他上流水線操作，他就會(huì)流水線操作。這一天一定會(huì)來，就看誰在上面花的功夫更大，或者準(zhǔn)確更充分。

AI帶來的機(jī)遇與挑戰(zhàn)

我們怎么樣能讓系統(tǒng)和人具有同樣的知識能力和水平？現(xiàn)在大部分是軟件知識，有一個(gè)系統(tǒng)，你會(huì)給它大數(shù)據(jù)的集合，它進(jìn)行不斷的訓(xùn)練，不斷的和聊天、對話。這些機(jī)器人開始的規(guī)則比較簡單，大數(shù)據(jù)進(jìn)去，不斷的會(huì)話調(diào)整反饋，就能慢慢抓住聊天對象的注意力，讓你跟著它轉(zhuǎn)。這可能是現(xiàn)在的一些情況。

真正到了AI階段，就不是軟件知識，而應(yīng)該是開放知識?，F(xiàn)在人類之所以一直在進(jìn)步，是因?yàn)橹R本身是開放的，我們得到了一些知識，然后把它教給學(xué)生，寫成書給社會(huì)，社會(huì)得到這些知識之后就會(huì)不停的進(jìn)步。在這個(gè)基礎(chǔ)上，別人再去加新的知識。所以一定是開放的，如果不開放，這個(gè)社會(huì)就不能進(jìn)步。這個(gè)道理一樣落到機(jī)器人和AI方面。

人工智能對于教育和就業(yè)的機(jī)遇比較多，因?yàn)楝F(xiàn)在整個(gè)社會(huì)需要非常多的學(xué)習(xí)人工智能的博士，現(xiàn)在在美國博士上百萬年金都拿得到，在國內(nèi)也能拿到接近百萬。有時(shí)候我們開玩笑，老老實(shí)實(shí)教了一輩子書，剛畢業(yè)的學(xué)生就比我們的薪水高。需求太大就水漲船高，所以需要教育提供更多的人才。

對于研究方面的挑戰(zhàn)更大一點(diǎn)。主要研究，最近工程院在出一個(gè)報(bào)告，叫AI 2.0，準(zhǔn)備從 1.0 向2.0 過度，要做的事是這里綠色的區(qū)域，淺藍(lán)區(qū)域是現(xiàn)在可以直接拿去用的東西，綠色的區(qū)域還做得不是太好。

總結(jié)

最后高文院士用一張PPT對這次演講進(jìn)行了總結(jié)。

PS：第104期硬創(chuàng)公開課雷鋒網(wǎng)邀請到庫柏特科技CEO，武漢大學(xué)特聘副教授李淼，這次李教授帶來的公開課主題是《制造業(yè)中的機(jī)器智能》。12月26日下午3點(diǎn)，雷鋒網(wǎng)機(jī)器人垂直欄目“新智造（公眾號：新智造）”將準(zhǔn)時(shí)開課。

掃描下方海報(bào)上的二維碼，關(guān)注“新智造”公眾賬號后，回復(fù)“報(bào)名”兩字，添加“公開課”管理員為好友，通報(bào)姓名、公司（學(xué)校）、職位（學(xué)位）、聯(lián)系方式，審核通過后即可進(jìn)群。（機(jī)器人相關(guān)從業(yè)者、學(xué)者，以及對機(jī)器人領(lǐng)域有濃厚興趣或?qū)嵺`經(jīng)驗(yàn)的讀者優(yōu)先。）

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