雷鋒網(wǎng)按：本文根據(jù)高文院士今天上午在 CNCC 2016 上所做的大會特邀報告《人工智能--螺旋上升的60年》編輯整理而來，在未改變原意的基礎(chǔ)上略有刪減。

高文，北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授。中國工程院院士、ACM/IEEE Fellow。1991年獲日本東京大學(xué)電子工程學(xué)博士。曾任國家八六三計劃智能計算機主題專家組成員、組長，973項目首席科學(xué)家。曾任中國科學(xué)院計算技術(shù)研究所所長、中國科學(xué)技術(shù)大學(xué)副校長、中國科學(xué)院研究生院常務(wù)副院長。曾任第四屆、第五屆國務(wù)院學(xué)位委員會計算機科學(xué)技術(shù)學(xué)科評議組成員、計算機學(xué)報主編，曾任或現(xiàn)任IEEE T-MM、IEEE T-CSVT、SPIC、JVCIR、IEEE T-IP編委等。是第十屆、十一屆、十二屆全國政協(xié)委員。目前兼任國家自然科學(xué)基金委員會副主任、中國計算機學(xué)會理事長、全國信息技術(shù)標準化技術(shù)委員會多媒體技術(shù)分委員會主任委員、IEEE 1857（AVS）標準工作組組長、數(shù)字音視頻編解碼技術(shù)標準（AVS）工作組組長。

高文院士作為2016中國計算機大會特邀講者發(fā)表報告《人工智能--螺旋上升的60年》

電子計算機的發(fā)明不僅大大改變了人們的工作方式，同時也極大改變了人類的學(xué)習(xí)、生活和工作方式。計算機科學(xué)研究的終極目標之一是實現(xiàn)與人類智能水平相當甚至更高的智能—人工智能。經(jīng)過60年的研究，人工智能經(jīng)歷了起起伏伏，呈螺旋式發(fā)展態(tài)勢。近幾年由于深度學(xué)習(xí)的貢獻，人工智能到達了一個新的頂峰。

| 關(guān)于人工智能

人工智能三大派別

人工智能領(lǐng)域中關(guān)于派別部分，先說兩個比較重要的派別，它們分別是

符號主義（邏輯主義）

連接主義

• 符號主義

主要內(nèi)容是關(guān)于符號計算、演算和邏輯推理，用演算和推理的辦法來證明。比如說像機器證明就是符號主義。

• 連接主義
  

連接主義也就是我們今天大家所說的非常紅火的神經(jīng)網(wǎng)絡(luò)、神經(jīng)元網(wǎng)絡(luò)、深度學(xué)習(xí)，這些都是連接主義。

• 行為主義

其實第三個主義我們也不能忽略，但目前提及較少，叫行為主義。目前中國人工智能學(xué)會，還有一個中國自動化學(xué)會，他們也在做人工智能相關(guān)內(nèi)容。如果提及派別的話，很容易聯(lián)想到行為主義，其實是從控制界衍生出來的。

智能

提到人工智能，離不開智能的概念。通常我們說的的智力其實是智能，人類作為高級動物，區(qū)別于其他動物最本質(zhì)的特征，就是人是有智能的。那么，我們說的智能是指什么呢？

有一類定義叫做智力三因素，其將智力分為是

• 成分智力

• 經(jīng)驗智力

• 情境智力

• 成分智力

指思維和對問題解決所依賴的心理過程，成分智力和受教育程度直接相關(guān)，或者正相關(guān)。

• 經(jīng)驗智力

經(jīng)驗智力其實它和受教育程度并不直接相關(guān)，有的人沒有受過高等教育，同樣可以有非常多的經(jīng)驗智力。

• 情境智力

情境智力也就是我們經(jīng)常說的一個人的情商，即個人根據(jù)環(huán)境的調(diào)整所發(fā)揮出來的水平表現(xiàn)，這叫情境智力。

人工智能

現(xiàn)在我們知道了人智力的三個方面，那么人工智能就需要在這三個方面都得到良好的發(fā)展。

目前很顯然并沒有實現(xiàn)，我們現(xiàn)在說的深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，其更多的是經(jīng)驗智力，成分智力和情境智力都遠遠不行。

人工智能我們說它是一種機器智能，是由機器來仿真或者來模擬人智能的系統(tǒng)或者學(xué)科。人工智能的研究實際上包括很多了，包括推理、知識、規(guī)劃、學(xué)習(xí)、交流、感知、移動、操作等，這些是我們做人工智能研究基本的東西。

多元智能理論

如果把智能再細分一下，其實涉及很多方面。有一種理論是哈佛大學(xué)心理學(xué)家給出的，其給出定義把人類智能稱為多元智能。其中多元智能涉及到至少9個方面，包括

邏輯方面的能力

語言文字方面的能力

空間改革的能力

音樂能力

肢體運作能力

內(nèi)省的能力

人際關(guān)系能力

自然探索能力

圖形圖像理解的能力

這9個方面實際上表明智能可以細分到這么多的層次。

現(xiàn)在有很多討論說，很快人工智能大概在10年、15年、20年就會超過人類。但是按照這個來分析，我們現(xiàn)在做的遠遠還不夠。

人工智能之父

說到人工智能，有一位先生我們不能不提及，他就是人工智能的Founder——圖靈（Alan Turing）。他既是計算機之父，也是人工智能之父。目前我們用來判斷機器是否具有智能的測試就是他提出的，圖靈實際上是我們這個領(lǐng)域的開山鼻祖。

圖靈獎

圖靈獎到目前已經(jīng)授予了60多位科學(xué)家，在這之中有8位科學(xué)家是做人工智能的。

上圖列舉的就是這8位科學(xué)家，舉例來說MIT教授Minsky Marvin，最早的連接主義就是他提出的，之后稱連接主義不行的觀點也同樣是他提出的，他是一名非常偉大的人工智能學(xué)家。

McCarthy、Newll、Simon、Feigenbaum他們幾位都是非常典型的符號主義代表，在他們的推動下包括最早先的機器證明、人工智能、通用人工智能機、知識工程，基本上都是他們在幾位親自推動下進步的。

另外一位Reddy主要是做語音識別的，他也是李開復(fù)、沈向陽的老師。他授獎的領(lǐng)域是大規(guī)模人工智能，實際上他是做多媒體的。

另外兩位中Valiant是2010年獲獎（機器學(xué)習(xí)理論），Pearl是2011年獲獎（概率計算和因果推理），這兩位昨天在周志華教授在介紹機器學(xué)習(xí)的時候也有專門提到過，他們的工作是未來人工智能的重點走向。

| 人工智能60年

人工智能起源

1956年達特茅斯會議花了2個月的時間討論人工智能問題，最后形成了我們所說的人工智能領(lǐng)域。在達特茅斯會議參會十幾個參會人員中，有幾個人都獲得了圖靈獎。

在人工智能這60年中，其實可以說是經(jīng)過了許多起起伏伏。

• 人工智能第一次浪潮（1956-1976）

第一次浪潮是1956年到1976年，這二十年間主要是符號主義、推理、專家系統(tǒng)等領(lǐng)域發(fā)展很快。

當時這個領(lǐng)域做的最好是斯坦福大學(xué)，后來人工智能有關(guān)的這些獲得諾貝爾獎獲得者多數(shù)與斯坦福大學(xué)有關(guān)。斯坦福大學(xué)對人工智能貢獻非常大，不過后來卡耐基大學(xué)（CMU）也發(fā)展的很快。另外MIT（Minsky教授）以及IBM、哈佛大學(xué)也都做出了許多非常不錯的工作。

當時大家對人工智能非?？春茫浅?。

人工智能初期著名預(yù)言

1958年，在人工智能誕生兩年之后，當時有兩位大師（Simon與Newell）提出了一個預(yù)言。當時這個預(yù)言很有名，其預(yù)言十年之內(nèi)很多事情人工智能都能解決。比如說

• 十年內(nèi)戰(zhàn)勝國際象棋冠軍

• 十年內(nèi)發(fā)現(xiàn)和證明有意義的數(shù)學(xué)理論

• 十年內(nèi)能譜寫優(yōu)美的樂趣

• 十年內(nèi)能實現(xiàn)大多數(shù)的心理學(xué)理論

其中，國際象棋冠軍這個早已實現(xiàn)，數(shù)學(xué)定理也實現(xiàn)了。但是另外兩個到現(xiàn)在為止沒有實現(xiàn)，這個可以說是過于樂觀了。

人工智能的優(yōu)秀研究者

人工智能第一次浪潮時期主要進展

人工智能第一個浪潮時期主要是符號主義、機器證明、人工智能邏輯語言進步比較快，當時最大的一個成果是專家系統(tǒng)、知識工程。

人工智能第一次反思

但是20年以后，大家當時設(shè)計的理想目標很多都沒有實現(xiàn)，所以由此進入第一個低潮、冰河期。在這次反思中，很多大家認為可以做到的實際上沒有做到。所有很多人開始疑惑這個領(lǐng)域是否真的有這么厲害，開始進行反思。再加上當時兩面都受挫，其中

知識工程方面很多設(shè)定的遠大目標實現(xiàn)起來都困難重重

連接主義則是MInsky發(fā)表了文章《K-lines: A Theory of Memory》基本上否定了神經(jīng)網(wǎng)絡(luò)大規(guī)模學(xué)習(xí)的能力

由于這篇文章影響，符號主義和連接主義基本可以說是從此消沉了。

• 人工智能第二次浪潮（1976-2006）

從1976年到2006年可以稱作人工智能的第二次浪潮。在這一次浪潮中符號主義沒有再起來，但是連接主義起來了。這中間包括幾個里程碑式的工作，其中Minsky先生是連接主義這個領(lǐng)域比較典型的代表。

人工智能的優(yōu)秀研究者

Marvin Minsky

自組織網(wǎng)絡(luò)

在連結(jié)主義里面有各種各樣的神經(jīng)元網(wǎng)絡(luò)，舉例來說上圖中的自組織網(wǎng)絡(luò)

自組織網(wǎng)絡(luò)經(jīng)過訓(xùn)練可以在非監(jiān)督狀態(tài)下進行學(xué)習(xí)，得到分類的結(jié)果。

感知機（Perceptron）

上圖是最早期感知機的模式，實際上它也是最簡單的神經(jīng)元網(wǎng)絡(luò)。

誤差反傳網(wǎng)絡(luò)（Back Propagation Net）

上圖是1986年提出的一個兩層神經(jīng)元網(wǎng)絡(luò)（BP網(wǎng)絡(luò)），這個工作可以說是整個人工智能浪潮的奠基性工作。

神經(jīng)網(wǎng)絡(luò)相關(guān)從業(yè)者都知道，在訓(xùn)練的時候給出一個樣本，有輸入、輸出。給定一個輸入，輸出可能是對的，也可能是錯的。對的沒問題，錯了怎么辦？如何進行調(diào)整？

這在以前是很難的，之前雖然有很多經(jīng)驗去進行調(diào)整，但是那個調(diào)整是否收斂？一直沒有證明。

BP網(wǎng)絡(luò)的出現(xiàn)第一次證明，神經(jīng)元網(wǎng)絡(luò)可以通過BP網(wǎng)絡(luò)使得這個網(wǎng)絡(luò)可以收斂，在這個基礎(chǔ)上就能實現(xiàn)學(xué)習(xí)了。如果神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)不能收斂，那就不能使用用。

• 人工智能第三次浪潮（2006至今）

在2006年眾所周知，Geoffrey Hinton聯(lián)合Yann LeCun、Yoshua Bengio發(fā)表了圖中所提到的論文，論文發(fā)表后，大家普遍認為神經(jīng)元網(wǎng)絡(luò)可以解決很多問題。

人工智能第三次浪潮特點

雖然深度學(xué)習(xí)是從2010年開始變得熱門，但2006的文章可以說是直接推動了2010年深度學(xué)習(xí)一路發(fā)展到今天的高度。

2006年第三次浪潮中第一次有了深度學(xué)習(xí)，在這里要提到有兩個因素促成了深度學(xué)習(xí)的成功：

• 一個是硬件的進步

硬件越來越便宜，計算能力越來越強。

• 第二個是模型和參數(shù)調(diào)整技巧的進步

在以前做一個幾層的神經(jīng)元網(wǎng)絡(luò)可能還問題不大，但是一訓(xùn)練可能就要很長時間。

舉例來說20年前，漢字識別需要收集很多漢字識別的樣本。以前在機場到處讓人寫字，然后計算機掃描進去，再進行訓(xùn)練。那時候訓(xùn)練需要多長時間呢？如果放十幾臺機器的話要1到2個月，且收斂速度很慢。那時候只有4、5層，但現(xiàn)在100多層或者更多，可能幾十個小時就可以訓(xùn)練出來了。

| 人工智能未來走向

人工智能未來的基礎(chǔ)理論

往下到底做什么？這是我的一些判斷。

首先我們不能說到現(xiàn)在為止進步不大，進步很大，但是在整體來說還是非常小的進步。所以，我們需要有一些決定性的、革命性的工作，即非確定性的信息處理和新的機器學(xué)習(xí)方法。

在這里實際上要以知識處理為中心，要把前面的符號主義和連接主義這兩者結(jié)合起來，在這之中里面有兩個先驅(qū)者已經(jīng)獲得了圖靈獎。

最近和NSF人接觸以后，發(fā)現(xiàn)美國現(xiàn)在對于深度學(xué)習(xí)這件事爭議非常大。目前NSF對于基礎(chǔ)理論的研究是仍然支持的，但是所有的應(yīng)用領(lǐng)域的研究一律不再進行支持了。

這個給了我們一個信號，也許幾年以后真的會到沉寂期。

人工智能60的思考

人的知識可以分成四類，從兩個象限來看。

• 一個是可統(tǒng)計、不可統(tǒng)計。

人有些知識，有些可以去統(tǒng)計，有些你沒辦法統(tǒng)計。

• 另一個是可證明（可推理），與不可證明（不可推理）。

我們將知識放在兩個維度的空間上，橫向方向上只要是可推理的，我們可以通過機器學(xué)習(xí)的方法，最終完成這個推理。

凡是可統(tǒng)計的，在縱向方向可以通過大數(shù)據(jù)、統(tǒng)計的辦法得到一個好的結(jié)果。

也就是說，要么通過機器學(xué)習(xí)的辦法，要么通過統(tǒng)計的辦法，都可以解決一類的問題。

我們的知識實際上是分成四類

• We know what we know

• We know what we don't know

• We don't know what we know

• We don't know what we don't know

這四類知識里，我們現(xiàn)在對于可統(tǒng)計可推理的部分，原則上我們都可以找到答案，不管是用機器學(xué)習(xí)還是神經(jīng)網(wǎng)絡(luò)的方法。

對那些可推理不可統(tǒng)計的部分，可以用舉一反三的辦法。

可統(tǒng)計不可推理的部分可以采用模糊識別的方法。

不可統(tǒng)計不可推理的部分就得靠頓悟了。這類知識不是任何人都可以得到，只有極少數(shù)人可能得到。

人工智能時代是否到來

今年是人工智能60周年，目前來看現(xiàn)在人工智能時代既到來了，也沒有到來。

人工智能離人類智能差距

與多元智能的定義對比，我們現(xiàn)在九個領(lǐng)域中，其中

• 邏輯、語言文字、圖形圖像方面做的比較好

• 空間、音樂與肢體運作方面則馬馬虎虎

• 內(nèi)省、人際以及自然探索方面完全還不行

結(jié)合之前的內(nèi)容來看，我認為

人工智能1.0是在可統(tǒng)計可推理的部分取得一定的成果。

人工智能2.0是在1.0的基礎(chǔ)上向不可統(tǒng)計不可推理的部分區(qū)域推進。

人工智能3.0，大概最多到4.0，后面一定會有相當一部分是難以做到的（頓悟），但是這也是今后發(fā)展的方向。

| 總結(jié)

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。