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

編者按：2016高工機器人年會的閉幕式主題報告會上，中國工程程院院士、北京大學(xué)教授高文在做了一個主題為“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（這篇報告雷鋒網(wǎng)有更詳細(xì)的版本，請點擊鏈接），回顧過后就要展望未來，那么人工智能的未來會怎么樣？這也是高文院士今天所講的一個主要議題，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。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，會用在哪里。

人工智能現(xiàn)在主要的缺陷或者不足還是在機器學(xué)習(xí)上的網(wǎng)絡(luò)上，神經(jīng)網(wǎng)絡(luò)是學(xué)習(xí)的一個方法，這個方法確實可以解決很多問題，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，這是比較難的一個問題。怎么樣能把這個問題解決掉，人工智能可能又會來一波大的浪潮。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)在面臨的一個比較大的問題。

這方面有人在做研究，例如這位圖靈獎的獲獎人，他是做分布式學(xué)習(xí)最重要的一位學(xué)者。另外一位在機器學(xué)習(xí)方面的圖靈獎的獲獎人是UCLA的教授。圍繞這兩個領(lǐng)域，做機器學(xué)習(xí)的人都在探索怎么把這個理論實用化，因為他們的理論太理論，沒辦法直接用，所以很多人都在探索這個問題。

各國對人工智能的動作

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)方面都有不同的動作。

比如說美國的國家科學(xué)基金會（NSF）從今年開始對于機器學(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。所以前段時間我去美國開會，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。因為它的學(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)練一個結(jié)構(gòu)，而不是真的知道知識是什么，這可能只是一個動作。

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

有的同事知道我另外一個身份是國家自然科學(xué)基金委員會的副主任，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個學(xué)部，有的學(xué)部大一點，有的學(xué)部小一點。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)在四個處在分，每個處是不到5億。如果我多了一個信息科學(xué)代碼，那它就會從1/4變成1/5，所以大家可以知道我們將來對信息科學(xué)的支持力度會有多大。

當(dāng)然沒有申請人也不會給錢，因為自然科學(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。這是一個信號，我國今后會對人工智能或者機器人的研究會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？我們把這個矩陣做成四部分來看。

左上角部分叫做可統(tǒng)計、可推理的知識，或者可統(tǒng)計、可推理的世界。什么叫可統(tǒng)計？只要數(shù)據(jù)多了，一統(tǒng)計就找到規(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，因為有了深度學(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)一步去驗證。

左下角是可統(tǒng)計不可推理。這個意思就是我有大數(shù)據(jù)，通過大數(shù)據(jù)都能把規(guī)律統(tǒng)計出來，但是用語言表述出它的因果關(guān)系不行，有點復(fù)雜。當(dāng)然隨著時間的推移，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)計能證明它產(chǎn)生？不可能統(tǒng)計出來。通過理論證明這個東西產(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，這個機器做不了，沒有模型和數(shù)據(jù)，所以這些東西是未來機器人不可能涉足，不可能勝過人的。我講到這里，大家都很容易理解，將來機器人會超過人，你就知道哪些可以哪些不可以。

人工智能時代是否真的到來？

這個問題得看從哪個角度說。

答案可以是肯定的。比如你僅僅是期望計算機能夠做的事比人做得更好，很多事情是可重復(fù)，可統(tǒng)計，可推理的，把這些事交給計算機去做，它一定做得比人強。例如下圍棋，盡管比較難，但是它是經(jīng)驗和知識積累的過程。也就是說，慢慢的，機器一定會勝過人。昨天我在香港和一個教授還在討論，會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，和計算機下盤盤輸，為什么下？我說為什么要和計算機下？還是和人，你還是冠軍。

答案也可以是否定的，對于上圖那幾個下面的象限區(qū)域的很多事，計算機還不行，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)濟的五個影響

這是我們對AI的看法?，F(xiàn)在大家可能知道，10月13日，白宮曾經(jīng)發(fā)布兩個和人工智能有關(guān)的報告。12月20日，白宮又發(fā)布了一個報告，叫做人工智能自動化與經(jīng)濟。這篇報告中說，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)為這個報告出的非常及時，列出了人工智能對經(jīng)濟有五個方面的影響。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)域的都會不一樣。人工智能會導(dǎo)致一些工作職位的消失，也會產(chǎn)生一些新的類型的工作。勞動力市場將會被攪亂，一些工人短期會失業(yè)，失業(yè)的時間肯定更長，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，對每個小時40美元以上的工作影響不大，只有4%，對美國小時20-40美元之間的影響是31%，但是對于低于20美元的勞動力影響非常大，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，人工智能帶來的機遇對全社會，當(dāng)然也包括對于自動化領(lǐng)域，特別是機器人領(lǐng)域，機遇是非常多的。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)在做機器人，絕大部分的行為是設(shè)計出來的，我們把它叫做Designed  Robot，要前進(jìn)、拐彎都是按規(guī)律設(shè)計出來的。這沒有錯誤，但是不是AI。什么是AI機器人？或者叫學(xué)習(xí)機器人呢？就是機器人做好以后，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。我們以后的機器人也應(yīng)該是做出來的時候什么都不是，你教他做什么他就是什么，你教他開車他就會開車，你教他上流水線操作，他就會流水線操作。這一天一定會來，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，有一個系統(tǒng)，你會給它大數(shù)據(jù)的集合，它進(jìn)行不斷的訓(xùn)練，不斷的和聊天、對話。這些機器人開始的規(guī)則比較簡單，大數(shù)據(jù)進(jìn)去，不斷的會話調(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。現(xiàn)在人類之所以一直在進(jìn)步，是因為知識本身是開放的，我們得到了一些知識，然后把它教給學(xué)生，寫成書給社會，社會得到這些知識之后就會不停的進(jìn)步。在這個基礎(chǔ)上，別人再去加新的知識。所以一定是開放的，如果不開放，這個社會就不能進(jìn)步。這個道理一樣落到機器人和AI方面。

人工智能對于教育和就業(yè)的機遇比較多，因為現(xiàn)在整個社會需要非常多的學(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。有時候我們開玩笑，老老實實教了一輩子書，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。主要研究，最近工程院在出一個報告，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)中的機器智能》。12月26日下午3點，雷鋒網(wǎng)機器人垂直欄目“新智造（公眾號：新智造）”將準(zhǔn)時開課。

掃描下方海報上的二維碼，關(guān)注“新智造”公眾賬號后，回復(fù)“報名”兩字，添加“公開課”管理員為好友，通報姓名、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。（機器人相關(guān)從業(yè)者、學(xué)者，以及對機器人領(lǐng)域有濃厚興趣或?qū)嵺`經(jīng)驗的讀者優(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。