1
| 本文作者： 赵青晖 | 2016-12-23 23:34 | 专题：2016高工机器人年会：何谓机器人全新时代？ |
60年前的夏天，当时在美国的达斯矛斯开过一场研讨会，在这个会议上，有一群年轻人搞了一个讨论班，用了两个月，讨论人工智能要怎么做。在这个班里，最后几个大家大部分人都拿了图灵奖，这也是人工智能的一个起源的标志，到现在为止，人工智能的发展有三个浪潮，第一个浪潮就是从起源开始。
编者按：2016高工机器人年会的闭幕式主题报告会上，中国工程程院院士、北京大学教授高文在做了一个主题为“人工智能的前景与挑战”的演讲，在演讲中高文院士回顾了过去60年的三波人工智能浪潮发展的历史（这篇报告雷锋网有更详细的版本，请点击链接），回顾过后就要展望未来，那么人工智能的未来会怎么样？这也是高文院士今天所讲的一个主要议题，以下为雷锋网整理的高文院士的演讲全文。
今天产业界都觉得人工智能大风来了，赶快前进不要掉队。但是如果你冷静下来想想，人工智能从研究方面还是有很多问题没有解决的。当然这不是说不能用，仍然可以用，就看你怎么用，会用在哪里。
人工智能现在主要的缺陷或者不足还是在机器学习上的网络上，神经网络是学习的一个方法，这个方法确实可以解决很多问题，但是它的问题是你不知道它是怎么解决问题的，在神经网络机器人的表达里面有很多东西是没有办法定性、解释的，这是比较难的一个问题。怎么样能把这个问题解决掉，人工智能可能又会来一波大的浪潮。不管怎么样，怎么样做好的知识处理，能够做到知其所以然，这是现在面临的一个比较大的问题。
这方面有人在做研究，例如这位图灵奖的获奖人，他是做分布式学习最重要的一位学者。另外一位在机器学习方面的图灵奖的获奖人是UCLA的教授。围绕这两个领域，做机器学习的人都在探索怎么把这个理论实用化，因为他们的理论太理论，没办法直接用，所以很多人都在探索这个问题。
最近有很多不同的基金或者国家面向人工智能或者深度学习方面都有不同的动作。
比如说美国的国家科学基金会（NSF）从今年开始对于机器学习原创工作仍然大力支持，但是对于简单使用深度学习去解决问题的研究已经不再支持了。所以前段时间我去美国开会，马里兰大学的一位很知名的搞人工智能的专家就调侃说，现在都在说Deep Learing，Deep YES，Learning NO。因为它的学习严格的说不是学习，而是训练，是用大数据在训练一个结构，而不是真的知道知识是什么，这可能只是一个动作。
国内的自然科学基金业也在采取一些动作，包括我们会把和人工智能相关的一些研究列入支持。比如我们将会把智能科学单独作为一个学科代码，将来在整个自然科学申请体系里面列进去，每一个学科代码在我们这里相当于是一个处的编制。
有的同事知道我另外一个身份是国家自然科学基金委员会的副主任，我现在分管信息学部，自然科学基金今年248亿预算，8个学部，有的学部大一点，有的学部小一点。信息学部今年的预算是1/8左右，也就是说28-29亿，现在四个处在分，每个处是不到5亿。如果我多了一个信息科学代码，那它就会从1/4变成1/5，所以大家可以知道我们将来对信息科学的支持力度会有多大。
当然没有申请人也不会给钱，因为自然科学基金是竞争性的，没有竞争就拿不到钱。所谓竞争，大概就是1/4，大概就是25-30%之间的申请率，平均3份以上选择1份来支持。这是一个信号，我国今后会对人工智能或者机器人的研究会有比较大的资源注入进去。
对于未来来说，现在的人工智能和未来的人工智能到底阶段上怎么来划分？或者说我们现在做了多少事，未来还有多少事需要做？
不要认为我们解决了人工智能的所有问题，我们解决的问题还是很小一部分。是哪一部分呢？我们把这个矩阵做成四部分来看。
左上角部分叫做可统计、可推理的知识，或者可统计、可推理的世界。什么叫可统计？只要数据多了，一统计就找到规律了。什么是可推理？它的因果关系能归纳出来。当然这个可推理既是可能是基于大数据的推理，也可能是基于符号的推理。现在它可以用了，因为有了深度学习，我们又有了前些年的逻辑演算的基本算法，这是可以做的。
这一部分工业界可以用了，拿去做机器人、去做各种各样的知识决策系统都是可以的。
还有另外三部分，包括不可统计可推理。什么东西是这样的？要么数据不完备，要么数据里面特征的描述还没有找到更好的办法，可能里面是很稀疏的东西，表达根本没有办法统计出来，在里面是游离状态，但是是可推理的，可以写出正确的规则。这些靠大数据解决不了问题，但是只能靠传统的逻辑来做。这方面又相当脆弱，许多东西需要进一步去验证。
左下角是可统计不可推理。这个意思就是我有大数据，通过大数据都能把规律统计出来，但是用语言表述出它的因果关系不行，有点复杂。当然随着时间的推移，可能也变成可推理。至今这里有相当一部分用神经元网络可以解决，但是用推理的办法还很难解决。这方面曙光有一些，但是也需要更多的沉淀。
右下角是比较难的一部分，未来机器人在这方面很难有作为。为什么？连我们自己都说不清楚。比如说人类有很多顿悟，这些顿悟通过统计能证明它产生？不可能统计出来。通过理论证明这个东西产生吗？不可能。也不知道什么人在什么环境下突然想明白一件事，这个机器做不了，没有模型和数据，所以这些东西是未来机器人不可能涉足，不可能胜过人的。我讲到这里，大家都很容易理解，将来机器人会超过人，你就知道哪些可以哪些不可以。
这个问题得看从哪个角度说。
答案可以是肯定的。比如你仅仅是期望计算机能够做的事比人做得更好，很多事情是可重复，可统计，可推理的，把这些事交给计算机去做，它一定做得比人强。例如下围棋，尽管比较难，但是它是经验和知识积累的过程。也就是说，慢慢的，机器一定会胜过人。昨天我在香港和一个教授还在讨论，会以后没有人下围棋呢？为什么这样想呢？他说人和人下很有乐趣，和计算机下盘盘输，为什么下？我说为什么要和计算机下？还是和人，你还是冠军。
答案也可以是否定的，对于上图那几个下面的象限区域的很多事，计算机还不行，我们认为那些还是需要进一步研究的。
这是我们对AI的看法。现在大家可能知道，10月13日，白宫曾经发布两个和人工智能有关的报告。12月20日，白宫又发布了一个报告，叫做人工智能自动化与经济。这篇报告中说，人工智能总体来说，不管你是否接受，不管你是否看好，这件事就要发生了。我们现在要做的是，如果这件事发生了，我们怎么去应对它。
我认为这个报告出的非常及时，列出了人工智能对经济有五个方面的影响。例如对总的生产率增长的影响是积极的，对就业市场的影响会发生变化，对不同层次的人变化不一样，影响分布是不均衡的，所以不同层次、部门、领域、区域的都会不一样。人工智能会导致一些工作职位的消失，也会产生一些新的类型的工作。劳动力市场将会被搅乱，一些工人短期会失业，失业的时间肯定更长，这就看政策到底怎么调整。
对政策到底有哪些影响？就看人工智能一旦起来到底对哪些人有影响。
按照美国的判断，对每个小时40美元以上的工作影响不大，只有4%，对美国小时20-40美元之间的影响是31%，但是对于低于20美元的劳动力影响非常大，达到83%。所以政府要有所应对。应对的策略，包括鼓励投资开发，也包括对新的工作类型进行培训、对转型期间的工人提供帮助，让他们能够通过再学习得到就业。
这是美国的研究，回到今天我们的主题，人工智能带来的机遇对全社会，当然也包括对于自动化领域，特别是机器人领域，机遇是非常多的。如果我们说过去这几十年比较大的浪潮，第一波是PC浪潮，给信息领域带领颠覆性的影响。紧接着是互联网浪潮，成就了一大批互联网公司，例如谷歌、百度。之后马上出了一波新的浪潮，叫移动互联网，比如说今天的苹果、华为等等都是这波起来的公司。下一波是什么？一定是在AI，下一波公司能够再出现像苹果、华为，一定是AI。
是否用AI做机器人？当然可能，也有可能是做别的，浪潮就在这里。
我们现在做机器人，绝大部分的行为是设计出来的，我们把它叫做Designed Robot，要前进、拐弯都是按规律设计出来的。这没有错误，但是不是AI。什么是AI机器人？或者叫学习机器人呢？就是机器人做好以后，他不知道要干什么。你训练他干什么他就干什么。就像小孩一样，小孩出生了，你说他将来是数学家、物理学家、技术工人、农民？他什么都不是，但什么都可能是，就看你教他什么。我们以后的机器人也应该是做出来的时候什么都不是，你教他做什么他就是什么，你教他开车他就会开车，你教他上流水线操作，他就会流水线操作。这一天一定会来，就看谁在上面花的功夫更大，或者准确更充分。
我们怎么样能让系统和人具有同样的知识能力和水平？现在大部分是软件知识，有一个系统，你会给它大数据的集合，它进行不断的训练，不断的和聊天、对话。这些机器人开始的规则比较简单，大数据进去，不断的会话调整反馈，就能慢慢抓住聊天对象的注意力，让你跟着它转。这可能是现在的一些情况。
真正到了AI阶段，就不是软件知识，而应该是开放知识。现在人类之所以一直在进步，是因为知识本身是开放的，我们得到了一些知识，然后把它教给学生，写成书给社会，社会得到这些知识之后就会不停的进步。在这个基础上，别人再去加新的知识。所以一定是开放的，如果不开放，这个社会就不能进步。这个道理一样落到机器人和AI方面。
人工智能对于教育和就业的机遇比较多，因为现在整个社会需要非常多的学习人工智能的博士，现在在美国博士上百万年金都拿得到，在国内也能拿到接近百万。有时候我们开玩笑，老老实实教了一辈子书，刚毕业的学生就比我们的薪水高。需求太大就水涨船高，所以需要教育提供更多的人才。
对于研究方面的挑战更大一点。主要研究，最近工程院在出一个报告，叫AI 2.0，准备从 1.0 向2.0 过度，要做的事是这里绿色的区域，浅蓝区域是现在可以直接拿去用的东西，绿色的区域还做得不是太好。
最后高文院士用一张PPT对这次演讲进行了总结。
PS：第104期硬创公开课雷锋网邀请到库柏特科技CEO，武汉大学特聘副教授李淼，这次李教授带来的公开课主题是《制造业中的机器智能》。12月26日下午3点，雷锋网机器人垂直栏目“新智造（公众号：新智造）”将准时开课。
扫描下方海报上的二维码，关注“新智造”公众账号后，回复“报名”两字，添加“公开课”管理员为好友，通报姓名、公司（学校）、职位（学位）、联系方式，审核通过后即可进群。（机器人相关从业者、学者，以及对机器人领域有浓厚兴趣或实践经验的读者优先。）
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
专题
