本次大會為中國人工智能權威大會,以“交叉、融合、相生、共赢”為主題,将彙聚全球人工智能學術界和産業界著名學者、頂級專家和業界精英。
為了探尋這次國際頂尖ai大會的風采,我們走訪了本次大會“模式識别與智能感覺分論壇”的執行主席、caai模式識别專業委員會主任、中科院自動化研究所副所長劉成林研究員,他對于智能感覺與類腦研究、模式識别的應用場景以及人工智能的社會認知、發展前景等話題給出了獨特見解,以下是他分享的主要觀點。
劉成林研究員
中科院自動化研究所副所長,中國人工智能學會(caai)常務理事,中國人工智能學會模式識别專業委員會主任,模式識别國家重點實驗室主任,ieee fellow, iapr fellow。 研究領域:模式識别、圖像處理、機器學習、文字識别、文檔分析。
社會對ai的發展盲目樂觀
現在社會各個層次對人工智能格外熱衷,大家都在談論ai,好像ai可以解決所有問題,将來可能會在所有的領域取代人,甚至成為人類社會的威脅。
我覺得這樣的觀點有些盲目樂觀。ai其實并沒有我們想象的強大,它有很多弱點,而ai是否會對社會造成威脅,其實要看你怎麼使用它。即使未來出現很強的人工智能,隻要用好了也可以被人類完全掌控。
在這方面需要媒體和專業人士進行合理的輿論引導。
首先是新聞媒體的職責。為了讓ai專業人士與大衆之間更好地交流,或者讓社會更好地了解人工智能技術的特點,我覺得新聞媒體尤其要少一些誤導性的宣傳。有些誤導性的資訊是因為媒體有些人對專業技術了解不深,按照他自己的了解去進行演繹。
其次專業研究者對于科普性宣傳也是有義務的。比方說寫一些科普性的文章,到社會上做一些科普性的講座,多跟社會大衆進行接觸和交流。
不要把眼光局限在深度學習上,它有它的局限
一般來說,人工智能的方法可以概括成三個主義,也就是所謂的符号主義、聯結主義和行為主義。
符号主義是人工智能早期的主流,從50年代到80年代,大多數人認為符号主義以外的東西不是人工智能;神經網絡的方法從80年代中期到90年代火了一陣,到2006年又開始火起來,這就是聯結主義;行為主義主要是指人工智能模仿人的某種行為、動作的方式。
目前深度學習特别火,但是人工智能不能局限在深度學習這一個方向,不同的方法各有各的優勢,互相之間是互補的。
深度學習跟統計學習比較起來,它的結構化了解能力比較弱,可解釋性差。比如要判斷一個國小生寫的字對不對,筆畫層級的細微錯誤深度學習基本發現不了。有時候深度學習做物體識别錯的很離譜,但對結果卻還很自信。它的正确率可能很高,但是它一旦出錯的話,錯誤可能是莫名其妙的,而且沒法解釋。
要克服深度學習的不足,就要引入知識和結構,提高它的可解釋性和魯棒性。從另一個方面講,人可以從少量的樣本學習到知識,進行可靠的識别,主要是因為在學習過程中利用了很多結構知識和上下文。比如人隻看了幾個蘋果,就能把蘋果的一些根本的特征都掌握,但是人工神經網絡主要是在大量樣本訓練基礎上建立一些特征的統計性聯系。
技術融合是趨勢,人工智能的邊界在擴大
我1992年到中科院自動化所讀博士,領域是模式識别。那個時候模式識别跟人工智能還在不同的圈子裡,大家互不搭界。文字識别作為一個典型的模式識别問題,早起主要是研究單個字元的識别;後來單字識别精度到了一定程度之後,就要對一句話、一段話來進行識别,也就是文本行識别。到現在,模式識别也算是人工智能領域一個主要的分支。
随着技術的發展,很多技術越來越趨于一種融合的趨勢。比如從文字識别到nlp(自然語言了解),過去就是分開做的,文字識别是把圖像轉化成電子文本,nlp做電子文本的内容分析。這兩個領域發展到一定程度,進入到實用階段後,二者就要結合起來,正如語音識别與nlp的結合一樣。
同時,人工智能的邊界也在擴大。目前人工智能沒有一個統一的定義,有些技術有人認為是人工智能,有人認為不是。按照我的了解,界限就是這個功能是不是用到了“腦子”。純計算不能算是智能,除此以外,凡是跟腦力活動相關的計算模拟基本上都可以算智能。比如掃地機器人雖然是純體力的,但是它如果有感覺功能,能夠對環境和物體進行判斷,基于感覺對動作進行控制,就相當于它是有智能的。
未來10到20年ai在社會層面的運用會越來越多
一些比較低級和重複性的勞動,肯定會逐漸被ai所取代。像文字識别,例如快遞單的識别,大量的古籍、文檔的數字化,再過十年可能都會得到比較好的解決。在服務行業,一些比較簡單的勞動(如業務流程的自動處理和咨詢)都會被機器人所取代。
未來在家用行業,服務機器人會用得越來越多。比方說掃地機器人的感覺能力會更強,它可能會感覺附近的人和物體會發生什麼情況,也許它還會跟你進行一些對話,進行更多互動。中國老齡化社會很快就來了,機器人會跟在家的老人進行人性化的互動,如語音對話,來解除人的寂寞,并可以監控家裡的安全狀況和人的健康狀況。
簡單地說,人工智能未來的趨勢就是讓智能機器和人互相幫助,和睦相處,讓智能機器成為人的幫手,但是不能完全代替人。
本文來源于"中國人工智能學會",原文發表時間" 2017-05-02 "