人工智能60 周年纪念活动启动仪式中国人工智能学会供图

　　■本报记者 计红梅

　　1955年，被誉为“人工智能之父”的约翰·麦卡锡和明斯基、罗彻斯特、香农等共同给洛克菲勒基金会提交了一份项目建议书，希望能获得第二年于达特茅斯学院举办“人工智能夏季研讨会”的资助。当时，他们认为由10位科学家组成的工作小组在为期两个月的时间里就可以在人工智能领域取得巨大的进步。事实证明，他们严重低估了人工智能的复杂程度。不过，达特茅斯会议正式确立了人工智能（AI）这一术语，也因此被认为是人工智能诞生的标志。

　　经过60年的发展，人工智能历经三次浪潮，现在正处于第三个“春天”。“春天”的风正往哪儿吹？在4月22日由中国人工智能学会发起，联合中国互联网协会、中国计算机学会等20多家国家一级学会及协会举办的2016全球人工智能技术大会（GAITC）暨人工智能60年纪念活动启动仪式上，来自学术界和产业界的全球人工智能领域顶级专家们给出了答案。

　　机器感知能力正在超越人类

　　1956年至今，人工智能的发展可谓起起落落，一方面被视为冉冉升起的新星，另一方面也饱受批评，并遭遇过两次严重挫折。对于过去的60年，微软亚洲研究院常务副院长芮勇的评价是，“不仅仅是一个轮回，还是一次升华。现在正处于第三个春天。”

　　三星电子中国研究院院长张代君则认为：“目前人工智能的发展还处于比较初级的阶段。当下是人工智能的第三次高潮，而且还会有第四次浪潮的到来。”

　　自2006年以来，人工智能发展加速。究其原因，百度深度学习研究院“杰出科学家”徐伟认为，大计算能力和深度学习是主要推动力。一方面，经过几十年的积累，为可观的计算能力打下基础，另一方面深度学习的发展提供了灵活、具有快速建模能力的学习系统。这两者的结合，能够将大数据背后蕴藏的各种复杂关系快速提取出来。

　　徐伟表示，随着深度学习逐步在各种人工智能问题里深入地使用，在一些特定领域，机器的感知能力正在超越人类的水平。例如，在中文语音识别方面，百度的错误率是5.7%，而人类的错误率则是9.7%。另外，在人脸识别领域，人类的错误率是0.8%，而百度则是0.23%。

　　除百度外，谷歌、微软、IBM、阿里巴巴、科大讯飞等也是人工智能领域的佼佼者。美国东部时间2015年12月10日，微软亚洲研究院视觉计算组在2015 ImageNet计算机识别挑战赛中凭借深层神经网络技术的突破，获得图像分类、图像定位以及图像检测全部三个主要项目的冠军。在此次挑战赛中，微软亚洲研究院的研究团队使用了一种深度高达152层的神经网络，比此前成功使用的神经网络层数多5倍以上，将错误率降低到了3.5%。而在此前同样的实验中，人眼辨识的错误率为5.1%。

　　在芮勇看来，人工智能的属性包括聚合的智能、自适应的智能、隐形的智能，而微软在ImageNet挑战赛中的成功，证明了“深度学习彻底改变了图像识别领域”。他认为：“人工智能的下一个60年将是人类+机器，即把两者更强的地方结合起来，形成增强智能。”

　　还缺少什么

　　谷歌人工智能程序AlphaGo以4：1的战绩击败韩国围棋职业九段选手李世石，被认为是人工智能发展最新的里程碑。中国人工智能学会理事长、中国工程院院士李德毅则认为，从此次比赛中可以发现AlphaGo的局限性：AlphaGo仅仅是个围棋脑，还不是一个围棋手，更不是一个围棋机器人，既没有眼和手，也没有感知和行为能力。此外，它也没有情绪和情感，不能分析对手的心理状态，并在现场和对手展开心理战，缺失交互认知能力。

　　在李德毅看来，未来机器人给人带来的影响将远远超过计算机和互联网过去几十年对世界的改变。而理想中的机器人应该是“有智慧、有个性、有行为能力，甚至还有情感的。”

　　徐伟也认为，深度学习确实给人工智能带来了快速的进展，但未来还有很长的路要走。“人类智能的核心是自我学习和创造的能力。我们看到现在有很多具体的智能系统，比如AlphaGo，还缺乏一种自我学习和创造的能力。”

　　另外，一个小孩要认识一种物体只需几幅图就足够了，但计算机则需要几百幅图。“这是因为人工智能还很难从少量标注数据中学习。”徐伟说。

　　截至目前，谷歌无人驾驶汽车的行驶里程已超过200万公里，即使这样，实现商品化仍然很难。徐伟认为，核心问题是人工智能系统缺乏常识。“人看到一种路况就知道该怎么做，但机器缺乏常识性的理解，只能通过人一条一条把每种路况导入系统中去。要想解决这样的问题，最有效的方式就是放到真实的环境里去学习。”他透露，最近Facebook和微软也提出了类似的想法，即创造一个虚拟的环境，让人工智能体在这一环境中自己去探索，在与环境的交互中建立常识性知识。

　　“要做像人这样强大的人工智能，可能需要从最基础的东西开始。”徐伟说，“人工智能需要像幼儿一样，在一个环境中自主学习感知，拥有行动的能力，同时将语言能力作为核心嵌入到系统中。”

　　下一步的突破

　　从上世纪60年代至今，对于人工智能的研究主要从两个层面进行了探索，首先是逻辑层面，即通过逻辑和搜索来完善人工智能，在发现瓶颈后，又开始了机器学习的研究。

　　香港科技大学冠名讲座教授、国际人工智能学会会士杨强认为，人工智能的下一步突破将是通用性的人工智能，即将基于搜索和逻辑的人工智能方法与机器学习结合起来，形成一个完整的智能机器。“举个例子，就是一只鸡可以吃不同的食物，但是下的蛋都是对人类有用的。”

　　在杨强看来，人工智能的成功需要三大条件，一是高质量的数据，二是能够开发出先进算法的人才，三是强大的计算能力。

　　地平线机器人联合创始人、地平线机器人技术软件副总裁杨铭认为，深度学习近年来之所以备受关注，是因为一般而言性能的准确度是随着数据的增长而增加的，但其他机器学习方法随着数据的增加，性能在某一个点就不再提高了，而对于深度学习还没有发现这一现象。

　　他表示，深度学习的未来趋势包括四个方向：学习如何记忆及关注与取舍，把注意力集中到需要关心的细节上，增强学习以及整体任务的序列化。

　　人工智能要想发展，除了算法上的改进，还要解决硬件面临的挑战。寒武纪科技创始人及首席执行官陈天石表示，现在已处于从信息时代过渡到智能时代的开端。在智能时代，处理器的负载不再是以前的传统计算，而是深度学习。通用处理器将由此面临性能和功耗的问题。智能时代需要深度学习芯片作支撑。