『干货』爱国者姜钧凯：人工智能未来十年发

日前在深圳会展中心举行的首届“未来生活体验展览会”中，爱国者团体常务副总裁姜钧凯发表了《人工智能未来十年发展趋势》的主题演讲，上万名参观者除感受智能生活的现在，也对智能产品和服务点亮未来生活充满了期待。

人工智能(ArtificialIntelligence)，英文缩写为AI，是摹拟、延展人类智慧的科学。它涉及到计算机科学、心理学、哲学和语言学等学科，可以说几近是自然科学和社会科学等所有学科体现。

人工智能的发展经历了三起三落：

20世纪年代，人工智能提出后，力图摹拟人类智慧，但是由于过分简单的算法、匮乏的难以应对不确定环境的理论，和计算能力的限制，逐步冷却。

20世纪80年代，人工智能的关键运用——专家系统得以发展，但是数据较少，难以捕捉专家的隐性知识，建造和保护大型系统的复杂性和本钱也使得人工智能渐渐不被主流计算机科学所重视。

进入20世纪90年代，神经络、遗传算法等科技“进化”出许多解决问题的最好方案，因而21世纪前10年，复兴人工智能研究进程的各种要素，例如摩尔定律、大数据、云计算和新算法等，推动人工智能在20世界20年代进入快速增长时期。预计未来十年，会在一些难以逾越的困惑中迎来奇点时期的爆发式增长。

爱国者副总裁姜钧凯认为，人工智能的三部曲正是它的魅力所在，人工智能革命是从弱人工智能，通过强人工智能，终究到达超人工智能的旅途。这段旅途以后，世界将变得完全不一样。

弱人工智能(TOP-DOWNAI)是单个方面的人工智能。比如有能克服象棋世界冠军的人工智能，但是它只会下象棋。这个范围内的智能机器看起来像是智能的，但是其实不真正具有智能，也不会有自主意识。目前，主流科研集中在弱人工智能上，并且一般认为这1研究领域已获得可观的成绩。

强人工智能(BOTTOM-UPAGI)是一个人类智慧的系统，有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器被认为是有知觉的，有自我意识的。强人工智能可以有两类：一个是类人的人工智能，即机器的思考和推理就像人的思惟一样。在各方面都能和人类比肩的人工智能.;另一个是非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

超人工智能ArtificialSuperintelligence(ASI)：是超出人类智慧并且将人类智慧延展的智能体系，可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。它在表象上，集中了弱人工智能已有的成果，并由于强人工智能的综合性，都得以延展和综合。超人工智能需要拟人化的特性，如人工意识或人工大脑。这时候的人工智能，由于完整性的特点，为了解决其中一个问题，就必须解决全部的问题，因此更加绚丽多彩，层叠跃进。

姜钧凯说道，综合目前的研究成果和科学界的共鸣，人工智能未来十年发展趋势将在增进RT全息时期到来、新硬件、新语言、新算法和人类认知突破等方面产生积极作用，并且使弱人工智能趋于完善，使机器人和人的混合体有机融会，促使年，迎来强人工智能的时期!

姜钧凯预言，人工智能未来十年的趋势将在以下10点表现得淋漓尽致：

1、未来十年，人类对本身的认知科技获得突破。

在需要使用数学计算机工具解决问题的学科，AI带来的帮助不言而喻。更重要的是，AI反过来有助于人类终究认识本身智能的构成和演进。

机器可以打败人类最伟大的棋手，类人机器人可以走路并且能和人类进行互动。虽然早就有宣言称智能机器指目可待，但此方面的进展却缓慢而艰苦。意识和环境是困扰研究的两大困难。

人们并未真正了解智能的内涵和人类大脑。

大脑是一个庞大的记忆系统，它贮存着在某种程度上反应世界真实结构的经验，能够记忆事件的前后顺序及其相互关系，并根据记忆做出预测和创造。

感知和翻译等大多数神经络的架构正变得愈来愈复杂，远非此前简单的前馈神经络或卷积神经络所能比。特别需要注意的是，神经络正与不同的技术(如LSTMs、卷积、自定义目标函数等)相混合。

神经络是多数深度学习项目的根基。深度学习基于人脑结构，一层层相互连接的人工摹拟神经元模仿大脑的行动，处理视觉和语言等复杂问题。这些人工神经络可以搜集信息，也可以对其做出反应。它们能对事物的外形和声音做出解释，还可以自行学习与工作。

从触及人体科学的各种科学的进展和AI发展的需求看，10年内，人对本身的理解将出现奔腾。

2、未来十年，新的硬件系统将诞生

对人的思惟摹拟可以从两条道路进行，1是结构摹拟，仿照人脑的结构机制，制造出“类人脑”的机器;2是功能摹拟，暂时撇开人脑的内部结构，而从其功能进程进行摹拟。

现代电子计算机的产生便是对人脑思惟功能的摹拟，是对人脑思惟的信息进程的摹拟。人脑结构摹拟将造就新的硬件系统，与如今计算机不再相同，人们又多了一种改变生活的装备体系，那将是真正的开源的硬件门户。这类大脑硬件系统，相当于目前计算机的芯片。

大家知道，计算处理及信息贮存的芯片巨头，像英特尔、NVIDIA等公司，它们处于这1领域的最上游，为中下游产业链提供计算处理能力及相干解决方案，他们决定了人工智能发展的深度。今年5月，谷歌新型芯片支持人工智能。7月日本软银高溢价收购英国芯片设计公司ARM，8月17日，英特尔表示将开发人工智能技术的专用芯片。IBM正在设计基于大脑结构的芯片TrueNorth。而开源的大脑硬件系统，将犹如颠覆杀毒软件行业一样，颠覆芯片乃至全部产业链。

其实，目前人工智能进入了一个瓶颈期，就是即便多个指标都到达了类似人脑的软实力，仍然没法到达和逾越人工智能的奇点。

强人工智能，要满足电脑硬件的运算能力。如果一个人工智能要像人脑一般聪明，它最少要能到达人脑的运算能力。

用来描写运算能力的单位叫作cps(calculationspersecond，每秒计算次数)，要计算人脑的cps只要了解人脑中所有结构的最高cps，然后加起来就行了。Kurzweil得出人脑的cps=10^16cps，也就是1亿亿次计算每秒。现在最快的超级计算机，中国的天河二号，其实已超过这个运算力了，天河每秒能进行3.4亿亿。固然，天河二号占地平方米，耗电万瓦，耗费了3.9亿美元建造。十年之内，当美元能买到人脑级别的1亿亿运算能力的时候，强人工智能可能就是生活的一部分了。最少在硬件上，我们仿佛已能够强人工智能了(中国的天河二号)，但是运算能力并不能让电脑达成人类水平的智能。是否是硬件本身的问题?比如把一个人的智慧加到一只蚂蚁上，又能怎样?

再比如速度。脑神经元的运算速度最多是赫兹，今天的微处理器就能以2G赫兹(也就是神经元万倍)的速度运行。大脑的内部信息传播速度是每秒米，电脑的信息传播速度是光速，差了好几个数量级。但是为何人类智慧还是机器没法比拟的?

我们的科学家从多方面探索智慧的科学，力图解决目前的瓶颈。

科学界正在努力逆向工程人脑，乐观的估计是我们在年完成这个任务。一旦这个成绩达成，我们就能知道为何人脑能够如此高效、快速的运行，并且能从中取得灵感来进行创新。

那末，我们离整脑摹拟还有多远呢?至今为止，我们刚刚能够摹拟1毫米长的扁虫的大脑，这个大脑含有个神经元。人类的大脑有亿个神经元，听起来还差很远。但是科学技术较以往已以指数增长，他的威力很大——我们已能摹拟小虫子的大脑了，蚂蚁的大脑也不远了，接着就是老鼠的大脑，到那时摹拟人类大脑就是很瓜熟蒂落的事情了。

一个电脑架构摹拟人脑的例子就是人工神经络。它是一个由晶体管作为“神经”组成的络，晶体管和其它晶体管相互连接，有自己的输入、输出系统，而且甚么都不知道——就像一个婴儿的大脑。接着它会通过做任务来自我学习。当年“谷歌大脑”团队最开始尝试“无监督学习”时，就动用了1.6万多台微处理器，创建了一个有数十亿连接的神经络。

我国“科技创新-重大项目”，脑科学与类脑研究榜上有名，明确指出“以脑认知原理为主体，以类脑计算与脑机灵能、脑重大疾病诊治为两翼，搭建关键技术平台，抢占脑科学前沿研究制高点”。

姜钧凯断言，未来十年，人脑摹拟将获得实质进展，从而产生新的硬件门户体系。

这个硬件门户体系十分丰富，除智能家居、智慧城市和智慧地球等硬件支持，还有机器人、全息显示装备等。库克认为：“未来，你和的联系将更密切。智能的性能将出现爆发式提升。”而代替目前、电脑和电视的全息装备10年内将出现。

一旦一样东西用人工智能实现了，人们就不再叫它人工智能了。科幻片已让当代人对科技进步不是很振奋，仿佛科幻片就是现实，这是由于几近每一部科幻片，都是科学顾问和其他主创人员的科学与艺术的结晶，而科学实现的每一步都是严谨而艰苦的，好在目前人工智能发展正在以指数的量级在推动。

3、未来10来，新的计算机语言将诞生。

硬件的快速发展和软件的创新是同时产生的，软件的发展可能看起来很缓慢，但是一次顿悟，就是一种新的软件或语言的产生，就能永久改变人工智能的速度。

传统计算架构没法支持深度学习等大规模并行计算需求。除硬件优化，就是计算机语言的革命。

例如，多个团队以不同方法大幅紧缩了训练一个良好模型所需的素材体量，这些方法包括二值化、固定浮点数、迭代修剪和精细调优步骤等。这些技术潜伏的运用前景广阔，可能将会适应在移动装备上进行复杂模型的训练。例如，不需要延迟就可以得到语音辨认结果。另外，如果运算所需要的空间和时间极大下降，我们就可以极高帧率(如30FPS)查询一个模型，这样，在移动装备上也可以应用复杂神经络模型，从而近乎实时地完成计算机视觉任务。计算机视觉与自然语言处理NLP的交汇依然具有无穷前景。想象一下程序为美剧自动嵌入中文字幕的场景，一个小的运用其实早就是一种难得的的进步。

这类新的计算机语言，可能是一种编程，也可能是一种新的结构性变化，比如三进制。计算机基础语言的革命，被认为是最具奇点价值的革命。

4、未来十年，随着机器学习获得突破，人机语言、视觉、情感、脑力波交互或称心灵感应都将没有障碍，加上新的算法得到普及，计算能力获得奔腾。

机器学习指的是计算机系统无需遵照显式的程序指令而只是依托暴露在数据中来提升本身性能的能力。

机器学习分为两类：

第一类是“连续型学习”。“机器学习”的数学基础是“统计学”、“信息论”和“控制论”，还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获得知识，学习策略，在遇到类似的问题时，应用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是不是正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡讹诈的模式。处理的交易数据越多，预测就会越好。再比如计算机视觉，它能在海量图象中，通过不断训练和改进视觉模型来提高其辨认对象的能力。IBM正在利用机器学习算法训练机器人更好地将适合的姿式、音调与语句结合。

未来十年，机器学习能力增强到更加使人担心的程度，借助计算机视觉，语意分析、情感计算与学习，让人感觉很多机器犹如孩子一样吸收世界和身体的各种知识。这类发展，将依赖于运营商级别的大数据支持。

大数据产业链中的原始数据获得方，包括运营商、BAT、微软、谷歌等把持互联入口的公司，它们掌握着机器学习必须的数据资源，决定了人工智能发展的广度。主动开放数据或计算能力逾越防火墙，可以让所有联的计算机装备都能取得海量数据。目前，谷歌开源了它的开源机器学习框架Tensorflow，Facebook也开源了AI算法运行的计算机服务器BigSur的设计，IBM通过Watson的开放，从硬件企业转型为认知解决方案云平台。

第二类是“跳跃型学习”，即人类除会从经验中学习以外，还会创造。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或再严格一些来讲，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或从一个“概念”直接到另一个“概念”。正由于如此，这里的“实践”并不是同人类一样的实践。人类的实践进程同时包括经验和创造。

未来十年，自然语言处理到达新的高度，人机语言交互几乎没有障碍。

语音辨认技术主要是