中国金融信息网讯 9月10日-13日，2017世界物联网博览会在无锡召开，清华大学计算机科学与技术系教授邓志东在网易AI公开课上介绍了人工智能现状和复兴原因，及其商业价值和中国人工智能产业发展的优势和短板，以及如何迈向认知智能与通用人工智能。
清华大学计算机科学与技术系教授邓志东在网易AI公开课上发表演讲
以下为演讲全文:
大家好，现在人工智能非常之火，关于人工智能现在有各种各样的说法，那么什么是人工智能，机器究竟有没有意识，人工智能能不能够超越生物智能。首先介绍一下人工智能现状和复兴原因，然后介绍商业价值和中国人工智能产业发展的优势和短板，最后我们可以讨论一下迈向认知智能与通用人工智能。
我们知道从自动化一路走来，我们现在进入信息化社会，而且正在往信息化自动化社会迈进，第一次工业革命、第二次工业革命、第三次工业革命我们正处于其中，那第四次工业革命是否有人工智能和机器人。什么是人工智能呢?我们都知道在61年前，4位科学家提出了概念，而且把人工智能定义为要研究独立人类的机器，有知识学习、思维甚至是意识，而且把智能定义为三个概念，里面关键概念就是感知、决策和执行。人脑是通过学习而非编程获得视、听觉能力，我们知道人工智能一个是感知智能，还有认知智能和创造性智能。
人工智能是一个影响面极广的关键性科学问题，我们知道顶级企业谷歌、脸书、亚马逊、百度等都投入巨资并招聘领军人才。当时有一个比赛，比赛提供了大数据，把很早的算法加上大数据、加上GPU就产生化学反应及性能比第二类方法提高了4.9，这个让很多前沿企业捕捉到了这个信号，谷歌、脸书等等，我们在看大数据感知智能，可以说深度影响军事社会垂直领域，加快智能经济、智能社会和军民融合的发展，目标是对海量数据进行自动化处理，提升效率、降低人力成本。
大数据和大计算的支撑下，我们（人工智能）很多方方面的功能已经超越人类，在无人驾驶方面，这个特斯拉，还有通用；在语音识别方面，水平也在不断提高，远远超过了一定水平；人脸识别现在最新结果已经到95.82%，我们看到人脸识别，叫像素级分割，然后看到唇语数据提取；语音助理看到智能音箱，亚马逊还有国内百度，还有聊天机器人也有很多；还有把人的声音记录下来进行训练，可以讲说话很有真实感。人工智能速记专家，这个可以给我们带来很大的改变，更大的改变就是人工智能翻译——机器翻译，英语、西班牙语性能都得到提升。
我们现在计算能力也有发展，GPU集群在ASIC和FPGA做服务，终端应用有新的产品不断推出，满足低功耗和低成本的要求。尤其是全球芯片巨头，包括英特尔、高通等等全部布局人工智能芯片发展，尤其布局自动驾驶。自动驾驶成为人工智能全球系统巨头必争之地。去年Alpha Go人机大战成为里程碑，社会上广泛关注人工智能，出现各种各样的解读，人工智能是不是会超越人类智能、超人工智能等等。人工智能发展组织经历了三起两落，第三次人工智能热潮的兴起，源于时代的进步与历史的巧合；移动互联网与云平台的发展，海量规模的带标签的大数据长期作用与视频游戏的超常发展，推动了GPU的快速进步。人工智能复兴得益于产业界对人工智能的持续投入，在去年得到了很多突破性的成果。
我们再看看人工智能商业价值。大数据驱动下深度学习垂直应用也非常广泛，包括智能音箱、智能可穿戴设备、智能家庭、智能医疗、智能聊天。甚至用在法庭上面，庭审的语音速记等等，可以说大数据人工智能无所不在，可以替换人类简单的工作，同时可以替换比较复杂的、需要更多环境适应性和自助性的一些体力劳动。可以从“互联网+”发展到“人工智能+”。最近麦肯锡有一个报告，分析全球800多种职业所覆盖的2000多种工作，认为50%的工作在2035到2075年之间可以通过人工智能实现自动化。比如长途运输业、出租车行业等等。
我们看到现在无人零售店也用到很多人工智能技术，还有智能音箱，还有很多聊天机器人，最早就是出自于亚马逊，这是亚马逊Echo，这个销售已经超过1千万台，只是没有进入中国市场。还有智能医疗、智能教育、智能投资顾问、智能金融，应用条件最重要就是要程序选择特定应用的场景。大数据是一个基础，算法是关键，计算力是前提，要基于大数据和弱人工智能，主要是深度卷积神经网络与深度强化学习，开展特定应用场景或垂直细分领域的人工智能落地实践，可以达到人工属性。条件就是场景要细分，要有产业大数据支撑，数据要进行标签化，所以需要行业顶级专家进行大数据的标签化。从产品角度来讲，产业开发讲“人工智能+”其实就是“大数据+”。
我们看一下中国人工智能发展的优势，中国人工智能发展，首先应用场景规模非常大。中国“互联网+”快速发展，使得我们容易得到大数据，还有商业落地快，我们模仿以后很快就可以落地，然后还有政府支持力度很大。我们短板就是原始创新能力不足，不仅是技术，甚至商业模式，我们的无人零售，我们现在智能音箱、聊天机器人就是亚马逊的Echo，还有投资界追逐于短线逐利，还有体制机制障碍；还有缺乏高端基础性研究人才和AI工程人才。
最后，大数据感知智能怎么迈向更多的智能成果，认知智能和通用人工智能，这个可能是今天更感兴趣的事情。说实话我们现在知道人工智能已经有三起两落，80年代人工智能第二次高潮时，大家追求是符号，大量发展各种专家系统，但是有很大的问题，没有感知智能支撑，没有解决最基本的识别问题，人的智能首先要有人的识别能力，这个不展开说。认知智能即对人类深思熟虑的行为的模拟，包括记忆、常识、知识学习、推理、规划、决策、意图、动机与思考等高级智能行为，我们能够听清楚，能听懂甚至更做到读懂，所以聊天机器人感觉到他是答非所问，就是机器人。而通用人工智能，即同一模型完成对多个任务的学习，具有人类部分认知能力，是通用的人工智能，你可以全方位具备人类能力的时候，这是我们认为真正的强人工智能。我们现在现状是弱人工智能阶段，我们目标是发展通用人工智能，甚至到强人工智能。
四个方面。第一个，首先看到在这个认知智能已经有进步，已经深度强化学习，探索认知智能的曙光，而且不完全依赖大数据，在大数据基础上通过强化学习，来得到人类水平决策能力；第二个，发展小样本的半监督/无监督学习，我们真正应用的时候，这个小样本的半监督/无监督学习提出要求；第三个，通用人工智能；第四个，数据智能和生物智能的关系。把强化学习研究三个方面，只是以前和神经网络结合，但是后面没有很强大的能力，去年我们知道古老的强化学习和深度卷积神经学习，就取得了Alpha Go这样代表性的里程碑式的胜利，而且深度强化学习评为全球十大突破性技术之首，应该说Alpha Go四比一击败了世界冠军是很火，而且转战到扑克牌，还有做游戏，都是决策。
我们可以看到Alpha Go下围棋进阶的过程，2015年10月份以5:0获得围棋冠军，经过短短的几个月，五个月的训练进化，三月份又战胜了职业九段，五个月进化，再进化就是战胜很少的数十位中日韩世界冠军。强化学习的原理不说了，三个关键技术，三个网络结构，核心就是十三层，后面有四十几层，具有更强的能力。强化学习刚刚前面说了是30多年前的事，很早以前就有了，是怎么学习？就是大数据，首先是大数据的学习，3000万棋局，而且是顶级专家进行标签，这个基础之上然后再进行强化学习，我们先找一个高手，一个金庸小说的武功顶级大师学习，然后再自己进行强化学习，自己苦练，这种方法最后就能够实现成功。
第二个就是小样本的半监督/无监督的学习，我们怎么去有规则学习，让数据本身具有很好的特征能力，因为我们神经网络为什么神奇，因为可以多级多层的提取，这是他的特征提取，这块以后必须有条件，必须依赖于大数据，小数据怎么办?小数据这个时候人类还有推理能力，大数据加上人类推理能力。
第三个通用人工智能，获得特征或者概念表达，抽象式与知识图谱结合，同时整合常识、推理、记忆、注意力、规划与意图等，最终发展到强人工智能。大数据感知智能与知识图谱结合起来，最后要发展人工智能视觉引擎、知识引擎、人工智能语音引擎。
第四个数据智能和生物智能，目前取得的进展就是大数据驱动下的弱人工智能，典型说就是深度学习网和强化学习网。现在深度卷积神经网可以掌握人类视觉皮层一些机理，对多级多层自动提取能力方面有很大突破，而且与人类视觉集成特征性非常接近。数据智能依赖于大数据，是受到生物智能或者人脑智能启发，主要是利用人类神经网络，我们利用早期的人工智能发展，利用神经生物学一些知识启发，现在这个时候我们在数据智能、感知智能上面加上概念图谱、知识图谱、意识图谱有依据吗?我们现在看到有视觉、听觉、语音识别能力，而且是达到人类水平，这个时候有一个问题，智能是不是一定存在于生物智能，通过数据实现智能是不是也是一种智能?数据智能能够走多远，能不能发展数据通用人工智能，数据认知智能，而且能不能有意识?
最后几句话，目前人工智能革命性进展是源于深度学习或者与深度学习的结合。第二是，弱人工智能的产业发展正处于爆发期。第三，弱人工智能的突破性发展为认知智能和通用人工智能的探讨带来新的希望。第四，尽管工作原理不尽相同，但数据智能可能是目前人工智能媲美生物智能的唯一希望。第五，从“互联网+”到“人工智能+”，大数据智能革命将深刻地改变我们这个时代。谢谢大家！(根据速录整理，未经本人审阅)
