算力说

人工智能已经可以自动生（shēng）成以（yǐ）假乱真的人像（xiàng）照（zhào）片“忽悠”人（rén）类了。凭借“对抗神（shén）经（jīng）网络”，人工智能从（cóng）“学习”和“识别”进化（huà）到了“创造（zào）”。清华大学（xué）计（jì）算（suàn）机系（xì）教授、博士生导师邓志（zhì）东将此技术与深（shēn）度卷（juàn）积（jī）神经（jīng）网络、AlphaGo并称为人工智能的三（sān）大发展。当然，基于（yú）大数（shù）据和大计算的人工智（zhì）能也存在着“先天不（bú）足”，至（zhì）少在理解和“举一反三（sān）”方面还有很长的路要（yào）走。

一个颇为无聊的国外网站（zhàn）最近火了。

这一名（míng）为（wéi）“此人（rén）不存（cún）在（zài）”（ThisPersonDoesNotExist）的（de）网站没有任何界面设计，输入网（wǎng）址后显示的只有一（yī）张人（rén）像大头照。新（xīn）奇之（zhī）处就在于，每（měi）次打开或刷新页面，显示（shì）的照片（piàn）都不同，并且都不是真实存在的人物照片。

换言之，所有照片都（dōu）是随机“生成”的，而其（qí）背后正是人工智能的（de）支撑。可以看出，人工智能已经从“学习（xí）”和“识别”，开（kāi）始（shǐ）进化到“想象”和“创造”。从（cóng）网（wǎng）站上的照片来看，不（bú）仅实现（xiàn）了无（wú）限（xiàn）“生成”，而且（qiě）还生成（chéng）得不（bú）错——人物有男有女，有老（lǎo）有少，不同人种、不同角度、不同表情，甚至还有眼镜和佩饰，可谓以假乱真（zhēn）。

事实上，赋予（yǔ）人工智能（néng）想（xiǎng）象力和创造力的，正是被《MIT科技评论》评为2018十大科技突破之一的“对抗神经网络”。

据《MIT科技评论》介绍（shào），“对抗”是指两个神经网络使（shǐ）用同一个数（shù）据集进行训练。其（qí）中一个神经网络叫生成（chéng）网络（the generator），它（tā）的任务就是（shì）依照所见过的图片来生（shēng）成（chéng）新的图片，而另（lìng）外那个神经网络叫（jiào）判别网（wǎng）络（the discriminator），它的任务则是（shì）判断它所见得图片是否与（yǔ）训练时的图片相似。

慢慢地，生成网络（luò）创造图片的能力会强到无法被判（pàn）别网络识破的程度。经过训练的生成网络学会了（le）识别并创造看起来（lái）十分（fèn）真实的图片。这项技术（shù）已成为过（guò）去10年最具潜力（lì）的人工智能突破，帮助机（jī）器产生可（kě）以（yǐ）“忽悠（yōu）”人（rén）类的成果。

portant;" width="469" height="469" align="" />

生（shēng）成（chéng）式对抗网络“创造”出的人像（现实中不存在此人）具有十足“迷惑（huò）性（xìng）”

更令人惊叹的是，这样的“生成”还不限于图像。清华（huá）大学计算机系教授、博士生导师邓（dèng）志东近日（rì）在（zài）上海“张江（jiāng）·2019未来产业峰会”上提到：“两个卷积神经网络（luò）通过相互（hù）对抗，生成超分辨（biàn）率真实感的原创图像、声音、3D物体（tǐ）或自然时序数据（jù），这给AI带来一种类似于（yú）人类的（de）想象力。”

AI的（de）三大（dà）主（zhǔ）义与三（sān）大发展

令人叹为观止的人像“创造”背后，必然是对海量原（yuán）始照片的（de）学习。

邓志东认为，生物智能的（de）一个（gè）主要特征就是学（xué）习，而新一轮人工智能的鲜（xiān）明特点就是学（xué）习能力。无论是生物智能（néng）还是人工（gōng）智能，智能（néng）的主要特（tè）点就（jiù）是（shì）感知（zhī）能力（lì）、认知能力和（hé）行动能力。

追本（běn）溯源，智能的这三大（dà）特（tè）点源自连接主（zhǔ）义（yì）、行为主义和（hé）符号主义。连接主义是生物智能的解剖学基础（chǔ），即生物（wù）神经（jīng）系统所包含的神经元、神经元的活（huó）性及其相互（hù）作用。在此之上（shàng），行为（wéi）主义通过奖励（lì）/惩罚（fá）进行自主学习，强化学习也是人类和动植物行为（wéi）学习（xí）的主要方式（shì）。最后，符号（hào）主义极大促进了人（rén）类（lèi）的智力发（fā）育，尤其（qí）是语言的发明成为（wéi）了人（rén）类智能远超其他生（shēng）物智（zhì）能的分水岭。

以“三大主义”为基础，人工（gōng）智（zhì）能在最近五六年取得（dé）了飞（fēi）速发（fā）展。目前来看，在大（dà）数（shù）据（jù）和大计算的驱动下，深（shēn）度学习已（yǐ）成为计算机视觉（jiào）、语音识别与合（hé）成、自然语（yǔ）言处理和大数据分（fèn）析（xī）等的（de）主流方法。以深度卷积神经网络为（wéi）基础（chǔ）的新一（yī）代人工智能确实带（dài）来了更接（jiē）近于人类视听觉的感知能力。

因此，数据驱动（dòng）的方法已被（bèi）视（shì）为继实（shí）验科学、理论模型、模拟仿真之后的第四科学研究（jiū）范（fàn）式——数据驱动的科学范（fàn）式，其（qí）如同网络技术（shù），已（yǐ）逐渐变革为一种通用（yòng）赋（fù）能工具。从“互联网+”到“人工智能（néng）+”，新一代人（rén）工智（zhì）能已经远远超出了（le）计算机科学（xué）技术的范畴。

大数据和大计算让人工智能迎来（lái）了大发展（zhǎn），邓志东总结了人工智（zhì）能的三大（dà）进展。

首先是深（shēn）度卷积神经网（wǎng）络令大数据感知智能取得突破性进展。人（rén）工智能已经能获得更加接近（jìn）于人类水平的视听（tīng）觉感知能力和对文（wén）本自（zì）然语言的模式分（fèn）类能力（lì），从而赋（fù）能产品（pǐn）、流程和服务体验，引发（fā）了技术变革和产业革命。

这一领域最为（wéi）人熟知的例子就（jiù）是自动驾驶（shǐ），以全球首个自动（dòng）驾驶商（shāng）用服务Waymo One为例，其估值已超千亿美元。另外，在医学影像领域，谷歌的人工智能（néng）深度卷积神经网络已经可（kě）以根据视（shì）网膜影像来准（zhǔn）确判断（duàn）一个人的年龄（líng）、性别、血压、是否吸烟等，甚至可（kě）预测肺癌、乳腺癌（ái）等，达到了国（guó）际顶级（jí）医生的诊断水（shuǐ）平。

其（qí）次（cì）是（shì）超人类水平的AlphaGo引发全（quán）社会（huì）强烈关注，在此基（jī）础上进（jìn）化（huà）而来的AlphaZero更是带来了无需（xū）大数据（jù）就可自主学（xué）习的棋类（lèi）通用（yòng）人工智能。AlphaZero经过8小（xiǎo）时16.5万次训练，就击败（bài）了AlphaGo战（zhàn）胜李世石的（de）版本。

第三大（dà）进展是对抗性（xìng）神经网（wǎng）络带（dài）来了（le）超真实感（gǎn）的想（xiǎng）象能力，也就是上述人工智能“创（chuàng）造”人像的案例所（suǒ）表现的（de）。邓志东表示，生成式对抗网络（luò）（GAN）是目前（qián）最为成功的（de）生成式神经（jīng）网络模型，通过与强化学（xué）习及蒙特卡洛搜索（suǒ）等（děng）的结合，推动了半监督与无（wú）监（jiān）督学（xué）习方（fāng）法的发展。

portant;" />

清（qīng）华（huá）大学计算机系教授、博（bó）士生导师邓志东

大数据（jù）AI的先天不足

邓志东坦言，以大数据为燃料，喂食越（yuè）多，人工智能（néng）越（yuè）能获得更好的感知直（zhí）觉（jiào）。但问题随（suí）之而来（lái），首先是对大（dà）数据的清洗和标签（qiān）需要（yào）付出很高代价。

其次，在落地应用中，在开放环（huán）境下，实际（jì）是不存在完备的大数据的。对于（yú）各种应用场景（jǐng），大数据人工智能均只能获得较接近于（yú）人类水平的视听（tīng）觉等感知能力，这（zhè）与各种基于公开测（cè）评数据（jù）集得（dé）到的性能指标是完全不同的。简言之，人工智（zhì）能或（huò）许在测试状态下表现良好（hǎo），但（dàn）在实际落地应用中的表现（xiàn）却可（kě）能差强人意。

此外，基于深度学（xué）习的（de）计算机（jī）视（shì）听觉感知方法（fǎ）不（bú）仅依赖（lài）大数据的驱动，也缺（quē）乏人类（lèi）举（jǔ）一反三的，基于小（xiǎo）样（yàng）本的学（xué）习能（néng）力和对目标的认知水平的理（lǐ）解（jiě）能力，并且缺乏记忆、没有常识（shí）、不能运用经验，缺乏技巧和（hé）知（zhī）识学习能（néng）力。

比如，人们开车（chē）转弯或掉头就（jiù）是过程性经验。大脑记住后，每当转（zhuǎn）弯就不需要再思（sī）考，而是可以条件反射地做出动作。

人类的思维（wéi）方式并（bìng）不（bú）完全依（yī）靠（kào）特征提取，很（hěn）多时候是靠（kào）理（lǐ）解（jiě）和推理，但（dàn）目（mù）前人工智能（néng）并不具备这样的能力，也就不具有规划决策和思考能力。

邓志东把（bǎ）大数据人工智能面（miàn）临的（de）挑战归结为：人工（gōng）智能缺乏自己的语言。相（xiàng）比（bǐ）之下，语言却是人类（lèi）的“制（zhì）胜法宝（bǎo）”。他（tā）表示（shì），人（rén）类（lèi）高层认知能力（lì）其实是通过（guò）记忆语言去思考和（hé）推（tuī）理的。记（jì）忆以及知识的运用，都是基于语言的（de）。

另外（wài），大数据人（rén）工智能（néng）的发展，还会带（dài）来法（fǎ）律、伦理、隐（yǐn）私安全（quán）和失业等（děng）方面的挑战。

尽管当下的人工智能还非常弱，“落地（dì）”也只能在特（tè）定应用领域发（fā）挥作用，还极度依赖大数据。但随（suí）着人工（gōng）智能的进一步发展，也（yě）就是（shì）认（rèn）知智能和通用人工（gōng）智能的发展（zhǎn），或许会对技术与产业带来变革，甚至（zhì）威胁（xié）到人（rén）类（lèi）的安全（quán）。

“但总（zǒng）体（tǐ）来说（shuō），现在的弱（ruò）人工（gōng）智能对于（yú）人类（lèi）是赋能和有益的”，邓志东表示（shì）。

拥有自己语（yǔ）言的下一代人工智（zhì）能

对于（yú）人工智能的未来突破（pò）点，邓志东认为（wéi），关键就在于从感知智（zhì）能向认知（zhī）智能（néng）的进化（huà）。目（mù）前人工（gōng）智（zhì）能主要追（zhuī）求看清、听清，能够识别但没有理解，属（shǔ）于感知智能范畴。未来人工智能的发展目标将是（shì）如何（hé）看（kàn）懂（dǒng）、听懂和读懂，从（cóng）而具备基本的认知智（zhì）能，这也（yě）是从弱人工智（zhì）能向通用或强人工智能进化的方向。

所谓认知智能，就是指对目标或（huò）实体具有理解能力，理解事物（wù）的内（nèi）涵和外延。其发展趋势（shì）就是要探索举一（yī）反三的认知智能，即以（yǐ）大数据感知智能+图模型/知识图（tú）谱为基础，利用图卷（juàn）积（jī）神（shén）经网络从特征学习（xí）拓展到知识（shí）学习。

而通（tōng）用人工智能则（zé）包含了多任务的自主学（xué）习（xí）、自（zì）适应与自（zì）组（zǔ）织能力。其发（fā）展趋势（shì）是基（jī）于连（lián）接主（zhǔ）义的（de）深度神经网络，通过与行为主义的强化（huà）学习，特（tè）别（bié）是与具有（yǒu）学习能力（lì）的符号主义（yì）的有机（jī）结（jié）合，从AlphaZero这样的新起点出发（fā），发展出具有更（gèng）宽垂直领（lǐng）域的通用人工智能（néng）。

总（zǒng）之，通过深度学习与无监督学习（xí）、概率或模糊图模型知识（shí）图谱进（jìn）行深度（dù）融合，让（ràng）下一代人工智能拥有自己的语言，并能根据数据和常识自主学习（xí），是（shì）探索认知能力与通用人工智能的关键路径之一。