人工智能和未来 - 清华EMBA分享系列002

本文来自于张钹院士在清华EMBA课程的精彩报告。张教授是中国人工智能泰斗级人物，报告深入浅出，介绍了人工智能的历史、现状和未来。人工智能可以发挥的巨大作用和局限性，都有客观的回答。

本人从2000年开始接触大数据挖掘技术和建模应用，对人工智能有所了解。听了张教授的报告，仍觉得收获不浅。推荐给对人工智能有兴趣的朋友们。

张教授报告内容图文并茂，篇幅有限，下面是概括性总结，大致记录了报告的框架和基本主题：

1、人工智能可以实现么？人脑和计算机都是信息处理系统，所以存在计算机局部替代人脑的可能。

2、人工智能领域，用机器实现四个功能：1）逻辑思维、2）感知、3）动作协调控制、4）情感、灵感、顿悟。其中1）是符号系统，2）-4）是亚符号系统。目前多数成果体现在1）-3），4）的研究进展有限。

3、所谓符号模型，即基于知识与经验的物理符号推理系统，其中的三要素是知识驱动、符号主义，以及基于规则的模型。我把这段话翻译成：懂业务，并把客观因素翻译成计算机懂得语言，学习和建模。

4、计算机会写诗。看了大量的案例。个人的结论是辞藻丰富，字句华丽，但在情感、呼应联想、全局观、立意等方面不足。

5、相比吟诗作赋，计算机对对联的能力更强，甚至不逊于人。背后的原因是规则越多，越确定，计算机的计算能力就发挥得越好。

6、人工智能的两个标志性成果，一是国际象棋领域，1997年深蓝打败了世界冠军卡斯帕罗夫；二是2011年自动问答系统智力强大战胜了人类冠军。

7、  IBM 的沃森系统采用知识驱动方法，知识库搜集了2亿页知识，4TB存储，包括词典、百科全书、主题词表、新闻专线等不同数据源知识。回答目标和主题词导向问题很容易，比如“谁在1974年9月8日被总统豁免”，但遇到需要计算或者思考的问题有难度，如“与智利陆地边界最长是哪个国家”，“与美国没有外交关系的国家哪个最北”等。

8、从技术而言，人工智能从感知到深度学习，体现在如神经网络模型的隐层多少上。

9、提高图像识别效果靠深度学习。

10、图像识别在缉拿逃犯等领域发挥了实际作用。

11、图像识别在医学影像识别中发挥较大的作用。一个典型的例子是关于肺癌早期影像的国际数据大赛，清华学子获得了金奖。

12、 生物特征包括人脸、指纹、掌纹、虹膜、视网膜、DNA、签名、姿势、击键、声纹等角度，都具备大数据建模的意义和应用背景。

13、语音含有丰富的信息，值得关注。

14、目前可以做到语音合成朗读、生成歌唱，以及判断方言、口音、性别，辨别声音主人等。

15、 基于网络大数据，可以实现传染病、二手车、股票（我笑一笑）等预测。

16、基于网络大数据，可以处理社交网络的突然事件和品牌分析。

17、关于围棋，阿尔法狗。围棋和象棋是不同的领域，象棋注重逻辑推理，而围棋注重直觉。围棋的人工智能领域，其实是人工智能领域从理性到感性的跨越。

18、围棋的建模分析方法是多叉树。面对天文数字的分叉，经验和逻辑可以协助去除了绝大多数的分支，导致算法最后的可实现。

19、阿尔法狗数据：真实棋局3000万，自我学习3000万，如此自我循环学习上亿次棋局。

20、行动控制机器人。最难的是双足机器人。与国际先进技术相比，我国尚有距离。

21、工业机器人领域，（日）安川、发那科、（瑞士）ABB、（德国）库卡高端垄断，中低端中国有一定优势。

22、工业机器人的方向或难点，是视觉与触觉的结合。

23、人机智能对话，在应用领域已有初步成绩。

24、根据斯坦福大学研究，人工智能的几个主要研究领域：交通、家庭服务、健康、教育、低资源群体、安全、娱乐，在中国加上金融与智能制造。

25、人工智能的难点，必须满足一个或多个条件：数据、确定性、完全信息、静态、特定领域（边界）。

26、人工智能和人脑的差别，通俗的说，人是小错不断，大错少犯；机器是小错少犯，要犯就可能是大错。

27、 人工智能（有时）不具备可解释性，并解答不了突破边界的问题。

28、 人工智能的未来发展需要关注的问题：小样本甚至零样本学习；不确定性推理；感知和理解；人机交互；知识驱动和数据驱动的结合；发展鲁棒可解释性的人工智能。