最新內容
http://www.86xian.com 發布日期：2015-01-27 中關村多媒體創意產業園 關注度：
http://www.bjmmedia.com.cn
各大互聯網科技巨頭在人工智能領域又“掰起了手腕”。
1月17日，Facebook的人工智能研究團隊宣布開源多款深度學習人工智能工具，并將在Torch庫中公開分享研究成果。兩天之后，百度CEO李彥宏便在極客公園創新大會上透露，百度這兩年為加大在人工智能等技術方面的投入，同時表示，“我不在乎我的股價會再跌掉一半或者更多，我一定要把這件事做成”。
1月20日，在未來論壇上，美國通用人工智能會議主席本·格策爾、百度公司首席科學家吳恩達、北京生命科學研究所資深研究員饒毅等業界和學界的“大咖”對人工智能再起爭議。
對于人工智能，他們究竟有怎樣的思考？
深度學習：真途還是炒作
2013年3月，谷歌收購了由加拿大多倫多大學計算機科學教授杰弗里·希頓創立的深度學習企業DNNresearch，由此奠定了在人工智能深度學習領域一馬當先的地位。
微軟、蘋果、Facebook等國外大牌科技企業紛紛玩起了深度學習，吸引不少相關人才參與人工智能深度學習的研究。
無獨有偶，百度發力人工智能的關鍵詞也是“深度學習”。百度深度學習研究院常務副院長余凱甚至放言：深度學習，百度可以比谷歌、Facebook做得更好。
其實，這話微軟早就說過。2014年7月，在微軟總部的學術峰會上，微軟的研究團隊對外宣布他們的深度學習系統“亞當（Adam）”已經超越了谷歌公司的深度學習技術，取得了新紀錄。據悉，Adam比之前的深度學習系統在圖片識別方面快2倍，而且節約30倍的計算機。
人人都將深度學習掛在嘴邊，似乎它真的成為促使人工智能向前邁進的“利刃”，但是，事實真的如此嗎？
吳恩達對從深度學習走向人工智能的道路確實深信不疑。吳恩達曾為谷歌大腦項目創始人，加入百度公司后又提出了“百度大腦”計劃，而“百度大腦”計劃的關鍵之一就是深度學習技術的拓展。
所謂深度學習，是一種神經網絡的技術，受到了人類大腦運作的啟發，創作軟件模擬神經元，建立神經網絡深度模擬大腦神經元傳播路徑和方式。
在大數據時代，越來越多數據的集合顯然為深度學習技術的發展提供了機會。吳恩達也提出：“在大數據時代，深度學習的算法不斷優化，比傳統人工智能的算法要更好，因為它能夠逐漸提高人工智能技術的性能。”
吳恩達所指的，是深度學習的算法從文字向圖片再向聲音和視頻不斷升級。從文字、圖片、語音和視頻中獲得一切數據都是推動深度學習不斷前進的“燃料”，因此百度公司目前正不遺余力地在這些方面深耕細作。
但是，有關炒作深度學習的噪音卻無處不在。
去年11月，吳恩達在接受《華爾街日報》采訪時就提到，現在深度學習領域有眾多初創企業。不幸的是，深度學習太火了，一些初創企業聲稱它們屬于這一領域，但實際并沒有掌握“深度學習”的內涵。
吳恩達坦承：“‘深度學習’為用戶和企業創造了巨大的價值，但也有很多是炒作。”
“我們往往會說深度學習是對人類大腦的工作方式松散地模擬。這一解釋很簡單，但導致人們有時濫用這一詞匯。‘深度學習’與人類大腦的工作方式大不相同。我們甚至至今還不了解人類大腦是如何工作的。”吳恩達解釋道。
事實上，對神經網絡研究已久的饒毅在未來論壇上表達了與吳恩達相同的意見：“今天人們尚不了解人大腦是如何工作的，所以的確無法來準確模擬人類大腦。深度學習軟件雖然可以模擬人類大腦，但只是從特別淺的層面來模擬大腦運作方式。”
就連谷歌、百度、微軟等在深度學習領域作出了一定成績的大企業，也正在被外界質疑著——目前這個領域的巨頭，更愿意將人工智能的研發結果以實驗室數據的形式進行展現，但實驗數據是否能夠證明這項技術可以商用？
因此，值得疑問的是，那些遍布各地、被各大小企業掛在嘴邊依仗著的“深度學習”的所謂“深度”又從何而來？
能否走向通用智能
如果說深度學習是人工智能熱炒的“現在時”，那么，人工智能能否從狹隘的智能范疇走向通用智能則是拷問未來的問題。
通用智能又稱為強人工智能，即具備與人類同等智慧或超越人類的人工智能，能表現正常人類所具有的所有智能行為。
本·格策爾則認為，目前無論是產業界，還是學界研究，都將大部分精力花在了相對狹隘的人工智能系統研究上。
“狹隘的人工智能系統可以做特定的事情，比如無人駕駛、把語音變成文本、分析特定的基因數據或制定特定的治療方案，每一個人工智能的項目現在都是做特定的工作。”本·格策爾說。
但是，從狹隘走向通用的過程中，思想的邊界和技術的掣肘卻是不得不經歷的階段。人們對人工智能的看法也在不斷地修正。
1957年，人工智能學者、通用問題求解機發明者之一的赫伯特·西蒙曾預言，計算機會在十年之內成為國際象棋冠軍，但是直到1997年，電腦“深藍”才戰勝了象棋冠軍加里·卡斯帕羅夫。
人工智能發展的早期，這種過分樂觀的情緒一直存在，但是隨著人們對人工智能領域的不斷探索，才發現人工智能要想完全模擬人腦，走向通用人工智能，還有太長的路要走。
但是，本·格策爾依然對通用人工智能的發展持樂觀的態度，因為在無意中人們已經向通用人工智能靠攏。
一個典型的案例是，日本福島核泄漏事件發生后必須關掉核電發動機，如果讓人來做十分危險，日本雖然在類人機器人方面做了很多工作，但當時還是無法找到能夠勝任的機器人，后來他們找到了美國軍方的機器人，完成了關掉核電廠的工作。
對此，本·格策爾說：“在福島核泄漏事件中，就看到了狹隘的人工智能和通用人工智能之間的區別，雖然過去人們沒有設想到這種情況，但還是造就了可以關掉福島核電站的機器人。因此，我們必須開發出通用的人工智能，這樣就可以應對各種情況。”
或許，本·格策爾的樂觀確實值得贊同。這位走在通用人工智能研究前列的專家及他的團隊正在和一家公司合作，將愛因斯坦的仿真機械頭顱連接到商業機器人身上。目前，該機器人可以識別簡單的面部表情和物體，探索人們話語中的情感，并與科學家對話。就像培養孩子一般，這個機器人并沒有固定的成長路徑，而是不斷地在學習。
回歸到產業上，值得注意的是，谷歌、百度等大型科技公司的人工智能產品當前似乎有走向通用人工智能的趨勢。據吳恩達透露，百度機器人目前的智力水平相當于幾歲的小孩，正在語音識別、自然語言處理以及深度問答的技術上不斷探索。
本·格策爾希望，以愛因斯坦機器人為代表的這一類“看似無特殊用處”的機器人技術的發展能給人工智能產業帶來新的思考，不斷加強人們對通用人工智能的重視，最終在將來的某一天完成走向通用人工智能的使命。
正值中年的本·格策爾甚至表示，或許，只要按照這個步驟走，在技術和思想都得到充分開放和發展的情況下，他能在有生之年看到通用人工智能的到來。
（來源：中國科學報）
 |  |
 |  |
