深蓝出现20年后,人工智能依然眺望生物大脑的复杂性—.docVIP

“深蓝”出现20年后，人工智能依然眺望生物大脑的复杂性——危辉：智能模拟需正视冰山法则来源：河北省科技厅网站 时间：2017-07-19/xwpt/kjdt/350306.htm　 20年前，国际象棋世界冠军卡斯帕罗夫迎战改造过的计算机“深蓝”而败北，成为人工智能领域的标志性事件，计算智能的概念被普及开来。　　今年是2017年，人工智能又在世界范围掀起热潮：　　2016年3月，“阿尔法狗”打败了前围棋世界冠军李世石；　　2017年1月，“阿尔法狗”网络版Master打败了60位中国和韩国的棋手；　　2017年5月，在乌镇柯洁又被“阿尔法狗”打败了；　　在刚刚过去的6月，成都计算机AI-MATHSX (人工智能数学)　参加了数学的高考，取得了105分的成绩。最近几年，人工智能在各个领域都取得了很多进展。电影　《终结者》　中描绘了判决日，提到人工智能发展到极致后控制了核按钮，毁灭地球。那么，随着现实中人工智能技术的不断突破，“判决日”是否临近了？　　复杂性：人类智慧远胜当前的人工智能程序　　毫无疑问，不论是简单的方程组求解或复杂的函数问题，对于计算机来讲都没有任何困难。但是，当把该问题以鸡兔同笼问题的原始叙述呈现给计算机：“在笼子里有鸡兔两种动物，数了一下总共有10个头、30条腿。问笼子里分别由几只鸡和几只兔子”，我们的计算机一定会崩溃。　　为什么AI-MATHSX只考了105分而不是满分呢？　因为很多题目不是数学化的形式，而是文字陈述。这反映了计算机一个非常重要的缺陷———只能解模式化的问题。一旦呈现的不是固定模式，对求解就是大挑战。　　再看一个日常生活的案例，对于一种新形式包装的鸡蛋，我会思考用三种方式取出，并考虑失败的概率而选一种最稳妥的，试想一下，如果这里面不是鸡蛋而是螺栓，我完全可以毫不顾忌费力地取出，因为既不用担心抠破，也不用担心摔碎。人会借助这些日常的经验性去自然解决问题，通过自身丰富背景知识的引导，从而做出正确的行为和决定。　　人脑不同于计算机，它往往没有事先预编好的程序，只需凭借临机决断。所以生物的智慧其实远远复杂于机器。　　回顾70年：几多计划落空和滞后　　人工智能发展到今天已有将近70年的历史。早在上世纪50年代，美国科学家Alan Turing (图灵)　曾预测到2000年人工智能程序能通过图灵测试，现在2017年了，很多的程序依然很难通过它的测试，所以这个目标没有实现。　　19世纪60年代，我们展望会出现机器人秘书和心理医生，计算机能够打败国际象棋大师。目前，只完成了一个打败象棋大师的目标　(2008年，西洋跳棋程序技术才彻底成熟)，还晚了30年的时间。　　19世纪80年代，日本提出要研究第五代计算机，即“人工智能计算机”，希望人能通过自然语言和计算机进行交流，但是很快计划破灭，科学家们严重低估了实现这个目标的难度。　　当时还期望再过20年，能够建立human-scale的知识库，现在我们已经承认知识系统的极端复杂性和这一目标的不现实性。　　此后，人工智能又预估到2020年，集成电路芯片的集成度可以达到人脑的水平。现在已经2017年了，我们很快就可以验证这是不是能成功，毕竟芯片的集成度不能等同于大脑细胞及其集群的运转方式。　　从人工智能历史发展和整体水平来看，我们过往提出的目标大多没有实现或者严重滞后，所以，要想实现人工智能并非容易，它是一项非常困难的工作。　　研究现状：　“各行其道”的立交天桥　　人工智能究竟研究什么？　这涉及到两个方面：　　第一，智能的本质是什么？　推理、决策、问题求解、理解和学习。人通过阅读书本和与别人的交流可以学习很多知识，获得更强的解决问题的能力。这是人类智能包含的五个最核心的方面。　　第二，如何制造有智能的机器？　人工智能里包含一些很具体的研究分支，比如搜索技术、计算机下棋、自动推理、辅助决策、专家系统、机器翻译、模式识别、计算机视觉、机器学习。　　前三种的形式化，人工智能在上世纪60年代就已经解决了；辅助决策，例如计算机辅助医生在手术中做出决定；专家系统，模仿人类专家做某专业领域的事情，需要有限的知识去解决，比如计算机维修；机器翻译，在日常生活中非常实用，且已经取得实质性进展；模式识别，试图理解图像背后的意义；计算机视觉，比如自动驾驶车上，安上识别车辆行人的摄像头；机器学习，要求机器从有限的样例中获取解决类似新例子的能力。人工智能对智能的五大核心方面，分方向，分小类来做精致模拟。　　以上两点相对照，也许会认为机器智能和人的智能差不多，都做类似的事情，但实际上两者之间有着本质的区别。人在通过五项认知技能求解问题时，是互相协同、以一个统一的整体来面对问题。不同认知技能间的协作调和得天衣无缝，所以我们感觉不到自己运用了这些技能。而人工智能则像车辆在立交桥上通行，各行其道，各自为政