科大讯飞、微软、三星、华为、IBM、蚂蚁金服专家解读人工智能

科大讯飞、微软、三星、华为、IBM、蚂蚁金服专家解读人工智能

随着AlphaGo的火爆，人工智能技术对人类的影响更加凸显，但不同的机构如何利用人工智能？在3月27日下午的新智元新书发布暨智库成立大会、新智元基金启动仪式上，多位人工智能领域的专家和创业者解读了对人工智能技术趋势的认识，以及对人工智能应用的展望。

电子工业出版社总编辑刘九如：AlphaGo是分水岭

AlphaGo击败围棋世界冠军李世石，此次人机大战是人工智能技术应该的大普及，更是人工智能产业发展的重要分水岭。经过60年演绎发展的人工智能在互联网和大数据的推动下，跨过了发展的春天。

新智元创始人杨静：要跳出现有的层次

AlphaGo体现超智能时代的三个突破：

1. 超越时间跨度，虚实合一的全息计算。
2. 超越个体智慧，人机合一的进化创新。
3. 超越人性局限，万物平等的自由机会。

如果人工智能要进入更高级的境界，必须要跳出现有的层次，了解高境界的人怎样在不同层次间进出自如，了解“直觉”如何起作用。例如，布式表示真实地存在于宏观上的整体事物之中，但微观上，在各个部分去寻找，是找不到对应物的。只要系统足够复杂，计算速度足够快，我们最终能找到跳出各种层次和怪圈的方法论。

中国人工智能学会理事长李德毅院士：要对AI有敬畏之心

从AlphaGo说开，三个问题：

1. AlphaGo程序和李世石下了五盘围棋之后还是原来的程序吗？
2. 李世石可以一步不差地复盘，AlphaGo可以吗？
3. AlphaGo和一些臭棋篓子下棋之后，它的棋商会越来越低？

我们怎样看待人工智能？几个机器人在这里跳来跳去，我们需要的是这些玩具吗？不智能的人才叫做人工智能，人工智能科技工作者应该进入社会的大浪潮中，用智慧研究人工智能的产业。

人类几千年的文明，是人类利用工具、制造工具、发明机器的历史。事实雄辩证明了机器可以比人类更强大，一个人类比不了拖拉机，比不了汽车，比不了飞机。随着科技的进步，将来总有一天机器人会让人类更聪明，所以不用担心人工智能会把我们人类摧毁，但是我们对人工智能需要有一点敬畏之心。

科大讯飞高级副总裁江涛：人工智能的三大挑战

AlphaGo引发的关注焦点，是人工智能对人类的挑战。但AlphaGo体现机器在人类的帮助下突破了自己的极限，如同100多年前汽车的发明。这一轮人工智能的爆发，除了深度神经网络的提出，更重要的是云计算、移动互联网带来的大数据超大的运算能力。这一轮人工智能的爆发是真正的产业爆发，是能够进入千家万户。

一些研究机构的预测：

• Gartner：2018年超过三百万员工要向机器人老板汇报工作。
• 麦肯锡：45%的活动可用当前技术自动化；未来几年，CEO的20%的工作可用被自动化。
• 德勤：认知技术成为80%时期百强企业的标配。
• 《科学》：2045年，50%的工作会被机器替代。

人工智能三个典型的领域，是计算智能、感知智能和认知智能，分别正在进行人和机器的挑战。

• 计算智能：从象棋到围棋，通过蒙特卡洛书搜索和评价网络将计算压缩在有限的空间进行运算和决策。AlphaGo的胜出，标志着在规则和评价手段、目标领域确定的场景，计算机已经战胜了人类。
• 感知智能：如无人驾驶，也涉及到一些计算智能，但核心是感知智能，需要感知外界的变化。目前，结构化环境（可预测环境，如公路）下，机器的水平正在逼近人类；非结构化环境（如沙漠、乡村土路），机器水平和人类还差得很远。
• 认知智能：认知智能是对人类的理解、推理、学习等认知活动的模拟，基于人类自然的语言系统，形成概念上的逻辑推理。用比较传统的技术，知识图谱的技术，在相对窄的领域内可以表现的比较好，但是更宽的领域，如科大讯飞正在做的各种考试机器人，语言理解、知识表示、联想推理、自主学习等方面的挑战需要解决。

这些问题正在被解决，5-10年内，人类将进入智能一切的时代，机器人将像水、食物、互联网一样成为人类生活的标配。机器人产业将决定GDP全球排名。

微软亚洲工程院院长刘震：从AI到PI（Perbasive Intelligence）

2016年是人工智能年，人工智能的发展得益于：

• 摩尔定律的红利
• 大数据的东风
• 深度学习的支撑

人工智能的发展的两个维度：

• 深度：更好的算法，更搞笑的软硬件解决方案
• 广度：更多的应用领域

人工智能新纪元，不应该是让人工智能变成最深远的技术，而是让它消失，融入生活提供各种便利。斯坦福大学学者提出的场景智能（Perbasive Intelligence，PI），借助各种传感器和算法，形成无处不在的场景智能。不仅是能够认知场景，还要和场景能够对话，让场景理解你的愿望，实现你想做的事情。

挑战：

• 资源的分离：工程师、数据、问题
• 责能的冲定义：产品和项目经理，工程师，数据科学家
• 终端和云的平台的多样性

机遇：智能解决方案的双创生态系统

• 资源打包共享
• 提供模块化的跨平台的智能功能，包括软件和硬件
• 各取所需，各尽所能

面向PI打造生态系统，微软正在基于微软的数据、模型和算法抽取的视觉、语音和语言的API（牛津计划）。

三星电子中国研究院院长张代君：正在到来的人工智能

在商业领域，人工智能并不神秘，因为任何技术都是阶段性推动。人工智能目前所处的阶段，以移动通信的发展类比，就是处在1G到2G之间，还没有达到2G的标准，还有很多事情可以做。

三星的一些展望：

• 智能助手：需要高性能的语音识别，进行语言控制，也需要在IoT环境中的更多交互。
• 智能家居：需要多模态的识别，比如说语音识别，手势、场景识别。
• 智能汽车：感知和识别是不够的，还需要通信、物联网，不仅仅是车对车的通信，还有车对人、车对物的通信。
• 服务机器人：除了标准化以外，另外一个问题是它没有成型（形态、规模）。

从这些产业机遇来看，人工智能的关键包括：
- 技术：语言计算、可视化认知、数据分析、自然交互。
- 基础设施：计算、系统/平台（包括IoT OS）、互联（如5G通信）。
- 数据：包括文字、图像、日志、声音、视频等各种数据。

人工智能的识别技术、模式识别、语音识别、人脸识别、物体识别以及大数据挖掘、自然交互，以及多模态的识别，这些技术的整合，随着人工智能技术的发展，将可以做到超越人类的三观（眼睛、耳朵、嘴），并且单设备性能远超当下（集群所实现的）。

人工智能需要的是一个人机友好的界面，再一个是如何实现自动化智能，以及无处不在和无所不在的智能，这是它的未来远景。

华为诺亚方舟实验室副主任张宝峰：人工智能的实现之路

不关注人工智能的强弱，需求决定价值。未来人工智能很多时候解决的问题是约束于某个确定的场景，好处是大幅度简化了我们对人工智能的预期。约束在某个具体的场景里面，我们可以获取所有场景里面遇到的极限的情况，可以更好地获取相应的数据集，在这个基础上可以带来真正的价值。

在约束情况下变成商用、可部署的东西，可用通过EAI（受教育人工智能）更好地实现。

EAI的期盼与挑战：

1. 关联分析并不能替代因果推演，挑战本质原因仍在。如果没有一个应用场景假设，数据不足以充分支撑问题建模。首先要解决的是数据充分性和业务场景的约束，以因果推演实现系统自动化。
2. 关联性的最大结果是告诉计算机人类所认知的知识和逻辑，除了这种类似的机制之外，我们无法真正告诉计算机如何形成真正的知识体系。计算机在自己的体系里面学会解决复杂事件里的问题，机器学习+人的教育是非常好的方式，但是缺少了如何真正让计算机理解人类社会积累下的知识，这种知识无法放到整个人类社会，只能约束到特定场景里面。
3. 可靠性。如ImageNet分类问题，经历了很多年，我们比拼的准确率还是达到96%、97%。如果我们在一个确定的场景约束下实现99.9%的可靠性，这才是一个真正的智能时代到来的标志。

IBM中国研究院认知交互技术总监秦勇：认知时代的科技创新

认知商务是人和机器共生的，包括参与、决策和探索。计算机确实可以在无人干预的情况下，帮助我们人类从数据中挖掘新信息，这是探索。

IBM利用云平台把Watson认知技术拆分成不同的层次研发，把28个核心API分成四个层次，包括语言、计算机视觉、语音识别、大数据领域。

• 自然语言理解：机器不只是理解简单的文字层面的分词，要做的更深，如直接分析文本了解人的性格，用户可以用语义化的方式操作互联网数据。
• 图像识别：包括动态场景中实时追踪感兴趣的对象，不仅仅是算法的问题，还包括如何加速技术架构实现这样的能力。

如何把技术应用到正确的场景解决商业问题，IBM关注六个方面：

• 基因科学
• 医疗
• 能源环保
• 教育
• 金融
• 工业智能

两个案例：

1. 绿色地平线计划：用传感器站点、工厂排污信息、交通信息和社交网络信息在北京可以做到提前3天精准预测PM2.5；利用精准的天气预报系统，指导工厂更精准地使用新能源。
2. 医疗：临床数据带来的预测好处仅有10%，基因数据和外部数据（睡眠、饮食、锻炼数据）可以支持更精准地做到快速医疗，构建更精准的模型，对抗慢性疾病，医疗文本信息、医疗影像数据结合文本分析、视觉技术，可以指导健身。

总结IBM的技术展望：

1. 认知计算不是单一的软件或者硬件技术，而是包括底层芯片、服务器、网络、通信，以及上层的Neurosynaptic选择的全栈技术。
2. 认知计算重点有两个纬度，首先计算机必须和环境做非常自然的人机交互，否则很难做实时的信息采集；其次计算机还要放大人的脑力。
3. 认知计算核心技术概括成三个字母：URL（Understanding、Recognizing、Learning），Learning可能是今天最缺失的，以往人工智能系统注重监督学习，无监督学习通常证明是失败的，所以今天要真正做到有效的无监督。

蚂蚁金服副总裁、首席数据科学家漆远：大数据智能+金融

数据提供了一个土壤，蚂蚁金服提供人性化的服务靠的是智能和计算。人工智能部门搭建深度学习和机器学习的平台，搭建了语音识别和图像识别系统，平台战略上支撑了各项业务，包括营销、搜索、风控等等。

• 智能客服：基于深度学习的语音识别技术自动分析客服电话，发现可能的问题，自助服务。
• 实时风控：几分钟之内全部产生模型，自动判断贷款是否合理，整个流程全部基于数据化和机器学习。
• 芝麻信用分：基于大数据和完全自动化的信用平台，可以自动选择深度学习、随机森林等算法。
• 保险：如车险，通过高德地图的定位和驾驶速度自动的分析定价。