史蒂芬·霍金教授在2017GMIC全球移動互聯網大會上的視頻演講中對於人工智能的前言研究領域如此表述。在過去的20年裡，人工智能一直專注於圍繞建設智能代理所產生的問題，也就是在特定環境下可以感知並行動的各種系統。在這種情況下，智能是一個與統計學和經濟學相關的理性概念。通俗地講， 這是一種做出好的決定、計劃和推論的能力。基於這些工作，大量的整合和交叉孕育被應用在人工智能、機器學習、統計學、控制論、神經科學以及其它領域。共享理論框架的建立，結合數據的供應和處理能力，在各種細分的領域取得了顯著的成功。例如語音識別、圖像分類、自動駕駛、機器翻譯、步態運動和問答系統。
他說，現在，關於人工智能的研究正在迅速發展。這一研究可以從短期和長期來討論。一些短期的擔憂在無人駕駛方面，從民用無人機到自主駕駛汽車。比如說，在緊急情況下， 一輛無人駕駛汽車不得不在小風險的大事故和大概率的小事故之間進行選擇。另一個擔憂在致命性智能自主武器。它們是否該被禁止?如果是， 那麼“自主” 該如何精確定義。如果不是， 任何使用不當和故障的過失應該如何問責。還有另外一些擔憂，由人工智能逐漸可以解讀大量監控數據引起的隱私和擔憂，以及如何管理因人工智能取代工作崗位帶來的經濟影響。
長期擔憂主要是人工智能系統失控的潛在風險，隨著不遵循人類意願行事的超級智能的崛起，那個強大的系統威脅到人類。這樣錯位的結果是否有可能?如果是，這些情況是如何出現的?我們應該投入什麼樣的研究，以便更好地理解和解決危險的超級智能崛起的可能性，或智能爆發的出現?
有人說，腦科學和人工智能迄今為止還是兩門平行的學科，人工智能對人類腦科學研究暫時沒有任何實質性的幫助。反觀腦科學卻對人工智能的深度學習方面提供了不少幫助， 比如人工智能借用神經科學裡的視覺工作機制理論，使得人工智能有了今天的發展。但實際上，至今為止， 人工智能也只是用了腦科學其中的一個理論而已。
但卡內基·梅隆大學計算機科學學院機器學習系主任Tom Mitchell則不這麼認為。他在GMIC2017上的演講中提到，下圍棋、下象棋，人工智能在這一領域突破非常快，背後主要是依靠深層次的機器學習。
另外在腦科學方面的發展也非常迅猛。在過去十幾年的時間裡，有很多先進的技術和設備，使得我們可以採用無創或者微創的方法進入到人的大腦，進行毫米級的觀察，而且在毫秒內就可以對幾千張影像進行分析，觀察人腦的活性。
此外，動物大腦的研究更加令人歡心鼓舞，通過基因方面的研究，在基因上進行相應的工程，對老鼠和其他動物相應的神經元進行修飾、改變，這樣可以更好地對人的神經活動進行一些管理和控制。無論是人工智能還是腦科學，都取得了令人矚目的巨大進展。現在人的腦科學和人工智能方面到了可以有更多交集的好時機，我們應該在人工智能和腦科學之間搭建更多的橋樑。
而天風證券海外首席分析師何翩翩(美國麻省理工學院電機工程學士、人工智能碩士、MBA三學位獲得者)在GMIC 全球移動互聯網大會上分享關於人工智能未來發展趨勢的報告時表示，目前， 國內外人工智能的討論範疇一直都圍繞著五個點：強度、能力、廣度、監督和自主性。通俗地講可以概括為：機器訓練智能化的程度;用來解決什麼問題;特定性向通用性的延伸;監督和無監督;人工智能是助手還是主角。
何翩翩介紹了MIT關於人工智能的五大趨勢預測。
首先，最先出現的兩個趨勢應該是正向強化學習和對抗性神經網絡。AlphaGo可以說是深度強化學習技術的一個里程碑。GAN(生成對抗網絡)很有可能會是在無監督學習還沒能普及之前讓計算機變得更加智能的關鍵所在。其次是語言學習。語音識別和語音接口，在技術和應用場景方面已經算是AI裡面較為成熟的，計算機通過語言與我們交流和互動，理解語言的上下文含義，將使AI系統獲得全方位的實用性提升，這也是AI步入夏天的第一步。
第四個趨勢是，2017 年中國開始成為人工智能主要參與者。BAT的佈局，加上國內投資者對於AI創業公司的投資熱情高漲。政府方面也在積極推動政策扶持，預計在2018 年前投資約150億美元。但我們也發現關於AI的誇張報道鋪天蓋地，對AI的炒作也達到了令業界人士不安的程度。我們認為這樣對AI可能會造成揠苗助長的負面效果，繼而導致創業公司因估值過高而步向失敗以及投資枯竭的情況。
第五個趨勢就是面對炒作我們應該深呼吸一口氣，頭腦時刻保持清醒，理智地去看待AI行業的下一步發展，踏踏實實地去做好AI應用的研發工作。
◆ 專題 | 百家爭鳴篇：廠商厚愛AI 是趕時髦還是真較量
◆ 專題 | 實際應用篇：最接地氣的AI應用有哪些
精彩回顧
聲明
中國信息化週報
與您距離更近！
www.cio360.net
中國大數據企業聯盟
識別二維碼加入我們