世事浮云，白云蒼狗，轉(zhuǎn)眼間關(guān)于人工智能的研究已歷經(jīng)兩個(gè)世紀(jì)。

在研究者和踐行者的不懈努力之下，如今人工智能應(yīng)用已遍地可見(jiàn)，無(wú)論是繁華都市還是偏遠(yuǎn)小鎮(zhèn)，街頭巷尾偶遇可稱為人工智能的應(yīng)用并不算稀奇。

然而，人們并不滿足于碎片式的點(diǎn)狀應(yīng)用，更想要早日實(shí)現(xiàn)先驅(qū)們最初設(shè)定的宏愿——通用人工智能。但攀上這座高峰還遙遙無(wú)期。

要如何攀上通用人工智能的頂峰，專家們指出了不算很多的道路，但每條道路目前來(lái)說(shuō)都不好走。

比如，最為人們青睞且最有前途的，當(dāng)屬深度學(xué)習(xí)這條“康莊大道”無(wú)疑。許多人以為，深度學(xué)習(xí)能夠解決一切問(wèn)題，放之所有領(lǐng)域皆為準(zhǔn)，但事實(shí)證明，深度神經(jīng)網(wǎng)絡(luò)的確能夠被訓(xùn)練下圍棋，也能流水線上做釘鉚，但同一個(gè)網(wǎng)絡(luò)不能同時(shí)做這兩件事，時(shí)至今日，尚沒(méi)有一個(gè)用深度學(xué)習(xí)實(shí)現(xiàn)通用人工智能的完整路線圖。不僅如此，深度學(xué)習(xí)與生俱來(lái)的弱點(diǎn)也日益暴露出來(lái)，如不可解釋性、大量依賴數(shù)據(jù)、成本高昂等，所以，這條路能否通向通用人工智能要被打上一個(gè)大大的問(wèn)號(hào)。

又有人提出，可以整合各種專用“模塊”于一個(gè)“構(gòu)架”之中，讓它們分工協(xié)作，這樣就能拼成一個(gè)通用系統(tǒng)。但這個(gè)思路理論上可行，但實(shí)施起來(lái)卻難如登天，比如算法或設(shè)計(jì)本身的功能可能就是復(fù)雜且矛盾的，要協(xié)調(diào)好不計(jì)其數(shù)的“模塊”，就是一個(gè)浩繁的工程。

除此之外，還有人試圖通過(guò)構(gòu)造更像人腦的模型，來(lái)模仿人類各認(rèn)知功能的統(tǒng)一再現(xiàn)，這就是所謂的“全腦模擬”。

“全腦模擬”的概念基于一個(gè)原理，即生命的主題是大腦，于是，20 世紀(jì)初，谷歌的科學(xué)家們提出一個(gè)大膽的想法——將人腦原封不動(dòng)地移植到以神經(jīng)網(wǎng)絡(luò)為架構(gòu)的 AI 上，這樣人腦就可以永生，人也就能永生。然而，這個(gè)想法雖然讓人興奮，但實(shí)行起來(lái)難度更大，因?yàn)槿说拇竽X共有約860 億個(gè)神經(jīng)細(xì)胞，如果用神經(jīng)回路來(lái)模擬大腦，即使用當(dāng)代速度最快內(nèi)存最大的超級(jí)計(jì)算機(jī)，也只能模擬大腦的百分之一。這讓大腦移植似乎變得不可能。

但是，這阻擋不了科學(xué)家的研究熱情。2018 年，日本理化學(xué)研究所和德國(guó)的 Jurich 研究所聯(lián)手，通過(guò)對(duì)網(wǎng)絡(luò)算法進(jìn)行改善，使得神經(jīng)網(wǎng)絡(luò)的性能提高到了原來(lái)的將近 100 倍，新的算法通過(guò)概率預(yù)測(cè)，刪除了很多不必要的信號(hào)通信。改善后的算法在性能上完全有可能對(duì)全腦進(jìn)行模擬。

全球還有無(wú)數(shù)人在進(jìn)行著類似的研究，美國(guó)的腦計(jì)劃、歐洲的腦計(jì)劃和中國(guó)的腦計(jì)劃就是這一理論的積極倡導(dǎo)者，為項(xiàng)目投資也逐年提高。2018年，美國(guó)對(duì)腦計(jì)劃的支持總額超過(guò) 4 億美元，同比增長(zhǎng) 50%；經(jīng)過(guò)近 3 年的醞釀，中國(guó)的腦計(jì)劃也于 2018 年正式掛牌，作為重大科技項(xiàng)目被列入國(guó)家“十三五”規(guī)劃，僅招聘頂級(jí)專家就投入 1.8 億元人民幣真金白銀。

然而，這些本來(lái)被視為“人類之光”的計(jì)劃似乎并沒(méi)有預(yù)期進(jìn)行得那么順利。2013 年，歐盟大手一揮撥了 13 億歐元（目前匯率約合 99 億元人民幣）成立了歐盟“人類腦計(jì)劃”，但如今實(shí)施周期已過(guò)半，距離模擬出人腦卻還很遙遠(yuǎn)，至今沒(méi)能拿出像樣的成果出來(lái)。于是這一計(jì)劃開始遭到科學(xué)界的質(zhì)疑，歐盟也已經(jīng)決定不再“將所有的雞蛋放在一個(gè)籃子里”，減小對(duì)歐盟“人類腦計(jì)劃”的投資，這讓后者的前途未卜。

既然此路難走，那就再想其他辦法。

科大訊飛在人工智能領(lǐng)域可算得上是先行者之一，因?yàn)樵缒觐A(yù)判語(yǔ)音技術(shù)將成為人工智能技術(shù)應(yīng)用突破口的獨(dú)到眼光，開辟出一條語(yǔ)音之路，如今已躋身這一領(lǐng)域的第一方陣。

這家科技公司對(duì)于通用人工智能的實(shí)現(xiàn)途徑也有自己的看法，并提出了一個(gè)概念——智能動(dòng)力學(xué)，并將之視為實(shí)現(xiàn)通用人工智能的三條途徑之一。

機(jī)緣巧合，筆者有幸采訪到科大訊飛聯(lián)合創(chuàng)始人、輪值總裁胡郁，探討了“智能動(dòng)力學(xué)”究竟是何解。

智能動(dòng)力學(xué)：實(shí)現(xiàn)AI的第三條途徑

在胡郁的解釋下，筆者大致明白了“智能動(dòng)力學(xué)”其實(shí)是一個(gè)相對(duì)“空氣動(dòng)力學(xué)”而來(lái)的概念，通俗來(lái)講，就是像人類研究鳥類飛行一樣，最后研究出“空氣動(dòng)力學(xué)”，造出了比鳥更好的飛機(jī)，它不用像鳥一樣吃喝拉撒，但比鳥還快，因?yàn)轱w機(jī)遵循鳥類羽毛空氣動(dòng)力學(xué)的基礎(chǔ)理論。相應(yīng)地，隨著我們對(duì)人類大腦理解越來(lái)越深入，對(duì)人類大腦拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)機(jī)制理解更深，我們完全有可能發(fā)明一種“智能動(dòng)力學(xué)”的東西，它可以在學(xué)習(xí)人腦的學(xué)習(xí)機(jī)理、人腦結(jié)構(gòu)后，與計(jì)算機(jī)的速度快、存得多的特點(diǎn)完美結(jié)合在一起，產(chǎn)生強(qiáng)人工智能甚至超人工智能。

這是胡郁認(rèn)為的實(shí)現(xiàn)人工智能的三條途徑之一，而其他兩條是英雄所見(jiàn)略同，就是上文提到的深度神經(jīng)網(wǎng)絡(luò)和全腦模擬。

關(guān)于人工智能的實(shí)現(xiàn)路徑，相信很多人和筆者一樣，了解更多的是深度神經(jīng)網(wǎng)絡(luò)。為什么全腦模擬和智能動(dòng)力學(xué)少被提及呢？后兩者和深度神經(jīng)網(wǎng)絡(luò)相比有何異同點(diǎn)？為什么深度神經(jīng)網(wǎng)絡(luò)比后兩者的概念更火？

胡郁回答了筆者這個(gè)疑問(wèn)。他說(shuō)道，“現(xiàn)在利用大數(shù)據(jù)加上深度學(xué)習(xí)的方式是主流的方法。但是從研究的角度來(lái)講，我認(rèn)為深度學(xué)習(xí)只是研究中的一種路徑而已，而從工業(yè)化的角度來(lái)說(shuō)，深度學(xué)習(xí)的可操作性、穩(wěn)定性和目前跨過(guò)實(shí)用門檻的能力目前還是最強(qiáng)的。但是它也有一些問(wèn)題，比如需要的數(shù)據(jù)量巨大，而且對(duì)于人類的某些智能，例如認(rèn)知智能，用現(xiàn)在深度神經(jīng)網(wǎng)絡(luò)的方法來(lái)做，就會(huì)面臨一些挑戰(zhàn)，因?yàn)闆](méi)有足夠的大數(shù)據(jù)來(lái)支撐。人類在學(xué)習(xí)過(guò)程中其實(shí)不依賴大數(shù)據(jù)，而是小樣本，它依賴少量的案例或數(shù)據(jù)就能夠?qū)W習(xí)，這導(dǎo)致現(xiàn)在的大數(shù)據(jù)系統(tǒng)其實(shí)有一些不足?！?/p>

所以，這也是訊飛提出“智能動(dòng)力學(xué)”的一個(gè)主要原因，訊飛要學(xué)習(xí)人腦的學(xué)習(xí)機(jī)理，神經(jīng)元的連接方式和神經(jīng)元類型，希望得到更好的基于類似于人類學(xué)習(xí)方式的組合。

所以，他認(rèn)為，當(dāng)前正在使用的還是大數(shù)據(jù)、人工智能，即基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)的人工智能。但是將來(lái)，訊飛想要發(fā)展智能動(dòng)力學(xué)，這是他們的目標(biāo)之一。

用一兩句話概括，后兩者相比于深度神經(jīng)網(wǎng)絡(luò)最大的不同點(diǎn)和優(yōu)勢(shì)在于，采用智能動(dòng)力學(xué)的方法能夠更好地將人腦的思維方式和學(xué)習(xí)方法與電子計(jì)算機(jī)進(jìn)行結(jié)合，從而實(shí)現(xiàn)小樣本學(xué)習(xí)和遷移學(xué)習(xí)，后兩者在這些方面會(huì)比較強(qiáng)一點(diǎn)。

既然全腦模擬和智能動(dòng)力學(xué)有這么多優(yōu)點(diǎn)，它們是否有望克服深度神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)，實(shí)現(xiàn)通用人工智能呢？

胡郁給出的答案在預(yù)料之中，但仍不免讓筆者感到一絲惋惜。

他說(shuō)道：“全腦模擬是從現(xiàn)代腦科學(xué)研究的一個(gè)分支，我并不認(rèn)為腦科學(xué)就是全腦模擬，并在將來(lái)能帶來(lái)一個(gè)好的人工智能的前景，我更相信的是智能動(dòng)力學(xué)可能會(huì)給我們帶來(lái)智能動(dòng)力學(xué)研究腦工作的原理，并把這種原理放到人工智能系統(tǒng)中，比如與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合。所以，它的優(yōu)勢(shì)是能夠真正地探索人腦的奧秘，并在我們現(xiàn)在還不太擅長(zhǎng)的領(lǐng)域取得突破性的進(jìn)展。特別是我在報(bào)告中（鏈接）提到的在認(rèn)知智能方面，我認(rèn)為會(huì)產(chǎn)生非常好的作用?！?/p>

現(xiàn)在，智能動(dòng)力學(xué)還是一個(gè)訊飛提出的設(shè)想，想要將人工智能和腦科學(xué)研究的最新成果結(jié)合在一起，但還沒(méi)有得到應(yīng)用。

但胡郁說(shuō)道，將來(lái)智能動(dòng)力學(xué)的應(yīng)用方向和領(lǐng)域與人工智能、大數(shù)據(jù)一樣廣闊，并有望在認(rèn)知智能，比如更好地理解人的意圖，學(xué)習(xí)專家系統(tǒng)知識(shí)這些方面發(fā)揮更大的作用。

既然本文想要探索的那條通向通用人工智能的正確道路還沒(méi)有絕對(duì)答案，那不妨來(lái)看一看，在當(dāng)下的相關(guān)研究中有哪些最新的研究動(dòng)向和趨勢(shì)吧。

知識(shí)圖譜將是大戶數(shù)據(jù)平臺(tái)的核心技術(shù)

大數(shù)據(jù)中臺(tái)的概念近來(lái)很受關(guān)注，科大訊飛也有自己的大數(shù)據(jù)平臺(tái) Odeon。Odeon大數(shù)據(jù)平臺(tái)與訊飛的人工智能算法和應(yīng)用緊密結(jié)合在一起，通過(guò)底層硬件、大數(shù)據(jù)存儲(chǔ)和管理平臺(tái)和人工智能學(xué)習(xí)和運(yùn)算算法這三層，Odeon 大數(shù)據(jù)平臺(tái)將訊飛正在做的感知智能，即語(yǔ)音和圖像技術(shù)和認(rèn)知智能（語(yǔ)言理解、知識(shí)表達(dá)、邏輯推理和最終決策等）緊密地結(jié)合在一起，達(dá)到更好的處理效果。

有人認(rèn)為，因?yàn)橹R(shí)圖譜具有探索式分析的能力，將成為下一代大數(shù)據(jù)平臺(tái)的核心技術(shù)。知識(shí)圖譜真的具有如此大的潛力嗎？它的作用是否被夸了？

對(duì)此，胡郁認(rèn)為，知識(shí)圖譜是認(rèn)知智能取得突破的一個(gè)非常重要的方面，因?yàn)槿说拇竽X就是按照知識(shí)圖譜的方式來(lái)組織知識(shí)的，但是人與計(jì)算機(jī)相比的存儲(chǔ)能力較小，圖譜確實(shí)作為數(shù)據(jù)的中臺(tái)，是人工智能感知、認(rèn)知智能方面的一個(gè)必不可少的突破方向。它其實(shí)是將原來(lái)的知識(shí)全部結(jié)構(gòu)化，并在它們之間生成邏輯的關(guān)聯(lián)結(jié)構(gòu)。

“我認(rèn)為，知識(shí)圖譜在很多領(lǐng)域，特別是專家系統(tǒng)領(lǐng)域會(huì)有非常廣泛的應(yīng)用，比如現(xiàn)在講的專家系統(tǒng)主要用于教育、醫(yī)療、司法和智慧城市等方面。在醫(yī)療方面，訊飛做了智能助理，它能夠根據(jù)建立的病癥和表現(xiàn)之間的知識(shí)圖譜。通過(guò)知識(shí)圖譜推理預(yù)測(cè)用戶可能得病的概率，更好地幫助醫(yī)生進(jìn)行病情判斷。另外，知識(shí)圖譜在推理上具有優(yōu)勢(shì)，在邏輯推理方面非常實(shí)用，因此，知識(shí)圖譜在自然語(yǔ)言理解，知識(shí)表達(dá)和邏輯推理方面都將有非常重要的作用?！?/p>

機(jī)器翻譯要“達(dá)”、“雅”，需要理解和常識(shí)

下一個(gè)疑問(wèn)轉(zhuǎn)移到訊飛憑之起家，同時(shí)非常擅長(zhǎng)的機(jī)器翻譯上。

有專家認(rèn)為，近兩年來(lái)機(jī)器翻譯有了很大的進(jìn)展，但實(shí)際上都是靠大數(shù)據(jù)驅(qū)動(dòng)的，大數(shù)據(jù)驅(qū)動(dòng)的帶來(lái)的好處是機(jī)器翻譯性能得到飛速提升。然而問(wèn)題是，因?yàn)榇髷?shù)據(jù)驅(qū)動(dòng)深度學(xué)習(xí)是典型的“黑盒子”，雖然翻譯效果不錯(cuò)，但其實(shí)機(jī)器對(duì)句子沒(méi)有任何理解。這樣的系統(tǒng)在處理復(fù)雜語(yǔ)義時(shí)非常脆弱，即使是非常簡(jiǎn)單的日常詞匯，目前最先進(jìn)的機(jī)器翻譯系統(tǒng)也無(wú)法做到準(zhǔn)確翻譯。

面對(duì)這個(gè)略尖銳的問(wèn)題，胡郁給出了自己的看法，“我認(rèn)為這應(yīng)該從兩個(gè)方面來(lái)看，我們都知道AlphaGo 戰(zhàn)勝李世石 9 段柯杰 9 段，憑的是算得快、存得多的優(yōu)勢(shì)，但這并不妨礙它打敗李世石和柯杰。所以，一方面我認(rèn)為在大部分翻譯領(lǐng)域，機(jī)器翻譯已經(jīng)做得不錯(cuò)了。現(xiàn)在，機(jī)器翻譯做得不好的地方，可能是占比非常小的俚語(yǔ)，機(jī)器翻譯的特點(diǎn)是沒(méi)看到過(guò)就不會(huì)翻，對(duì)于一些非常復(fù)雜的特殊情況，翻譯的效果可能會(huì)打折扣。所以，從另外一個(gè)角度來(lái)看，翻譯要求“信達(dá)雅”，人類在“達(dá)”和“雅”這兩個(gè)方面還具有一定的優(yōu)勢(shì)。我不認(rèn)為機(jī)器翻譯將來(lái)就要完全取代人類，它只是幫大家解決大部分的比較簡(jiǎn)單的工作，而不是讓人類最后都沒(méi)飯吃?！?/p>

歸根結(jié)底，機(jī)器翻譯效果有時(shí)差強(qiáng)人意，也有一個(gè)重要的原因——機(jī)器不懂人的常識(shí)。問(wèn)題存在就要想辦法解決，機(jī)器難以具備常識(shí)已經(jīng)不是個(gè)新鮮問(wèn)題，從機(jī)器翻譯概念提出伊始這個(gè)問(wèn)題就糾纏了研究者很久，卻至今未得到解決。打造常識(shí)知識(shí)庫(kù)是解決這個(gè)問(wèn)題的基礎(chǔ)。

清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系教授孫茂松曾說(shuō)過(guò)，打造好的知識(shí)庫(kù)，有兩個(gè)可行的辦法，一個(gè)是把現(xiàn)有世界各方面的知識(shí)庫(kù)都拿來(lái)先做整合，從中汲取養(yǎng)分。另一個(gè)辦法是從文本中挖掘知識(shí)庫(kù)，從文本中找到知識(shí)并進(jìn)行形式化。為此，清華大學(xué)正在聯(lián)合各方研究機(jī)構(gòu)打造這樣一個(gè)知識(shí)庫(kù)。

胡郁認(rèn)為，常識(shí)知識(shí)庫(kù)非常重要，但它有一個(gè)特點(diǎn)是很難通過(guò)大數(shù)據(jù)獲得，因?yàn)槿祟惖某ＷR(shí)不是以文字形式被記錄的。但是科大訊飛有嘗試構(gòu)建這樣的常識(shí)知識(shí)庫(kù)，但是卻沒(méi)有一個(gè)好的系統(tǒng)構(gòu)建的方法。他提到在 Winograd 的常識(shí)比賽測(cè)評(píng)中，科大訊飛獲得了第 1 名，但分?jǐn)?shù)僅有 60分，相比之下，一個(gè)人類的小孩卻可以很容易地達(dá)到 90 分，所以，胡郁并不認(rèn)為現(xiàn)在的常識(shí)技術(shù)已經(jīng)達(dá)到了應(yīng)用的門檻。

然而，他對(duì)于為機(jī)器翻譯的未來(lái)充滿希望，相信隨著數(shù)據(jù)量越來(lái)越大，機(jī)器犯錯(cuò)誤的可能性會(huì)變得越來(lái)越小。機(jī)器翻譯要想達(dá)到“信達(dá)雅”，它不僅要翻譯，還要理解句子的內(nèi)容?！艾F(xiàn)在機(jī)器翻譯不用理解句子的內(nèi)容，只需要考慮兩種語(yǔ)言之間的詞對(duì)和句對(duì)之間的關(guān)系，要做到“達(dá)”和”雅”，就必須理解句子內(nèi)容，所以就必須要做知識(shí)圖譜。所以，我認(rèn)為人和機(jī)器是各有所長(zhǎng)的?！?/p>

AI+教育，實(shí)現(xiàn)幾千年“因材施教”的教育夢(mèng)

在教育領(lǐng)域，人工智能的應(yīng)用近年來(lái)已經(jīng)很常見(jiàn)，做 AI+教育的企業(yè)遍地開花，但很多企業(yè)推出的產(chǎn)品都有同質(zhì)化的傾向，真正推動(dòng)教育發(fā)生革命性變化的產(chǎn)品似乎很少。

胡郁并不認(rèn)同這個(gè)觀點(diǎn)，他解釋道，很多產(chǎn)品其實(shí)表面上看起來(lái)差不多，但“里子”還是有差別的。比如訊飛正在做的所有教學(xué)內(nèi)容的知識(shí)圖譜，全國(guó)沒(méi)有幾家能做出來(lái)。

而對(duì)于 AI+教育的未來(lái)，胡郁認(rèn)為應(yīng)該圍繞學(xué)校、老師、家長(zhǎng)這三點(diǎn)，滿足這三類人的需求。與傳統(tǒng)教育相比，AI+教育能夠?qū)崿F(xiàn)因材施教的個(gè)性化教學(xué)，實(shí)現(xiàn)教育界幾千年來(lái)的追求。

最后，總結(jié)起來(lái)，實(shí)現(xiàn)通用人工智能的道路還不甚明朗。在浩瀚宇宙中，人類不過(guò)是滄海一粟，如果把宇宙的歷史比作一條線，人類歷史充其量算得上是組成這條線的一個(gè)小點(diǎn)，而人工智能技術(shù)發(fā)展史，在這小點(diǎn)上又是一個(gè)小到甚至肉眼都看不到的存在。但和世間萬(wàn)物一樣，人工智能每時(shí)每刻都在發(fā)生著微不可查的變化，孕育著一場(chǎng)將要改變?nèi)祟惷\(yùn)的革命。

實(shí)現(xiàn)通用人工智能也許只是人類邁向更高文明的一道門檻，而找到通向峰頂?shù)牡缆?，還需要更多像訊飛一樣的先行者，推動(dòng) AI 技術(shù)不斷實(shí)現(xiàn)突破。

責(zé)任編輯：ct