WRC直播|港中大劉云輝與人工智能專家，深度探討人工智能的破局點

刘云辉：人工智能的發展經歷了兩個階段，80年代初是人工智能發展的一個高峰，包括自然語音處理，專家系統。但是從80年代後期到90年代，沉寂了大概有20年，現在又由於深度學習，神經網絡，對它有的重新的定義和發展。深度學習也不是特別新的概念，神經網絡也是30年前就提出來了。我們感謝計算機技術的發展，計算機技術的發展帶來了一個是計算速度快了，數據存儲能力提高了。

機器人不光是邏輯推理，還有動作，傳感，怎麼賦予新型的理解，特別是對現實世界的理解，再做出一些反應。這方面智能的發展還是面臨很多的挑戰，出發點和目標跟計算機簡單的語音識別也好，自然語言處理也好，還是有一些差距的。

付成龍：人工智能又一個非常基礎的問題，到底什麼是智能，什麼是人工智能。比如我們經常會覺得一件事情人很容易做，這個時候機器做並不是怎麼智能的事情。智能這個概念不是很明確和清晰，事實上也很難去定義到底什麼是智能。

我們可以把人工智能分為狹義的人工智能和通用的人工智能。狹義的人工智能是指在一些限定範圍之內，它能夠模擬出來類似於生物的功能和形式。目前取得很大成功的比如說深度學習神經網絡，它實際上是連接主義的勝利，但是我們並不能否定符號主義與行為主義未來的趨勢。

現在很多人在研究人腦科學以及行為主義，因而人工智能通用上講實現起來是非常困難的，最難的地方是對機器而言很難把一個渠道知識遷移到另外一個領域去，只能在限定的範圍之內取得成功，但是生物質能具有遷移的能力。我覺得人工智能雖然我們取得了很大的成功，但是它的未來還是有更廣闊的前景的，包括符號主義，行為主義。

劉偉：要想做好人工智能首先有三個基本的條件第一，要有哲學思想;第二，要有數學的功底;第三，要有一個非常好的編程的技術。這三者結合起來，才能形成未來的強人工智能或者所謂的超級人工智能。

人工智能發展的歷史上，非常著名的一個人物叫圖靈，他的危機哲學，現象哲學的發展直接誘發了人工智能的充分演進，這是思想上的。還有電子學，計算機科學，信息論，控制論等等一些新的工程化的應用，不斷出現，不斷得到提高，綜合合力才出現了人工智能。但是不可否認的是哲學思想的提出造成的人工智能的起源。

作為一個人來說，每個數據都可以做多向的解析和領悟，而作為機器人來說只能出現結構化的，形式化的東西歸於量化，來做自動化，智能化的處理，人是非常靈活的。未來的人工智能在機器人上怎麼產生意向性和更靈活化的表徵，是未來人工智能發展的一個重要的啟示。

刘云辉：我覺得熱點還是主要在認知領域多一些。大家講了很多深度學習，講到根本還是怎麼分類，主要是分類器的問題。如果跟機器人的一些動作，很多問題它們的局限性還是都有的。我們應該好好的思人工智能跟機器人結合主要應該做哪些東西。從根本來講，還是傳感，感知，然後跟動作怎麼有機的很好的結合，涉及到運動，理解的一些智能。

付成龙：從應用的角度而言，我覺得人工智能會更多的走到我們的生活當中去，我們身邊越來越多的東西會有智能的芯片，智能的算法，甚至有學習的功能，未來可能會有智慧的交通系統。人工智能目前還是會限定一些範圍，因為目前人工智能的算法還是專用的或者是一個狹義的人工智能，指的就是它必須要在一個明確的規則的環境下去做，沒有特別強的對抗性，沒有欺騙性。再有就是環境不是特別的複雜，在這些環境下，人工智能比普通的人的智能更好，和我們能夠互補。

劉偉：我們認為未來的人工智能在與機器人的結合當中，它的發展離不開三個最基本的要素。第一是人，無論機器人也好，還是自然人也好，都是人。從人的角度來把握智能的發展，機器人的發展，是根本的一個宗旨和要素。第二是機，機器。機器是一個表面的現象，因為它是一個客觀的實體，大家能看得見摸得著，實際上裡面還有一個機理問題，機制問題。所以人機交互不是單純的人和機器交互，人和它的機理，機制要交互，甚至還有管理。人機環境是未來人工智能和機器人兩者結合的一個很重要的系統工程。

另外，從目前整個的機器人界和人工智能界的發展來看，我們覺得落地的可能性有以下幾個方面，無人駕駛，智能的醫療，智能的教育，這是非常落地的兩個方向。

智能醫療，隨著生活水平的不斷提高，大家對生活質量的要求越來越高，如何更好的保健和達到更好的醫療條件，環境，這方面的需求將會有非常大的量。

劉偉：我個人認為人工智能偏軟，而機器人偏硬，人工智能偏虛，而機器人偏實。為什麼這麼說？因為人工智能它的表徵更多的是智能，智能是由邏輯產生的，是通過數學的形式化的方法和軟件體現出來的，而機器人更多的是通過硬件，通過服務，通過生產體現出來的。所以，我個人理解兩者之間的區別可能是實和虛，軟和硬的區別。

劉云輝：我個人認為人工智能也好，機器人也好，我們做機器人來講，更注重machineintelligence，機器智能應該好一些。人工智能的範圍應該更廣闊一些，就是從術語知識來說，機器人畢竟是一個智能係統。這是我的一些看法。所以我們做機器人，人工智能的時候一定要跟實體結合。

劉偉：實際上人處理事物的時候是小數據處理，窺一斑而見全豹，見滴水之冰而知天下之寒。它為什麼會有這麼一個很強的功能，這種智慧和智能的功能，大概源於它有一個意向性，所以，大數據和人工智能有一種不是完全吻合的軌跡。

刘云辉：我覺得會必然出現，我知道有一些公司正在做芯片化的工作，把深度學習的一些算法寫到硬件平台上，然後芯片化。這個工作我覺得也非常有意義，比如說人臉識別，一般的平台跟不上，芯片化能夠解決很多問題，畢竟現在卷積網絡分類做的非常好。其實芯片化也不是很難，因為算法是非常簡單的，而且這個工作我覺得非常有意義。

刘伟：芯片的作用是加速，是專業化，情景化，而它的缺點是非情景的東西，非專用性的東西就相對弱一點。但是隨著目前情景設計或者情景應用不斷的出現芯片的應用將會加速或者更有針對性的解決一些實際的問題。我個人看好芯片的發展。

付成龍：這一浪的成功在於大數據，學習，在於機器。再有一點就是深度學習的網絡。但是它的局限性也很多。局限性是基於大數據，基於連接主義思路的人工智能泛化性略微差一些，只能在規則非常明確，環境相對比較簡單，人和機對抗比較小，邊界比較清晰。如果進行擴展就會遇到很多的，下一步更多的會朝著通用智能的角度去做，從一個領域的智能怎麼與別的領域的智能相連接，很多事情連接起來去看，未來會是變革性的通用性的人工智能。

劉云輝：對於這個問題我們應該從歷史發展的角度來看，我個人可能比較悲觀，我覺得現在人工智能過熱，從投資來說，從技術來說，大家投了很多錢，做了很多研究，主要是通過深度學習這個算法引起的。所以，能夠走多遠，能夠走多久，再過幾年可能又出現一個什麼新的東西就把它蓋過去的。我個人認為不要一窩蜂的追，要想一下最基本的東西。

劉云輝：其實人工智能已經進入了我們社會層，只不過今後智能化程度會越來越高，在5年，10年之內大家能看到更多的應用。

劉偉：機人工智能可能受限於學科發展的制約，但是人機混合智能，人交互的智能可能就制約的少一點，但是這也是一個非常令大家擔憂的問題。未來的發展很可能是人機混合的智能，這是把雙刃劍，有好有壞，需要倫理，法律等等一些軟科學的東西跟進，這樣才能使大家的生活更美好，更有未來。