算力说

人工智（zhì）能已经可以自动生（shēng）成以假乱真的人（rén）像照片“忽（hū）悠”人类了。凭借“对抗神经网络”，人工智能（néng）从“学（xué）习”和“识（shí）别”进化到了“创造”。清华大（dà）学计算机系教授、博（bó）士生导师邓志（zhì）东将此技（jì）术与深度卷积神经网络、AlphaGo并称为人工智能（néng）的三（sān）大发展。当然，基于大数据和大计算（suàn）的（de）人工（gōng）智能也存在着“先（xiān）天不（bú）足”，至少在理解（jiě）和“举一反三”方面还有很（hěn）长的路要走。

一（yī）个颇为无聊的国（guó）外网站最近（jìn）火了。

这一名为（wéi）“此人不存在”（ThisPersonDoesNotExist）的网站没有（yǒu）任何界面设计，输（shū）入网址后显示的只有一张（zhāng）人像大头照。新奇之处就（jiù）在于，每次打开或刷新页面，显示（shì）的照（zhào）片都不同，并且都不是（shì）真实存（cún）在的（de）人物照片。

换言之，所有照（zhào）片都是随机“生成”的，而其（qí）背后正是人工智能的（de）支撑。可以看（kàn）出，人工智（zhì）能已经从“学习”和“识别”，开（kāi）始进（jìn）化到（dào）“想（xiǎng）象”和“创造”。从网站上的照片来（lái）看，不（bú）仅实现了无限（xiàn）“生成”，而（ér）且还生成（chéng）得不错——人（rén）物有男有女，有老有（yǒu）少，不同人种、不同角度、不同表（biǎo）情，甚至还有眼镜和佩饰，可谓以假乱真。

事实上，赋予人工智能想（xiǎng）象（xiàng）力和（hé）创造（zào）力的，正是被（bèi）《MIT科（kē）技评论》评为2018十（shí）大科技突破之一的“对抗（kàng）神经网络”。

据《MIT科技评论》介绍，“对（duì）抗”是指（zhǐ）两个神经网络（luò）使用同一个（gè）数据（jù）集进行训练（liàn）。其中一个神经网（wǎng）络叫（jiào）生（shēng）成网络（the generator），它的任务就是依照所（suǒ）见过的图片来生（shēng）成新的图片，而另外那个神经网络叫判（pàn）别网（wǎng）络（the discriminator），它（tā）的任（rèn）务则（zé）是判断它（tā）所见得图片是否与训练时的图片相似。

慢慢地，生成网络创（chuàng）造图（tú）片的（de）能力会强到无（wú）法被判（pàn）别网络（luò）识（shí）破（pò）的程度。经过（guò）训练的生成网（wǎng）络学会了识别并（bìng）创造看起来十分真实的图片。这项技术（shù）已（yǐ）成为过去10年最具潜力（lì）的人工智能突破，帮（bāng）助机（jī）器产生（shēng）可以“忽（hū）悠”人类的成果。

portant;" width="469" height="469" align="" />

生（shēng）成式（shì）对抗网络“创造”出的人像（现实中不存在此人）具有十足“迷惑性”

更（gèng）令（lìng）人（rén）惊叹的是，这样（yàng）的“生成（chéng）”还不限于图（tú）像。清（qīng）华（huá）大学（xué）计算（suàn）机系（xì）教授、博士生导师邓志东近日在上海“张（zhāng）江·2019未来（lái）产业峰会”上（shàng）提到：“两（liǎng）个卷积（jī）神经网络（luò）通过相互对抗，生成超分（fèn）辨率真实（shí）感的原创图像、声音、3D物体或自然时序数（shù）据，这给AI带来一（yī）种类似于人类的想象（xiàng）力。”

AI的三大主义与三（sān）大发展

令人叹（tàn）为观（guān）止的人（rén）像“创造”背后，必然（rán）是对海量原始（shǐ）照片的（de）学习。

邓（dèng）志东认为（wéi），生物智能（néng）的一（yī）个主要特征就是学习，而（ér）新一（yī）轮人工（gōng）智能的鲜明特点就是学习能力。无论（lùn）是生物智能还是人工智能，智（zhì）能（néng）的（de）主要（yào）特点就是感知能力、认知（zhī）能力和（hé）行动能（néng）力。

追本溯源（yuán），智能的这三大特点源自（zì）连接主义、行为主义和符（fú）号（hào）主义。连接主义是生物智能的解剖学基础，即生物神经系统所包含的神经（jīng）元、神经元（yuán）的活（huó）性及其相互作用。在此之上，行为主义（yì）通过奖励/惩罚进行自主学习，强化学习也是人类（lèi）和动植物行为（wéi）学习的主要（yào）方式。最后，符（fú）号主义极大（dà）促进了人类的智力发育，尤其（qí）是语言的发明（míng）成为了人类智能远超其他生物智能的分水岭。

以（yǐ）“三（sān）大主义（yì）”为基础（chǔ），人工智能在最（zuì）近五（wǔ）六年取得（dé）了飞速发（fā）展。目前来（lái）看（kàn），在大数（shù）据和大计算的驱动下，深（shēn）度学（xué）习已成为（wéi）计算机视觉、语音识别与合成（chéng）、自然语言处理和大数据（jù）分析（xī）等的主流方（fāng）法（fǎ）。以深（shēn）度卷积神经（jīng）网络为基（jī）础的（de）新（xīn）一代人工智能确实带（dài）来了（le）更接近（jìn）于人类（lèi）视听觉的感知能力。

因此，数据驱动的（de）方法已被视为（wéi）继（jì）实验科学、理（lǐ）论模型、模拟仿真之后的第（dì）四科学研究范式——数据驱动的科学范式，其（qí）如同网络技术，已逐渐变（biàn）革为一种通用赋能工具。从“互联网+”到“人工智能+”，新一代人工智（zhì）能（néng）已（yǐ）经远远（yuǎn）超出了计算机科学（xué）技术的范畴。

大数据和（hé）大计算让（ràng）人（rén）工（gōng）智能迎来了大（dà）发展，邓志东总结了（le）人工智能的三（sān）大进展。

首先（xiān）是深度卷积（jī）神经网络（luò）令大数据感知智能取得突破性进（jìn）展（zhǎn）。人（rén）工智能已经能获得更加（jiā）接近于人类水平的视听觉感知（zhī）能（néng）力和（hé）对文（wén）本自然语言的模式（shì）分类能力，从（cóng）而赋（fù）能（néng）产品（pǐn）、流（liú）程和服务体（tǐ）验，引（yǐn）发了（le）技术变革和产（chǎn）业革命（mìng）。

这一领域最为人熟知的例（lì）子就是自（zì）动驾驶，以全球首个自动驾驶商用服务Waymo One为例（lì），其估值（zhí）已超千亿（yì）美元（yuán）。另外，在医学影像（xiàng）领域，谷歌的人工智能深度卷积神经（jīng）网络已经可以根据视网膜影像来准确判断（duàn）一（yī）个人的年龄（líng）、性别、血压、是否吸烟等（děng），甚至可预测肺癌、乳腺（xiàn）癌（ái）等（děng），达（dá）到了（le）国际顶级医（yī）生的诊断水平。

其次是超人（rén）类水（shuǐ）平的AlphaGo引发全（quán）社会强（qiáng）烈关（guān）注，在此基（jī）础上进化而来的AlphaZero更是带来（lái）了无需大数据（jù）就可自主学习的棋类通用（yòng）人（rén）工（gōng）智能（néng）。AlphaZero经过8小时16.5万次训（xùn）练，就击败了AlphaGo战（zhàn）胜李世石的（de）版本。

第三大进展是对抗性神经网络带来了（le）超真实感的想（xiǎng）象能（néng）力，也就是上述人工（gōng）智能“创（chuàng）造”人像的（de）案（àn）例所表现的。邓志东表（biǎo）示，生成式对抗网络（GAN）是目前最为（wéi）成（chéng）功的生成式（shì）神（shén）经网络（luò）模型，通（tōng）过与强化学习及蒙特卡洛搜（sōu）索等的结合（hé），推动了半监督（dū）与无监督学习方法的发展。

portant;" />

清华大学（xué）计算机系教（jiāo）授、博士生导师邓志东

大数据AI的先天不足

邓志东坦（tǎn）言，以大数据为燃料（liào），喂食越多，人工智（zhì）能（néng）越能（néng）获得更好的感知直觉。但问题随之而来，首（shǒu）先是对大数据的（de）清洗和标签（qiān）需要付出很高代价（jià）。

其次，在落地应用中，在开放环境（jìng）下，实际是不存在完（wán）备的大数据的。对于各（gè）种应用场景，大数（shù）据人工智能均只能获得较（jiào）接近于人类水平的（de）视听觉（jiào）等感知能力，这与各种基于公（gōng）开测评数据集（jí）得（dé）到的性能指标是（shì）完全不同（tóng）的。简言（yán）之，人工智能或（huò）许在测试状态下（xià）表现良好，但在实际落地应用中的（de）表现却（què）可能差强人（rén）意。

此外，基于深度学习（xí）的计算机视听觉（jiào）感知方法不仅依赖（lài）大数据（jù）的（de）驱动（dòng），也缺乏（fá）人类举一（yī）反三的，基于小样本的（de）学（xué）习能力和对目标的认（rèn）知水平的理解（jiě）能力，并且缺乏记忆、没有常识、不能运（yùn）用经验，缺乏技巧和（hé）知（zhī）识学习能（néng）力。

比如，人们开车转弯或掉头就是过程性经（jīng）验。大脑（nǎo）记住后，每当（dāng）转弯（wān）就不需（xū）要（yào）再（zài）思（sī）考，而（ér）是可以条（tiáo）件反（fǎn）射地做出动作。

人（rén）类的思维（wéi）方式并不完全依靠特（tè）征提取，很多（duō）时候是靠理解和推（tuī）理（lǐ），但目前人工智能并不具（jù）备这样的能力，也就不具有规划决（jué）策（cè）和思考（kǎo）能力。

邓志东（dōng）把大（dà）数据人（rén）工智（zhì）能面临的挑战（zhàn）归结为：人工（gōng）智能缺（quē）乏自己的语言。相比之下，语言（yán）却是人类的“制胜法宝”。他表示，人类高层（céng）认知（zhī）能力（lì）其实是通过记忆语言去（qù）思考和推理的。记忆（yì）以及知识的运用，都是基于语言的。

另外，大数据人工智能的发展，还会带来（lái）法律（lǜ）、伦理、隐私安（ān）全和失业等方面（miàn）的挑战。

尽管当下（xià）的人工智能还非常弱（ruò），“落地”也只（zhī）能（néng）在特（tè）定应（yīng）用领（lǐng）域发挥作用（yòng），还极度依赖（lài）大（dà）数据。但随着人工智能的进（jìn）一步发展，也就是认知（zhī）智能和通用人工智能（néng）的（de）发（fā）展，或（huò）许（xǔ）会对技术与产业（yè）带来变革（gé），甚至威胁到人类的（de）安全。

“但总体来说，现在的弱人工智能对于人类是赋能（néng）和有益的”，邓志东表示。

拥有自己语言（yán）的下一（yī）代人工智（zhì）能（néng）

对于人工智能的（de）未（wèi）来（lái）突破点，邓志东认为，关键（jiàn）就在于从感知智能向认知智（zhì）能的进化。目前人工智能主要追求看（kàn）清（qīng）、听清（qīng），能够识别但没有理解（jiě），属于感知智能范畴（chóu）。未来人（rén）工（gōng）智能的发（fā）展目标将是如何看（kàn）懂（dǒng）、听懂和读懂，从而（ér）具备基本（běn）的认（rèn）知智（zhì）能，这也是从弱人工智能向通用或强人工智能（néng）进化的方向。

所谓认知智能，就是指对目标（biāo）或实体具有理解能力，理解事物的（de）内（nèi）涵和外延（yán）。其发（fā）展趋势就是要探索举一反（fǎn）三的认知智（zhì）能，即以大数（shù）据感知智能+图模（mó）型/知识（shí）图（tú）谱（pǔ）为基（jī）础，利用图（tú）卷积（jī）神经网络从特征学习拓展到（dào）知识学习。

而通用人（rén）工智能（néng）则（zé）包含了多任务的自主学（xué）习、自（zì）适应与自（zì）组织（zhī）能力。其发展趋势是基于连接主义（yì）的（de）深度神经（jīng）网络，通过与行为主义的强化学习，特（tè）别是与具有（yǒu）学习（xí）能（néng）力的符号（hào）主义的有机结合，从AlphaZero这（zhè）样的新（xīn）起点（diǎn）出发，发展出具有更宽垂直领域（yù）的通（tōng）用人工智能。

总之，通过深（shēn）度学习与（yǔ）无监督学习（xí）、概率（lǜ）或模（mó）糊图模型知识图（tú）谱进行深度融合，让（ràng）下（xià）一（yī）代人工（gōng）智能拥有（yǒu）自己的语言，并（bìng）能根据（jù）数据和常识自主学习，是探索（suǒ）认（rèn）知能力（lì）与通用人工智（zhì）能的关键路（lù）径之一。