微软全球副总裁沈向洋:人工智能最大的瓶颈是对人脑不了解

[ 导读 ] 这一波人工智能兴起有三个原因:互联网+物联网提供了更多的数据,强大的运算能力和深度学习突然突破;人工智能里面最重要的一件事情是对话;阅读能力接下来5-10年可能是人工智能很大突破的地方。

图片来自网络

2017年4月2日,由深圳市人民政府、数字中国联合会主办的“2017中国(深圳)IT领袖峰会”在深圳五洲宾馆举行,作为支持媒体受邀参加。

出席此次峰会的企业方嘉宾包括阿里巴巴集团董事局主席马云、百度董事长兼首席执行官李彦宏、腾讯董事会主席兼首席执行官马化腾、微软全球执行副总裁沈向洋、创新工场创始人、董事长李开复、数字中国联合会常务理事田溯宁等。

微软全球执行副总裁沈向洋参与《人工智能:中国机遇与挑战》的高端对话,以下为沈向洋现场主要观点提炼:

1、这一波人工智能兴起有三个原因:互联网+物联网提供了更多的数据,强大的运算能力和深度学习突然突破;

2、人类的智能主要体现在两方面,一个是感知方面、一个是认知方面;

3、每一个商业应用都会被颠覆掉;

4、人工智能里面最重要的一件事情是对话;

5、阅读能力接下来5-10年可能是人工智能很大突破的地方;

6、可以解释的人工智能将是一个很热门的研究方向;

7、直接将数据分享不现实,要做标准化、安全化处理。

以下为圆桌环节沈向洋的讲话整理:

1、这一波人工智能技术兴起有三个原因:更多的数据、强大的运算能力和深度学习突破

我从研究生开始学习人工智能,也有二三十年时间。现在看到人工智能如火如荼,非常激动。因为我们90年代中毕业的时候出来工作都找不到,现在大家恨不得见到一个懂人工智能都投钱。人工智能经历了多少个冬天,之所以今天有这样的发展机会,主要还是因为三个方面原因:

第一件事情,是因为互联网的出现,互联网+物联网提供了更多的数据。

第二件事,强大的运算能力。摩尔定律到现在,大家觉得应该会死掉,但是还没有死掉,还有更多新的计算方法。

第三,过去五六年深度学习突然突破,包括腾讯研发领域充分运用到深度学习,令大家突然看到很多不能解的问题现在可以解掉。

2、人工智能的两个非常不一样的阶段:感知和认知

从人工智能基本和研究方向来讲,还是两个非常不一样的阶段。一个是人类感知这件事情上,我们讲人工智能,原来对人工智能的定义就是跟人类智能相比较。人类的智能体现在哪?主要是两方面,一个是感知方面、一个是认知方面。感知方面,刚才我提到这几个原因,所以在接下来5-10年进展会非常快。具体表现在计算机语音和计算机视觉发展,我觉得AI会超过人。很多人会同意我这个说法。

第二方面问题大家今天还没有搞的很清楚的地方是人工智能的认知方面,包括自然语言、知识的获取以及你对一般情况下这种解决的方法的思考,包括情感,这些东西今天我们还都是不知道。所以我是觉得现在是非常好的时代。激动之余的话,我觉得我们作为科研人员还是要有一个平常心,因为很多科研进展还需要一些时间。

3、每一个商业应用都会被颠覆掉

从微软公司来讲,我们的觉得人工智能短期之内是有非常非常大的商机,你看到底有哪些行业已经相对而言有相当量的数据,而且同时在这个行业里面从事人员是不高兴的,那你就有商机了。如果这样看的话,到今天来讲,几乎所有的商业应用,从市场销售到HR部门招聘,到客户支持这方面,所有的都会被颠覆掉。我是觉得接下来可能是五年最多的AI应用的商机,我这样讲并不是说自动驾车不重要、围棋下棋不应该做研究。从我们来讲最大的商机在哪,就是每一个商业应用都会被颠覆掉。

4、人工智能里面最重要的事情是对话

人类进化多少万年下来以后,每天讲很多的话,你可能不知道,其实男人在一天大概讲几千句话,女士一天可能讲超过一万句话。大多数的话并不是说讲一句话一定要完成一件什么工作,我老实讲大多数人一天讲的话很多都是废话,但是这个讲话很重要,讲话是人工智能里面最重要的一件事情,在很大程度上你的EQ是体现在你怎么去讲这个话。我们推小冰的过程中学到了很多东西,我们现在主推的方向,研究和产品的方向就是所谓的对话式人工智能。

5、人工智能的发展最大的问题是对人脑不了解

我蛮赞成李彦宏刚才讲的,人工智能这件事情发展,今天最大问题是对人脑不了解。脑科学今天还是非常初步的科学,你每次要讲科学的话,首先要一定要有数据,要能够做试验,而且做重复的试验,今天就没有办法真正监测到,因为实验要输入数据到人脑,再输出来。接下来N年应该有更多的人投身基础科学研究脑科学这件事情。看今天计算机体系结构,冯诺伊曼结构,跟人脑结构完全是两码事。可能也像张教授说飞机的模仿并不是真正像鸟一样,我觉得肯定是这样的情况。

6、“可以解释的人工智能”将是一个很热门的研究方向

接下来很多方面肯定叫弱人工智能也好,这些很多的人的智能方面我们能够想象得出来,今天人能够做的事情在不远将来,绝大多数事情,人工智能都可以达到。

我举一个小的例子,比如今天大家讲你今天可以做视觉识别了,物体识别了,你今天可以做语音识别了,那今天人还有什么事情很了不起,大家觉得通过学习的方法,我们可以达到一个什么样的高度。很重要一件事情是机器阅读,阅读的能力。我要考高考、考SAT,阅读一篇文章后,你问一个问题,我可以答一个问题。像这样的问题接下来5-10年可能是人工智能很大突破的地方。

而一旦有突破后,搜索也好、社交网络也好、其他商业应用也好,有很多这样的机会。今天大家觉得激动人心的地方是因为以前是完全符号式、公式这样做,今天是神经网这样一种解法,它的区别在于以前符号式做法,你觉得用符号式做法解了一个问题,你觉得可以懂的,你可以解释的。而今天这种神经网解法,包括Pony做的围棋机器人,他很难去解释为什么下这个。接下来有一个需要研究的问题,从符号式到神经式怎么样回过头再到符号式。就是研究行业很热门的方向,叫做可以解释的人工智能。

7、直接将数据分享不现实,要做标准化、安全化处理

作为大公司来讲,特别是成功大公司来讲,我们对社会有一个责任,对行业有一个责任。当我们行业做的很成功,第一件事情就是开研究院。现在Pony也开研究院,唯一做的不对的就是开到微软门口去了。我也想分享一下在微软的工作经验,你说叫这些公司把数据拿出来,让初创公司或者其他公司去用,我觉得不见得很现实、不见得很容易。Pony刚才解释的很好。但是我想鼓励大家,很多的数据如果我们愿意花时间、花精力做一点处理,比如Pony刚才讲的。然后让研究人员去用,完全是可以做到的。我们微软出了两个数据集,一个是计算机视觉标准方面的集,这样可以做数据分割、物体分割。最近做了另外一个数据集是在自然语言,希望有一批新的做问题问答。这样推动研究领域,大家在标准集下,不断把标准集数据越做越多。我们做的方法是用搜索引擎数据,非常小心处理过,包括很多隐私的问题等等。拿出一些数据让大家做研究是非常实际的,完全可以做到。

 
®关于本站文章™ | 若非注明原创,默认 均为网友分享文章,如有侵权,请联系我们™
㊣ 本文永久链接: 微软全球副总裁沈向洋:人工智能最大的瓶颈是对人脑不了解