人工智能如何引領我們走向智能社會

人工智能（AI）是指在機器上實現(xiàn)類似乃至超越人類的感知、認知、行為等智能的系統(tǒng)。與人類歷史上其他技術革命相比，人工智能對人類社會發(fā)展的影響可能位居前列。人類社會也正在由以計算機、通信、互聯(lián)網、大數(shù)據(jù)等技術支撐的信息社會，邁向以人工智能為關鍵支撐的智能社會，人類生產生活以及世界發(fā)展格局將由此發(fā)生更加深刻的改變。

人工智能分為強人工智能和弱人工智能。強人工智能，也稱通用人工智能，是指達到或超越人類水平的、能夠自適應地應對外界環(huán)境挑戰(zhàn)的、具有自我意識的人工智能。弱人工智能，也稱狹義人工智能，是指人工系統(tǒng)實現(xiàn)專用或特定技能的智能，如人臉識別、機器翻譯等。迄今為止大家熟悉的各種人工智能系統(tǒng)，都只實現(xiàn)了特定或專用的人類智能，屬于弱人工智能系統(tǒng)。弱人工智能可以在單項上挑戰(zhàn)人類，比如下圍棋，人類已經不是人工智能的對手了。

人工智能發(fā)展的基本思想和技術路徑有三種

人工智能研究工作肇始于20世紀40年代，但其完整概念在1956年才正式登上歷史舞臺，在美國達特茅斯學院舉行的“人工智能夏季研討會”上提出。這個研討會的主題就是用機器來模仿人類學習以及其他方面的智能，推進了人工智能起起伏伏、螺旋發(fā)展的歷程。

第一個階段，1956—1976年，基于符號邏輯的推理證明階段。這一階段的主要成果是利用布爾代數(shù)作為邏輯演算的數(shù)學工具，利用演繹推理作為推理工具，發(fā)展了邏輯編程語言，實現(xiàn)了包括代數(shù)機器定理證明等機器推理決策系統(tǒng)。但在人工智能理論與方法工具尚不完備的初期階段，以攻克認知作為目標顯然不切實際，人工智能研究逐步從高潮進入低谷。

第二個階段，1976—2006年，基于人工規(guī)則的專家系統(tǒng)階段。這個階段的主要進展是打開了知識工程的新研究領地，研制出專家系統(tǒng)工具與相關語言，開發(fā)出多種專家系統(tǒng)，比如故障診斷專家系統(tǒng)、農業(yè)專家系統(tǒng)、疾病診斷專家系統(tǒng)、郵件自動分揀系統(tǒng)等等。專家系統(tǒng)主要由知識庫、推理機以及交互界面構成，其中，知識庫的知識主要由各領域專家人工構建。然而，知識僅靠專家的手工表達實現(xiàn)，終不免掛一漏萬，使得專家系統(tǒng)無法與人類專家與時俱進的學習能力相匹配，人工智能研究第二次進入瓶頸期。

第三個階段，2006年至今，大數(shù)據(jù)驅動的深度神經網絡階段，也是深度學習大行其道的時期。人工神經網絡的發(fā)展，隨著人工智能的發(fā)展起起伏伏。初期人們對其可以模擬生物神經系統(tǒng)的某些功能十分關注，但是對復雜網絡的學習收斂性、健壯性和快速學習能力一直難以把握，直到上世紀80年代反向傳播算法的發(fā)明和90年代卷積網絡的發(fā)明，神經網絡研究取得重要突破。深度神經網絡方法走到前臺，開啟了人工智能新階段。

自誕生以來，人工智能發(fā)展的基本思想和技術路徑總的來說有三種。

第一種路徑是符號主義或者說邏輯學派，形式邏輯是其理論基礎，主張人工智能應從智能的功能模擬入手，認為符號是智能的基本元素，智能是符號的表征和運算過程。前述第一個階段和第二個階段中，符號主義都是主導思想。

第二種路徑是連接主義或者說神經網絡學派，發(fā)源于上世紀40年代，強調智能活動是由大量簡單（神經）單元通過復雜連接后并行運行的結果。其基本思想是：既然人腦智能是由神經網絡產生的，那就通過人工方式構造神經網絡，再通過訓練產生智能。人工神經網絡是對生物神經網絡的抽象和簡化。80年代神經網絡的興盛和近年來興起的深度學習網絡，都是包含多層神經元的人工神經網絡。

第三種路徑是行為主義或者說控制學派，又稱進化主義。這個學派在上世紀80年代末、90年代初興起，思想源頭是上世紀40年代的控制論?？刂普撜J為，智能來自智能主體與環(huán)境以及其他智能主體相互作用的成功經驗，是優(yōu)勝劣汰、適者生存的結果。

機器學習是未來方向，將人類從重復性勞動中解放出來

機器學習是上世紀80年代中期發(fā)展起來的人工智能新方向。機器學習研究機器怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，或者根據(jù)環(huán)境自適應地調整對策。機器學習可以讓機器通過對經驗進行“歸納”和“推理”而實現(xiàn)自動改進。

目前，機器學習仍然是人工智能研究的熱點之一，包括深度學習的可解釋性和可信性，增強智能系統(tǒng)的自學習和自適應能力，以及無監(jiān)督學習、多模態(tài)協(xié)同學習、強化學習、終生學習等新的機器學習方法。另外，考慮到數(shù)據(jù)安全和隱私保護，在數(shù)據(jù)加密或者部分加密的情況下如何學習，也是重要研究方向之一。在深度學習浪潮推動下，人工智能其他研究方向也在加速發(fā)展，包括機器感知、模式識別與數(shù)據(jù)挖掘、自然語言處理、知識表示與處理、智能芯片與系統(tǒng)、認知與神經科學啟發(fā)的人工智能、人工智能和其他學科的交叉等。

中國是世界上人工智能研發(fā)和產業(yè)規(guī)模最大的國家之一。雖然我們在人工智能基礎理論與算法、核心芯片與元器件、機器學習算法開源框架等方面起步較晚，但在國家人工智能優(yōu)先發(fā)展策略、大數(shù)據(jù)規(guī)模、人工智能應用場景與產業(yè)規(guī)模、青年人才數(shù)量等方面具有優(yōu)勢。

中國的人工智能發(fā)展，挑戰(zhàn)與機遇同在，機遇大于挑戰(zhàn)。盡管是后來者，但我們市場規(guī)模大，青年人多，奮斗精神強，長期來看更有優(yōu)勢。如果說18世紀中葉蒸汽機帶來第一次工業(yè)革命，持續(xù)了100年；19世紀中葉電力帶來第二次工業(yè)革命，持續(xù)了100年；20世紀中葉計算機與通信帶來第三次工業(yè)革命，到現(xiàn)在持續(xù)了70多年；我們可以預見，本世紀中葉前后人工智能可能會帶來下一次工業(yè)革命，影響百年。當然，現(xiàn)在人工智能技術的儲備還遠沒有達到開啟智能時代的量級，還需要持續(xù)積累和創(chuàng)新?，F(xiàn)在的計算機體系結構，還無法滿足實現(xiàn)強人工智能的需求。未來可能的突破方向包括人工智能基礎理論與算法、類腦計算、生物計算、量子計算等。

其影響不僅關系國家發(fā)展，而且關系億萬勞動者日常生活。以深度學習為代表的人工智能技術高速發(fā)展并廣泛應用，正在深刻改變人類社會生活的方方面面。產業(yè)界從提高效率、降低成本等角度，積極采用人工智能技術解決各種應用問題，包括智能機器人、智能制造、智能監(jiān)控、無人駕駛、自動問答、醫(yī)療診斷、智能家居、政務法務等，為人類帶來福祉。

從就業(yè)角度來看，越來越多的超市、銀行、餐館開始使用機器服務，甚至律師、證券分析師等高知識含量工作也可能被機器人取代，這給勞動者就業(yè)帶來挑戰(zhàn)。人工智能的應用必然會提高勞動生產率，正如第一次工業(yè)革命期間，機器的應用雖然減少了傳統(tǒng)輕工業(yè)就業(yè)崗位，但是也創(chuàng)造了更多新興產業(yè)就業(yè)崗位。人工智能也一樣，隨著它的發(fā)展，將會產生很多新的工作崗位，只是對技能的要求與傳統(tǒng)崗位不同。因此，隨著人工智能的推進，教育培訓體系也應該根據(jù)就業(yè)結構變化而積極調整，加快推進產業(yè)升級中的職業(yè)轉崗培訓。

人工智能把我們從簡單重復的勞動中解放出來，更有利于人類充分挖掘自己的智能潛力。面對即將到來的智能社會，我們應該以積極態(tài)度擁抱變化。與其擔憂工作被搶走，不如與機器“共勉”，機器尚在持續(xù)學習，我們人類難道不應該更加努力學習、終身學習嗎？