张钹院士：AI奇迹短期难再现，深度学习技术潜力已近天花板
Posted 战略前沿技术
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了张钹院士：AI奇迹短期难再现，深度学习技术潜力已近天花板相关的知识，希望对你有一定的参考价值。
| | | | | |
前沿君微信：tech9999 手机：18501361766
文章原载于 经济观察报
深度学习目前人工智能最受关注的领域，但并不是人工智能研究的全部。张钹认为尽管产业层面还有空间，但目前基于深度学习的人工智能在技术上已经触及天花板，此前由这一技术路线带来的“奇迹”在Alphago获胜后未再出现，而且估计未来也很难继续大量出现。技术改良很难彻底解决目前阶段人工智能的根本性缺陷，而这些缺陷决定了其应用的空间被局限在特定的领域——大部分都集中在图像识别、语音识别两方面。
同时，在张钹看来，目前全世界的企业界和部分学界对于深度学习技术的判断过于乐观，人工智能迫切需要推动到新的阶段，而这注定将会是一个漫长的过程，有赖于与数学、脑科学等结合实现底层理论的突破。
在Alphago与韩国围棋选手李世石对战获胜三年过后，一些迹象逐渐显现，张钹院士认为到了一个合适的时点，并接受了此次的专访。
张钹，计算机科学与技术专家，俄罗斯自然科学院外籍院士、中国科学院院士，清华大学教授、博士生导师，现任清华大学人工智能研究院院长、清华经管EMBA名师。
“现在很多方面大家看的比较清楚，已露出苗头来了，我现在也接触到很多企业，找我谈这个问题，说明企业在第一线已经发现了很多问题，就想找个机会稍微说说。”张钹对经济观察报表示。
人工智能在最近三年时间中受到的关注很大程度来自于其在围棋领域超越人类的“奇迹”，人工智能一次又一次的证明了人类“围棋智慧”优越的脆弱性。
但在张钹看来，尽管此前数年，人工智能在语音识别、图像识别、围棋三个领域显现了“奇迹”，但此后，这个“奇迹”再未在其他领域出现，其技术应用的边界和条件已经逐渐清晰。
经济观察报：人工智能突破的原因是什么？
张钹：通过人工智能，利用深度学习、大数据这两个工具，在一定条件下、一定领域内竟然能够超过人类，这三件事情给大家极大的鼓舞。但实际上，在这个之后，奇迹并没有发生，按照我的估计，今后也不会大量发生。
结果很多企业在做的时候发现，不是那么回事。从目前的情况来看效果最好的事情还是这两件：图像识别、语音识别。我看了一下，中国人工智能领域20个独角兽30个准独角兽企业，近80%都跟图像识别或者语音识别有关系。
A view of the La Défense architectural structure in France
图灵奖得主朱迪亚·珀尔指出：尽管深度学习算法具有大脑的灵感，但它们也可以算作另一种强大的数据分析工具，是“曲线的拟合”。诺贝尔经济学奖得主托马斯·萨金特则认为人工智能其实就是统计学。
那么，人们是否需要机器给一个解释呢？
经济观察报：我们应该怎么去定义目前的深度学习技术路线，它是基于概率学的一个事物吗？
张钹：现在的深度学习本质是基于概率统计。深度学习是寻找那些重复出现的模式，因此重复多了就被认为是规律（真理），因此谎言重复一千遍就被认为真理，所以为什么大数据有时会做出非常荒唐的结果，因为不管对不对，只要重复多了它就会按照这个规律走，就是谁说多了就是谁。
我常常讲我们现在还没有进入人工智能的核心问题，其实人工智能的核心是知识表示、不确定性推理这些，因为人类智慧的源泉在哪？在知识、经验、推理能力，这是人类理性的根本。现在形成的人工智能系统都非常脆弱容易受攻击或者欺骗，需要大量的数据，而且不可解释，存在非常严重的缺陷，这个缺陷是本质的，由其方法本身引起的。
经济观察报：学界在这上面还是有一个比较清晰的认识？
张钹：我可以这么说，全世界的学界大多数有清晰的认识；全世界的企业界大多持过于乐观的估计。
经济观察报：那基于此，目前商业公司在底层技术和产业应用上还是有很大的空间吗？
张钹：只要选好合适的应用场景，利用成熟的人工智能技术去做应用，还有较大的空间。目前在学术界围绕克服深度学习存在的问题，正展开深入的研究工作，希望企业界，特别是中小企业要密切注视研究工作的进展，及时地将新技术应用到自己的产品中。当然像谷歌、BAT这样规模的企业，他们都会去从事相关的研究工作，他们会把研究、开发与应用结合起来。
但是从长远来看，必须得走人类智能这条路，为什么？因为我们最终是要发展人机协同，人类和机器和谐共处的世界。我们不是说将来什么事情都让机器去管去做，人类在一边享受。我们要走人机共生这条路，这样机器的智能就必须和人类一样，不然没法共处，机器做出来的事情，我们不能理解，我们的意图机器也不知道，二者怎么能合作？
一个白色的三角旗，在黑暗的木地板上探索
人工智能在中国市场的快速商业化吸引了各类科研人员投身于此，在论文发表量和平均引用量两个指标上中国研究者表现出了竞争力，一种乐观的观点是“中国人工智能研究已经可以和美国并列”。
对此，张钹院士则谨慎地认为尽管在工程、产业化层面的某些方面中国人工智能已经接近世界水平，但在技术创新上，中国与世界水平差距还很大，实际上，至今为止几乎所有的人工智能原创研究成果都来自于美国。
作为中国人工智能科研的领军机构，清华大学也正在尝试改善这一情况，5月18日成立的清华大学“人工智能学堂班”（以下简称“智班”）是其中的一个举措。智班旨在培养人工智能领域领跑国际的拔尖科研创新人才，为未来一二十年的人工智能技术发展储备中国尖端人才，智班将从2019年秋季开始招收招本科生，首批预计招收30人，图灵奖得主、清华大学交叉信息院院长姚期智院士将担纲智班首席教授。
“我们清华开办一个人工智能班就是基于这个原理。中国在几十年前曾经丧失了一些和国际上同时起步的时机，我想我们现在有一个非常好的机会，在以后十年二十年人工智能会改变这个世界的时候，我们应该在这个时候跟别人同时起步甚至比别人更先走一步，好好培养我们的人才，从事我们的研究”姚期智表示。
清华大学副校长、教务长杨斌教授招生信息交流会的开场演讲中，拆解“人工智能”四字中所蕴含着的清华大学人才培养理念。他围绕“人”阐述了清华大学的“三位一体”教育理念、成人成才成群、人在才先、为国育士等；围绕“工”描述了清华人以此为生、精于此道、乐此不疲的工匠精神、追求做第一等事业的境界追求；围绕“智”解读了跳出“能衡量才发展”的怪圈、重视教育价值自在的清华思考；围绕“能”刻画了一代代清华人勇于担当、积极贡献的主人翁立场以及靠谱肯干、让人信赖的风格特质。
经济观察报：一种观点认为中国有更多的数据和更多的工程师，这种规模能倒推带来基础研究层面的突破或者决定技术的路线？
张钹：这里混淆了好多概念，科学、技术、工程。科技水平需要三个标准来衡量，一个是科研水平、一个是技术水平、一个是工程实践能力，或者产业化能力。
我们中国什么情况？从工程角度来看，在一些领域我们“接近世界水平”；技术水平我用的词是“较大差距”，因为不少东西还是外国会做我们不会做；科研究领域我用的词是“很大差距”，科学研究就是原创，实际上，所有人工智能领域的原创成果都是美国人做出来的，人工智能领域图灵奖得主共十一人，十个美国人，一个加拿大人。
经济观察报：清华在这方面有什么优势吗？
张钹：在人工智能重要的会议杂志上，这十年期间论文数量、平均质量CMU（美国卡耐基梅隆大学）排第一，清华大学排第二。我们培养的人，在计算机这个领域，清华的本科、博士生都是世界一流的。
目前我们的跟踪能力是比较强的，一旦有人起个头，我们能迅速跟上去。但是很可惜，我们缺乏顶尖人物，也培养不出顶尖的人才，如爱因斯坦、图灵等。
我个人认为原因之一，可能与中国的文化有点关系，我们的从众心理很严重，比如在人工智能领域，深度学习很热，发表的论文作者中几乎70%是华人，但是其他非热门领域，包括不确定性推理、知识表示等几乎没有华人作者。这就是从众扎堆，不愿意去探索“无人区”。
当然也不要着急，科学研究本来就是富人干的事情，是富国干的事情，我们还是发展中国家，科学研究起点比较低，暂时落后是难免的，我们会迎头赶上。
雾天的黑暗摩天楼的低角度拍摄
新的技术路线应该要解决目前存在的不可理解性，脆弱性等缺陷，而这些可能还需要计算机科学与数学和脑科学的结合与突破。
经济观察报：如果说深度学习已进天花板，那么人工智能未来的前进方向将会在哪？
张钹：最近我们准备提出一个新的概念，就是第三代人工智能的概念，人工智能实际上经历过两代，第一代就是符号推理，第二代就是目前的概率学习（或深度学习），我们认为现在正在进入人工智能的第三代。
经济观察报：是不是还得回归到数学等理论层面里再去找新的方法？
张钹：这个目前我们有两条路，一个是和数学结合，一个是和脑科学结合。你想想如果没有新的数学工具，没有来自于脑科学启发下的新思路，哪来的新理论？另一方面是要把数据驱动和知识驱动结合起来，因为通过数学、脑科学上寻求突破是比较艰难的，前面这件事现在则完全能够做。
经济观察报：看人工智能历史，每一代技术之间有很长的间隔期，第三代人工智能技术也会这样吗？
张钹：我认为会更长，因为需要攻坚，因为遇到的问题更困难。
经济观察报：会不会再过10年、20年，人工智能在学界或者公众心中，又变成一个“隐学”，就像70、80年代那样，大众又不会再经常提起来这个词？
张钹：低潮会发生，但不会像过去那样，原因在哪？因为有大数据、互联网和强大的计算资源，这些都会支撑人工智能继续走下去，尽管有的时候还只是表面上的繁荣。
| 一网打尽系列文章，请回复以下关键词查看： |
||
|---|---|---|
| 创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 科研管理 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧 | ||
| 热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估 | 大学排名 |
||
| 预见未来：预见2016 |预见2020 | 预见2025 | 预见2030 | 预见2035 | 预见2045 | 预见2050 |
||
| 前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 | 基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | 5G | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 | 传感器 | ||
| 先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 直升机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器 | ||
| 未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空战 | 反卫星 |
||
| 领先国家：美国 | 俄罗斯 | 英国 | 德国 | 法国 | 日本 | 以色列 | 印度 | ||
| 前沿机构：战略能力办公室 | DARPA | 快响小组 | Gartner | 硅谷 | 谷歌 | 华为 | 阿里 | 俄先期研究基金会 | 军工百强 | ||
| 前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普 | ||
| 专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨 | ||
| 全文收录：2018文章全收录 | 2017文章全收录 | 2016文章全收录 | 2015文章全收录 | 2014文章全收录 |
||
| 其他主题系列陆续整理中，敬请期待…… |
以上是关于张钹院士：AI奇迹短期难再现，深度学习技术潜力已近天花板的主要内容，如果未能解决你的问题，请参考以下文章
倒计时1天 | 张钹院士领衔，AI开发者大会20大论坛全攻略！
倒计时2天 | 张钹院士领衔，AI开发者大会20大论坛议程全揭秘！