人工智能(AI)概念的诞生已经有60年了,但是得到高速和本质的发展是近几年的事情。这主要是随着互联网、移动计算、超级计算、穿戴设备、物联网、云计算等技术的发展,实现信息环境巨变;以及智能城市、智能医疗、智能交通、智能游戏、无人驾驶、智能制造等社会新需求爆发,结合大数据、深度学习、增强现实、虚拟现实等AI技术与应用基础等因素,促成了人工智能从技术和应用上实现了巨大的发展。
因此在2015年,中国工程院设立重大研究项目:中国人工智能2.0发展战略研究,旨在对人工智能能有更清晰的研究与了解。
针对人工智能2.0,中国工程院原常务副院长、院士潘云鹤近日在“智涌钱塘”2018AI Cloud生态国际峰会上分享了他对于人工智能发展的最新观点和看法,我这里分享给大家。
2017年7月20日,中国发布了《新一代人工智能发展规划》。包括大数据智能、群体智能、跨媒体智能、人机混合增强智能自主智能系统等AI2.0关键理论与技术,以及智能城市、智慧医疗、智能制造等应用领域。
潘云鹤认为AI正在走向2.0,其本质原因是世界正从原来的二元空间进入新的三元空间。世界原来是二元空间:人类社会空间和物理空间。但是近年来,信息力量的迅速壮大,已成长除了人类社会空间和物理空间两极之外新一极:信息空间。
信息的发展从来自人类社会到信息互联,在绕过人类,直接来自物理世界比如通过传感器和物联网技术。未来人类社会会走向大知识,并推动人类认识与控制能力的大变化。
而三元空间的变化形成了信息流的新变化。新的信息流生成了认知的新变化。
潘云鹤认为AI2.0已经显露大量新特征,最后分享中他总结了五点供大家交流学习:
潘云鹤以AlphaGo训练过程为例,与传统博弈人工知识不同,AlphaGo深度学习不仅能“直觉感知(下一步在哪)”“棋局推理(全局获胜几率)”,而且将学习人类棋局和自我博弈积累棋局相结合。
在《Science》2016年1月1日发表的“群智之力量”的论文认为:结合群体智慧与机器性能来解决快速增长难题。
其中群智计算从众包模式到较为复杂的工作流程模式再到最复杂的协同求解问题的生态系统。
潘云鹤认为,大规模个体通过互联网构架的参与,可以表现出超乎寻常的智慧能力,是解决开放复杂问题的新途径。比如苹果App Store上百万的应用程序、WIKI百科近4000万词条等连接了世界众多国家的海量专家、工程师、科学家等参与。
各种穿戴设备、人机协同、人车共驾、脑控或者肌控外骨机器人等实现生物智能系统与机器智能系统的紧密耦合。
在语言、视觉、图形和听觉之间语义贯通,实现联想、推理、概括等智能的重要关键。
无人系统迅速发展,在工业装配线上机械手发展很快,但在灵活运动的领域中,无人系统迅猛发展的速度远快于机器人。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。