人工智能的下一个突破何时会出现在新的基础设施浪潮下？

人工智能已经发展了60年，正处于高速发展阶段。人工智能在过去的60年里取得了哪些进步？制约因素是什么？人工智能在中国发展到什么水平？

6月21日晚，由北京致远人工智能研究所主办的2020北京致远大会在网上举行。图灵奖获得者、中国科学院院士、中国工程院院士和国内外顶尖人工智能学者齐聚一堂，描绘下一代人工智能的图景。

人工智能的下一个突破何时到来？

人工智能在世界范围内已经发展了大约60年。然而，自20世纪60年代以来的30多年里，还没有开发出能与人类匹敌的技术。直到1997年，IBM的深蓝超级计算机打败了世界象棋冠军加里基莫维奇卡斯帕罗夫，人工智能终于实现了一个里程碑式的突破。2005年，时任斯坦福大学副教授的巴斯蒂安特龙带领学生建造了一辆名为“斯坦利”的机器人汽车，它成功穿越了300英里的沙漠，成为历史上第一辆完成DARPA自动汽车挑战赛的自动汽车。业界认为“斯坦利”是人工智能应用的又一个突破。巴斯蒂安特龙因此成为了谷歌自主汽车系统的专家，帮助谷歌制造了自主原型车，谷歌也成为了自主驾驶领域的领导者。

到2012年，这也是人工智能在——深度学习方面的最新突破。当时，机器学习非常流行，但它不足以达到人工智能的最高目标。然而，深入学习的理论已经存在了几十年，直到2012年才最终实现突破。它可以构建人工智能已知的所有功能，包括决策理论、规划和推理，从而使人工智能离真正解决问题更近一步。

深度学习能解决什么问题？例如，如果有自行车，深入学习可以从结构上拆卸自行车，并识别鞍座、车把、车轮等部件。“但当涉及到与自行车非常相似的物体时，深入学习会自动将其归入同一类别。”图灵奖获得者约翰霍普克罗夫特指出，深度学习的问题在于它不能告诉你自行车的每个部分的功能。

为了在下一代人工智能中取得突破，可以在深入学习的基础上增加相应的逻辑，让人工智能知道踏板可以驱动车轮，区分有用的邮件和垃圾邮件。

康奈尔大学教授巴特萨尔曼认为，深度学习仍有很大的改进空间。这是一种基于数据训练的学习方法，但人类有感知能力。为了达到人类的水平，他们必须学会感知。张博认为感知=感官认知。目前，深度学习方法仅触及感觉层面，尚未达到认知层面。这需要真正的知识灌输。只有将知识驱动和数据驱动明确结合起来，下一代人工智能才能真正取得突破。

那么人工智能的下一个突破将在什么时候到来，再过十年或二十年？

约翰霍普克罗夫特认为，农业的发展在历史上花了几千年，制造业的发展花了几百年，人工智能的第一次成功只用了几十年，所以下一个突破将会非常快。

专家说，下一代人工智能必须是可解释的。用户需要确切地知道人工智能是如何工作的，这也是增强人类对人工智能信任的关键。

约翰霍普克罗夫特指出，人工智能的下一个突破不一定是在计算能力上的突破，而是在生物学上的突破。

人工智能应该解决什么问题？

隐私和安全问题是人工智能技术的大规模应用面临的主要挑战之一，这是许多用户在接受人工智能应用之前最担心的问题之一。

中国科学院院士张博认为，要解决这个问题，首先要从两个层面进行探讨。一是如何正确合理地使用隐私，这就要求人工智能开发企业高度自律。隐私保护是为了防止损害集体和个人的利益。它涉及保护和使用之间的关系。它可以非常严格，也可以非常宽松。没有必要一步到位地制定完整的规则，而是需要逐步完善。

第二，为了避免人工智能的滥用，这是不能通过深入学习来解决的，有必要谈谈人工智能的治理水平。张博指出，一方面要明确规则，制定严格的法律法规，另一方面要开发安全、可靠、可信、可扩展的人工智能技术，真正保护人工智能的安全。“人工智能治理非常重要。只有当你想知道如何治理时，你才能知道技术的发展方向，”张博说。

此外，应该建立一个允许用户信任的人工智能应用机制。香港科技大学的杨强教授认为，开发人员和应用程序不能孤立，需要相互协作和交流。首先，可以使用加密的模型参数。对于用户来说，可能不清楚是否要传输参数或数据，那么可以引入一个中央机制来允许每个参与者在这个中间机制中传输信息。此外，区块链的管理模式可以通过其透明和防篡改机制来保护隐私。

中国工程院院士高文认为，开源是解决人工智能隐私问题的最佳途径，没有一次性的解决方案。“就像武术一样，如果你想变得优秀，你必须坚持进攻和防守。”高文强调，不要太担心数据共享可能引发的恶意攻击，因为在技术发展过程中，一定会考虑有针对性的解决方案。

人工智能在中国发展的难点是什么？

在新一轮的基础设施建设浪潮下，国内各大企业纷纷建设了大量的基础设施，并强调要以强大的计算能力抢占技术制高点。人工智能需要多少计算能力？

杨强认为强大的计算能力是人工智能突破的途径。学术界的许多专家开始尝试使用迁移学习来解决常见问题。如果计算力足够大，那么迁移学习可以适应各种领域，满足深入开发的条件。

高文指出，下一代人工智能应该解决高性能的问题。人工智能的下一阶段要求比人类更精确，但人类本身不需要太多的计算力。因此，下一步应该是提高计算机的学习能力，减少低效学习消耗的大量电能，而不是追求过度的计算能力。

中国人工智能研究的平均水平接近世界水平，但最高水平与世界领先水平仍有很大差距。"没有从0到1的结果。"张博指出，中国人工智能研究尚未突破创新瓶颈。基础研究是基于已发表论文的数量。与过去相比，它取得了很大的进步，也是一个限制因素。

杨强认为，负责任和雄心勃勃的学者应该努力创新，关注主题的质量，而不是文章的数量。研究方向应该足够新，足够难，并且容易理解。杨强指出，这种研究还需要使用方法将问题分解成可以解决的阶段，每个阶段设定一个小目标。此外，计算机的发展离不开数据，容易获得的数据更容易获得。“不要跟随热门领域的趋势。有许多新领域值得探索。”杨强说。