首頁 > 人工智能 > 正文

楊學山副部長:從智能系統或智能體含義處理的角度看認知計算

2019-12-20 15:01:59  來源:互聯網

摘要:11月30日上午,第九屆吳文俊人工智能科學技術獎頒獎典禮暨2019中國人工智能產業年會在蘇州廣電大廈演播廳隆重舉行。本屆大會主題是“突破關鍵技術·賦能產業落地”。
關鍵詞: 人工智能 智能
  11月30日上午,第九屆吳文俊人工智能科學技術獎頒獎典禮暨2019中國人工智能產業年會在蘇州廣電大廈演播廳隆重舉行。本屆大會主題是“突破關鍵技術·賦能產業落地”。大會邀請到國家部委專家、兩院院士和產業領軍人士,圍繞77場主題報告,17個核心話題,10場尖峰對話,就人工智能在核心關鍵技術的落地展開觀點碰撞,通過權威學者、頂級專家和企業精英開壇論道,解讀行業痛點,剖析發展瓶頸,探討場景壁壘,深究真問題。本屆產業大會重點聚焦知識智能及其應用、智能芯片、智能無人機、智能網聯汽車、智能機器人、智能金融和智能醫療等優勢產業。在本次人工智能產業年會上,工業和信息化部原副部長、信息化百人會學術委員會主席楊學山帶來了題為“從智能系統或智能體含義處理的角度看認知計算”的精彩報告。
\
  以下內容為楊學山的演講實錄
 
  各位專家,各位同行大家上午好!很高興有機會參加2019年人工智能產業年會,感謝本次會議給我做報告的機會,就人工智能、認知計算這樣一個題目,把我的一些思考與大家分享。
 
  人工智能63年了。63年起起伏伏,我們看到了十分顯著的成績和進展,在不同的階段我們也看到困惑、困難和一些其他問題。面向未來,人工智能會是怎樣的發展遠景?就這樣一個問題,今天的報告講十個小題目,其實這十個小題目匯聚為三個方面:
 
  第一個方面,說一說我們在人工智能發展上遇到怎樣的困難和困惑?
 
  第二個方面,講一下人和自動化系統它的信息處理究竟是如何進行的?
 
  第三個方面,我們沿著人和自動化系統的信息處理的特征這樣一個思路,看看是不是可以從另外一個角度去看認知計算是怎么實現的。
 
  一、我們在人工智能的發展上遇到的困難和困惑
 
  人工智能取得了顯著的進展,但是它確實存在困難和瓶頸。今年麻省理工學院科技評論第一期發表了一篇文章,這篇文章用1992年到2018年一萬多篇人工智能領域的論文經過分析,得出一個結論,這個結論我相信在座所有人都不喜歡聽到,這個結論是26年人工智能技術沒有顯著進步。
 
  為什么呢?原因很簡單,因為人工智能的發展沒有基礎理論支持。沒有基礎理論的支持,它的發展就不能沿著確定的方向往前走,可能走對了,也可能走錯了,在試錯中前行。我們可以看到在許多領域,無論是自然語言處理、智能駕駛還是圖象識別等領域取得眾多進展,還是今天頒發的獎項在其著力的智能制造、智慧城市的核心領域,這樣一些經濟社會發展中的關鍵問題,運用人工智能技術所取得的進展和進步,都顯示了人工智能正向的成果。
 
  聽了各位獲獎者感言,我深有感觸的是,有一位獲獎者把對企業產生的效益、企業的核心競爭力作為人工智能項目的目標,而不是突出人工智能的特定技術。這就說明已經把為解決經濟社會發展的具體問題,作為人工智能領域專家努力的方向。我聽了之后,確實十分的感動,也十分的驕傲,這是我們人工智能取得的真實成果。
 
  我們說用數學來解決我們機器的問題,作為工業和信息化部的成員,我去過很多生產線,在這些生產線上我們看到的是人在做著簡單重復的勞動,我們看到機械系統和機械系統之間的不銜接。我們可以用數學方法去解決這些問題,將生產線上人的動作和思考變成計算機可以執行的算法和模型,我感到人工智能界在與實體經濟結合上取得了長足進步。
 
  我們也應該看到,在成功的光環后面也有很多的失敗,人工智能界尤其是投資界及人工智能創新創業的人,我相信這幾年你們看到的失敗例子,一定大于成功的,而且要多很多。
 
  為什么?我看到今年5月16日張院士接受經濟觀察報訪談這篇文章之后,讀了好幾遍,也推薦給一些朋友,希望大家能夠認真看一看,這篇文章是說AI奇跡短期難再現,深度學習技術潛力已近天花板。我與張院士是在20多年前一次會議上認識的。我確實佩服張院士的洞見和魄力,你們應該理解我說的洞見和魄力,它背后的含義。
 
  二、人和自動化系統究竟如何進行信息處理
 
  以深度學習為代表的人工智能技術其實已經接近天花板,以它為基礎的人工智能奇跡是難以再現的。換一個角度看,我們說人工智能發展的另外一個路徑是從計算智能到感知智能再到認知智能。在這條路上,前一半取得了很多進展,而這個進展主要是通過算力的進步取得的。后一半則還沒有找到實現的具體路徑。
 
  1958年人工智能的先驅們所提出來的目標為什么在預期的時間內沒有實現?是因為算力不夠,不是算法不行。但算力的進步怎樣解決前述認知計算后一半的目標?這是一個很大的問題。我們如何使得由硬件和軟件構成的機器系統能夠真正實現認知計算,能模仿人的各項智能,這是一個值得思考的問題。
 
  重新思考認知計算,需要分析算法,算力能做什么?我們要模仿的對象系統是什么?怎么才能實現對象系統的功能。如果你連模仿的對象是什么都不理解,你又如何去模仿?如何去發展。千萬不要跟我說,說我們的深度神經網絡就是模仿人的神經網絡的,模仿腦功能的,我想如果有這樣想法的先生,我只能告訴你錯了,大錯特錯。因為計算機的神經網絡和人的神經網絡之間沒有任何的相似性,因為人的大腦壓根不是像我們計算機神經網絡那樣工作的。
 
  我們確實需要認真看看人的智能有哪些類型與特征。心理學家,發展心理學和認知心理學的知名學者,將人的智能分成語言、音樂、邏輯和數學、空間、體能、人際、內省、自然八類。分析人類智能存在和發展的條件,應該還有自我、生存、遺傳像前面的八類和這個后面的這三類。前面八類是世界最著名的多元智能理論學者,加德納在70年代提出,90年代完善的,先提出來的七類,后面又加了一類。如果把其中的內省和自然兩個類型具體化,就可以變成后面的三個,自我、生存和遺傳。人存在自我,有意識和對自身的保護,沒有自我,生物就不能進化到現在。人必須能生存,不能生存,夭折了沒有智能。人的功能來自遺傳,不能遺傳,智能無法實現、無法進化。人的智能不僅是邏輯和數學,其實,智能的基礎和核心部分都與算法無關。這是我們所認識的人類智能,及其重要的基本點。PPT中下面那個圈提出了人類智能的八個特征:生存性、主體性、整體性、結構性、多樣性、發展性、傳承性、交互性,這些特征是認知計算應該回答并能實現的。
 
  剛才談到,計算機(人工智能)的深度神經網絡不管叫什么,它和人類神經網絡是沒有關系的,為什么?因為人的信息處理不是這樣的。我們以視覺為例,到光線進入我們的眼球,沿著晶體進入視覺細胞,在這些細胞里面有百億量級光敏感分子按照給定功能和位置分布,感知特定長度區間的光波,然后傳輸到環形的視網膜上,形成看到物體的圖像。這個轉換過程完全根據我們的細胞里面光敏分子功能和它特定的位置和傳輸路徑、視網膜功能構成的,這個過程沒有任何計算,完全是給定的傳輸過程。視網膜成像之后,連接神經元是按照與視網膜之間和大腦中數據存儲區域的固定連接關系,這也是給定的,傳輸到腦干特定部分中,這個傳輸過程也是給定的,沒有計算。所以,這確實與計算機或人工智能的神經網絡不一樣,不是處理符號,不是通過計算、算法來識別、歸類,這是根本性的不同。
 
  你們看著PPT,聽著我的聲音,在這個過程中,大腦中信息的載體,傳輸中的聲波和光波,以及我們的行為,記錄、拍照、思考在這樣的過程中,我們所有的受體,不管是我說話或PPT,把大腦神經元結構中的含義轉變成ppt的符號,及聲波結構中的符號,你們聽到的,看到的,接受的,都是把符號變成了含義。在這樣的過程中,我們感知的符號只是中介,而我們接受是含義。
 
  如果我們大腦接收的是光波和聲波這樣的載體,我們的大腦早就在出生以后不久就爆棚了,你想想大腦怎么能把這個物質載體存進去?如果接受的是以光波和聲波的結構形成的符號,那么,大腦中就不是神經元,而是相應感知過程的細胞,這樣的細胞有如何存儲信息、進行思考分析?所以人的智能過程,處理的是載體、符號中承載的含義。我們再看自動化系統,不管是什么樣的自動化系統,數控機床、自動化生產線、一個油田的生產管理與控制系統、自動化的采煤系統,都是將相關工程師及專業技術人員的知識和經驗總結出模型、算法和流程,并將此編成軟件,實現相應的自動控制。
 
  自動化生產線的生產過程相應怎么運轉、怎么控制、怎么調整,就是根據的知識和經驗,選擇恰當的傳感器,不管是給定場景的溫度、壓力、空氣性質,還是運動狀態,這樣的傳感器分布在應該感知的設備、系統、場景中,然后根據設定的控制程序來確定控制端源,處理這樣的信息,來實現自動控制,這個過程實際上、本質上和人信息處理過程是極其相像的。
 
  也就是說,傳感器以它的感知能力和給定場景的給定位置,這樣一個結構或事件為整體,實現了含義感知??雌饋硐到y中傳輸的是模擬信號或者數字信號,但是它的兩端是含義,是一個由具體時間、具體場景、具體位置綜合確定的溫度、壓力、速度或其它數值,傳輸到控制端,這個數值是不是正常,是否需要進行調控,都是真實的具體場景中的含義,而不是符號。離開這個特定環境及結構(事件),這個數值就是符號,丟失了含義。
 
  這是我們需要認真分析的。在任何自動化系統里面,實際上在感知端形成、控制端處理的都是含義,傳輸的才是符號。這個結論和過程,比上面介紹的人類對聽到和看到的信息處理,數量和復雜性要小得多,但如果進行恰當的數學抽象,這兩者在感知---處理模式上是完全相似的,但在積累能力上大不相同。
 
  不同為什么產生?那就是主體性,就是自我。人是可以持續積累的,而自動化系統自己不會積累,是由工程師在這個基礎上不斷完善。自動化系統也沒有能力去疊加不同的處理方式,沒有能力自己去延伸,再去類比,再去拓展,再去抽象,它沒有這個能力,差別就在這個地方。自動化系統沒有自我積累和自我成長的能力,這是根本的區別。
 
  三、沿著人和自動化系統進行信息處理的思路,我們是不是可以從另外一個角度去思考認知計算的實現。
 
  沿著這樣的思考,我們是不是可以改變一下?怎么改變?我們的智能系統也叫機器智能,這個智能系統把信息的輸入改成感知。這是一個根本性的改變,因為迄今為止所有的計算機系統,不管是傳統的信息處理,還是今天稱之為人工智能的信息處理,包括深度神經網絡的信息處理,輸入的都是符號。對符號進行一系列處理之后,變成我們可以理解(解釋)的東西。我們想想數據庫,輸進去一堆數字,這個數字通過數據庫里面的字段,數據模型,通過一個個字段對數字的規范和根據規范進行的清洗,在這個基礎上利用函數進行計算變換,然后我們回到數據字典或數據模型,給出了計算結果的含義(解釋)。
 
  這是我們熟悉的方式。如果我們把這個方式顛倒過來,信息在智能體外的時候是符號,但是進入智能邊界的時候,用傳感器的方式來感知,穿過智能體邊界后就是含義,不是符號。這樣,我們用不著像深度神經網絡一樣,一層一層導向正確的歸類。做不到就用人來標識,再不行找新的特征,再用新的算法減少它的復雜性,減少它的梯度,最后歸到一個恰當的對象上。而是感知到人就是人,感知到張三就是張三。
 
  如果把輸入變成感知,把符號變成含義,凡是智能體不能理解含義的東西,一概不接受,進來都是理解的。如果通過這樣的過程把存儲變成記憶,由記憶實現連接,把連接變成控制,把搜索、匹配變成理解基礎上的調用。用海量的,既能獨立處理,又能協同管理的微處理器替代傳統計算機符號處理,那么會是什么模式呢?當然這樣的處理模式需要大量的微處理器。
 
  微處理器數量多少?我用不同方式估算了一下,大概10的12-13次方,是萬億量級到千萬億量級的微處理器,僅感知微處理器都會在億或十億這個數量級。當然我要說明得是,處理物理信號的感知處理器數量不多,大量的都是延伸出來邏輯性微處理器。我們把一個個字,一個個部首、筆劃、一個段落、一篇文章、一本書都作為一個微處理器來處理,變成這個對象的百科全書,變成這個對象和智能體里面所有相關對象連接的端點,我們看問題的方式就變了、計算模式就不再是馮.諾伊曼或圖靈模式了。
 
  當我們將剛才說的這一系列過程,變成新的智能體系或者機器智能,這樣智能體由一個個功能構件組成的功能體系構成,主要的功能體系有:感知、描述、連接、記憶、交互、學習、處理、控制、生存、行為、思維等。用這樣的功能構件和體系來實現人的不同類型的智能和不同類型的特征。
 
  用這樣的方式能實現嗎?人是怎么實現的?人的各類智能,不管是你手碰上一個燙的東西,產生的條件反射,還是你求解一個方程的邏輯思考,這些功能的生理器官或組織都是你出生下來就已經有了。是遺傳基因決定了你所有的你需要處置的任務相關功能。當然,我還要強調,人的智能是由肌肉智能---條件反射,小腦智能---看見就能反應,邏輯思考后決策的大腦智能共同構成的。我們認真想一下,其實我們即使在睡覺的時候也存在智能活動。在人的所有智能行為中,實際上肌肉智能占最大部分,然后才是小腦智能,最后才是大腦智能。
 
  大腦智能在全部智能行為中,只占了很少的部分,怎么實現的?遺傳基因就已經傳給你了,然后是從胎兒開始感受的信息和刺激,就開始了學習,一出生以后你的父母,你周邊所有接觸到的人,給你善意的環境,使你不斷學習和成長,想想我們的孩子為什么會問十萬個為什么?這也是遺傳基因決定的,我們的孩子為什么首先感知父母的形象?特別的感興趣?這也是遺傳功能決定的。
 
  在這樣一個善意的、適合學習成長的環境中,從只有功能沒有內在的東西開始,一秒一秒通過一個個無意識的動作,無意識的提問來實現我們不斷的成長。智能體借用這樣的模式,用簡單到復雜對象,從0到1,1到n,n到N的過程,從一個特別具體簡單的對象,一個具體的客觀存在,具體的聲音、圖像、動作開始,逐步延伸,然后再到抽象的概念和行為,在逐步的歸納、演繹、類比、發散連接、交互規范,實現真實的可積累的認知計算。這樣的過程數量巨大,復雜嗎?其實并不復雜。
 
  如果把認識一個蘋果為舉例,讓孩子知道這個東西叫蘋果,然后慢慢沿著不同維度在他吃的過程中,玩的過程發展,發展過程中逐漸增加,我們用幾百個,幾千個甚至幾萬個微處理器,來實現對蘋果的認知。
 
  有人說這多麻煩?是的,很麻煩,但是我們想想,你蘋果知道了,蘋果的微處理器有了,那么梨的微處理器呢?香蕉的微處理呢?這就很簡單了,所以這就是我們說的如何從0-1,1-n,n到N的過程。從最簡單的具體思維,到最復雜的創造性發散思維,我們都可以由不同的范式來實現。
 
  當然要把剛才說的都講清楚,需要幾天時間,今天的時間不允許。從1980年開始到現在,快40年了,我一直在思考和分析這樣的問題。2015年3月1日是我離開工作崗位的第一天,就開始了《論信息》的寫作,《論信息》和《智能原理》兩本書已經出版,第三本書《智能工程》即將成書,三本書合在一起,我稱之為智能三部曲,力求系統完整地構建實現上述設想理論基礎和工程基礎。我希望這樣的思考和努力,能夠開創一種新的方式,來為機器智能或者非生物智能體的發展提供一種新路徑。我的報告到此結束,謝謝大家。

第三十屆CIO班招生
法國布雷斯特商學院MBA班招生
法國布雷斯特商學院碩士班招生
法國布雷斯特商學院DBA班招生
責編:baiyl
有谁不上班靠炒股赚钱