本文關(guān)鍵詞：人工智能，由筆耕文化傳播整理發(fā)布。

url:,id:0

■本報記者計紅梅

未來深度學習可能有“冬天”，因為它僅是機器學習中的一種技術(shù)，更“潮”的技術(shù)總會出現(xiàn)。而機器學習不會有“冬天”，除非我們不再需要分析數(shù)據(jù)。

圖片來源：百度圖片

魯迅的文章和人工智能會有聯(lián)系嗎？在中國科學院院士、清華大學教授張鈸看來，答案是肯定的。

在魯迅的一篇文章中，當孩子滿月的時候，凡是說孩子將來會發(fā)財、做官的，都得到了感謝或恭維，而唯一說出事實——“孩子將來是要死的”的人會遭到一頓合力的痛打。

張鈸開玩笑說，在當下人工智能大躍進的局面下，，既要說實話，又不想挨一頓合力的痛打，是需要勇氣的。盡管如此，“我還是既要把人工智能的優(yōu)點和成果說夠，也要把它存在的問題說透。”

在10月20—22日于山西太原舉行的2016中國計算機大會（cncc2016）上，和張鈸有同樣勇氣的還有其他一些人工智能領(lǐng)域的“大咖”。他們將問題的核心，都指向了人工智能在后深度學習時代的走向。

“彎道超車”還是又一個日本“五代機”

作為我國計算機領(lǐng)域目前規(guī)模最大、級別最高的學術(shù)會議，創(chuàng)建于2003年，由中國計算機學會（ccf）主辦的中國計算機大會一向是業(yè)內(nèi)人士暢所欲言的舞臺。雖然今年cncc2016的主題是“計算改變未來”，但人工智能卻成了事實上的焦點。

“今年不管開什么會、誰組織、在哪里開，只要和人工智能掛上邊，都很火爆�！敝袊茖W院副院長、中國科學院院士譚鐵牛對人工智能當下的熱度深有感觸。不過，作為人工智能專家，他深刻地意識到，“與其說人工智能火，不如說是深度學習火�！�

從技術(shù)上來看，深度學習就是“很多層”的神經(jīng)網(wǎng)絡(luò)。而神經(jīng)網(wǎng)絡(luò)實質(zhì)上是多層函數(shù)嵌套形成的數(shù)學模型。事實上，在深度學習出現(xiàn)之前，人工智能已經(jīng)經(jīng)歷了兩次熱潮。在此期間，日本于1981年提出第五代計算機研究計劃，并為此投資了540億日元。當時，人工智能研究的先驅(qū)者之一愛德華·費根鮑姆認為，這項計劃即使部分實現(xiàn)，也將產(chǎn)生巨大經(jīng)濟利益，使日本占有市場，并奪得統(tǒng)治地位。美國如不自強，事態(tài)將極為嚴重，在超工業(yè)化社會中只能處于農(nóng)業(yè)大國的地位。然而，最終這一計劃還是以失敗告終，這也意味著人工智能的流派之一符號主義方法進入了瓶頸期。

而今，隨著深度學習的出現(xiàn)，人工智能又迎來了“春天”。這是一個“彎道超車”的機會還是又一個日本的“五代機”？張鈸認為，“這兩種可能都存在，因為科學發(fā)現(xiàn)和技術(shù)創(chuàng)新總是通過默默無聞的勞作和堅持不懈的努力取得的，只有這樣才有可能成功�！�

在張鈸看來，與30年前相比，現(xiàn)在的人工智能有兩點不同，一是大數(shù)據(jù)，二是概率統(tǒng)計方法的引入。正是這兩個因素催生了當下的深度學習大潮。

然而，深度學習所解決的問題卻有一定的范圍限制，即在一定的應(yīng)用場景里，在給定的數(shù)據(jù)庫下，有了可利用的大數(shù)據(jù)，計算機的感知信息處理程度才有可能達到人類的水平。正因為它的局限性，“從狹義的人工智能走向通用人工智能，就成為后深度學習時代所要致力解決的問題�！睆堚撜f。

不會“一統(tǒng)江湖、千秋萬載”

“從本質(zhì)上說，（人工智能）第二次和第三次浪潮在方法論上并沒有本質(zhì)區(qū)別，都屬于連接主義。差別在于深度學習的成功。這里既有硬件的進步，也有卷積神經(jīng)網(wǎng)絡(luò)模型與參數(shù)訓練技巧的進步�！敝袊こ淘涸菏俊⒈本┐髮W教授高文認為。但他同時表示，連接主義（神經(jīng)網(wǎng)絡(luò)、深度學習）雖然大行其道，但如何解決小數(shù)據(jù)學習和創(chuàng)造性思維仍然挑戰(zhàn)巨大。

在南京大學教授、美國計算機協(xié)會（acm）杰出科學家周志華看來，發(fā)展至今天，作為人工智能領(lǐng)域一個重要的分支，“機器學習”已經(jīng)成為一個廣袤的學科領(lǐng)域，而“深度學習”僅是機器學習中的一個小分支。

在機器學習出現(xiàn)之前，人工智能的研究者們意識到，要想提升人工智能水平，僅有邏輯推理能力是不夠的，而要總結(jié)出知識再“教”給系統(tǒng)，也同樣困難。到了20世紀90年代中后期，人類發(fā)現(xiàn)自己淹沒在了數(shù)據(jù)的汪洋中，機器學習正是為了滿足人們對自動數(shù)據(jù)分析技術(shù)的需求應(yīng)運而生的。而云計算、大數(shù)據(jù)時代的到來，計算能力的大幅提升，使得深度學習模型在計算機視覺、自然語言處理、語音識別等眾多領(lǐng)域都取得了較大的成功。

但是，深度學習是否會“一統(tǒng)江湖、千秋萬載”呢？周志華認為，深度學習最重要的作用是“表示學習”，即能自動學習和表達特征。當數(shù)據(jù)的“初始表示”（如圖像的“像素”）與解決任務(wù)所需的“合適表示”（如描述物體的特征）相距甚遠的時候，就是深度學習應(yīng)用的領(lǐng)域。然而，很多學習任務(wù)，數(shù)據(jù)的“初始表示”與“合適表示”并沒有那么遠，因此深度學習不會“一統(tǒng)江湖”，其他一些機器學習技術(shù)也有自己的“用武之地”。未來深度學習可能有“冬天”，因為它僅是機器學習中的一種技術(shù)，更“潮”的技術(shù)總會出現(xiàn)。而機器學習不會有“冬天”，除非我們不再需要分析數(shù)據(jù)。

2

1

[責任編輯:yfs001]

  本文關(guān)鍵詞：人工智能，由筆耕文化傳播整理發(fā)布。