中科院张文生：人工智能不是一个游戏，核心是做复杂信息处理

2017年04月21日，中国人工智能学会与亿欧联合主办“新科技·划时代”峰会在深圳举行，此次峰会基于大数据、人工智能成为传统产业的新动力，因此集合学会、企业、政府之力，将人工智能和产业融合，提升企业效率和带动产业升级。

出席此次峰会的嘉宾包括奇点汽车战略合作总监高华、将门CEO高欣欣、智童时刻创始人郭长琛等。

中科院自动化所副总工程师、博士生导师张文生就“人工智能遇到了大数据时代”发表了演讲，以下为张文生现场主要观点提炼：

1、人工智能是做复杂信息处理的；

2、人工智能困难重重；

3、人工智能最关键的是大脑；

4、人工智能是一个产业，并不仅仅是一个游戏；

5、技术的发展和需求造成了大数据的出现；

6、人工智能的任务是使用计算机来研究人的思维活动的规律。

以下为张文生就“人工智能遇到了大数据时代”的演讲内容整理：

一、人工智能是人造的智能

首先，人工智能是人造的智能。人造的智能和真正的智能是不同的，首先得承认它们的不同。人工智能60年间，演绎了很多激动人心的故事，包括刚才说的国际象棋的比赛，围棋的比赛，以及各种各样的机器人。到底什么是人工智能？

1956年的Dartmouth会议已经告诉了大家，人工智能是做复杂信息处理的。什么是复杂信息？如果你处理的信息不是复杂信息，用人工智能处理有没有意义？要处理复杂信息，毫无疑问要有一个载体，目前用的电脑，也就是计算机。

二、人工智能应用拉动了理论发展

人工智能追求的大脑，希望人造一个大脑，来实现或者是逼近人类的大脑。这个事情我个人觉得是永无止境的，很多事情并不是人工智能做的事情，但是大家硬是往这个方面拉，每个人的观点不一样，说法也不一样，我们要把握它的本质是什么。

在人工智能产生之后的十几年，当时大家没有看到这条路很难，就出现了很多乐观的想法，包括Nemell和Simon。20年过去了，人造的智能仍然没有实现。是人类不聪明，还是机器不行？这是我们要思考的问题。

遇到这个问题的原因是人工智能困难重重，比如说人类要证明一个两个连续函数之和仍然是连续函数，这个非常重要，但是要让人工智能来做，甚至做到几十万个语句的归结，仍然出不来结果。这说明了什么问题？这样的问题用人工智能现代的逻辑体系做推理，是非常难的。

后来的人工智能解决复杂信息的处理，就涉及到了组合爆炸问题，这个问题我们如果是硬算，显然会算死人。怎么办？

比如说国际象棋最早大家都不敢碰，就因为是一个组合爆炸的问题。现在能做了，为什么能做？是因为我们避开了这个问题，找了另外一个方法，近似算法，只要有了近似算法，比人精准，比人快，就战胜了世界冠军。

这个过程拉动了人工智能的再次起飞，在80年代的模式识别，故障诊断，预测和智能控制，多个领域都得到了应用。是应用拉动了理论的发展。到了90年代出现了各种各样的人机大战，也就是游戏。做人工智能就是做游戏吗？不是。

三、人工智能是一个产业，并不仅仅是一个游戏

机器人是人工智能的一个展示平台，它并不是人工智能。最关键的还是大脑，大脑不但可以处理听觉，视觉，触觉，还有其他的功能。后来人们觉得不过瘾，还想做到形似的机器人，形象是了，但是神还不是。

值得一提的是在这样的模拟的过程中，具有质的变化的是IBM的Watson，他提出了认知计算的理念，他做的是理解自然语言。另外做了动态分析假设，分析问题，做优化，做迭代，精准的个性化分析，在短时间内发现新的模式。

四、人工智能的核心是处理复杂信息

人工智能最早就是做复杂信息处理的，复杂信息又是怎么做到的？

人类做复杂信息，孩子聪明不聪明主要是三个方面：第一是表示。如果你看了很多书，能够把这本书提炼得很简短，简短的东西能够涵盖整个书的内容，你的表示能力就极强。最常见的是速记，速记的人可以把人说的话用简单的符号记下来，就是表示能力很强。第二是推理，表示简单的东西推理就很快。

第三是搜索，在做推理的时候就涉及到搜索，比如说你要高考，这么多本书看完了，这么多门学科看完了，能不能考好，得把这些书表示得简洁，考试的时候如果是见过这些题，进行搜索脑袋里面的东西立即拿出来写上。如果没有见过怎么办？就把我见过的类似的东西进行推理，得到了一个新的答案。

这是人类的过程。机器同样也是要做这个过程的，这就是人工智能的核心，这个核心遇到了大量的问题。

人类的大脑能装的内容、信息不外乎是看到的、学到的。看到、学到的永远是有限的，你要对付复杂的外界的看不到的东西的时候，你就很难得到结果，得不到结果，你的聪明，智能就体现不出来。

五、大数据中的人工智能

什么是大数据？大数据是一个集合，这个集合又大又复杂，以至于现在手上的工具难以触及，这就说明了这个问题是一个复杂的问题。复杂的问题怎么用人工智能的方法来解决？

大数据是在2010年左右提出来的。实际上大数据是客观存在的，不是到2010年才出现，是很早就有的。只不过存储、采集、传输的技术都没有，计算能力很差，所以没法对这样的东西做记录。另外，即使是记录下来了，十几年前的很多事情我们也不关心。技术的发展和需求造成了大数据的出现。

为什么原来不关心？原来看病，只要拿着体温表一测，血一化验就可以了，现在不行了，要基因测序，看问题看得更细了，实际上是告诉大家，看微观的和看宏观的是一样的难。大数据在这个例子中就可以看到，看远的和看近的，两者之间有没有相关的关系？如果有，这就是大数据给我们带来的贡献。

这个过程有大数据，但是重视大数据和拥有大数据的人都非常尴尬。大家都知道我的行业是大数据，但是我们又拿不到大数据，比如说阿里的是大数据，但是我们能拿到吗？比如说中国的很多数据是大数据，我们能拿到吗？都拿不到。拥有大数据的人不知道怎么处理，这样的壁垒以安全、隐私等等来限制，当然有这个问题，但是未来会发生变化。这样的过程，做人工智能、机器学习、识别、数据挖掘的人要进入这个领域。

人工智能的任务，就是根据人类信息加工的原理，设计一个计算系统，以完成复杂问题的处理任务。使用计算机来研究人的思维活动的规律，这是人工智能的任务。

六、人工智能的机遇和挑战

我们要看人脑背后的门道，到底这里面是一个什么门道？门道在于他们能够快速的理解问题，能够识别人类的语言，能够微妙的分析出来讽刺，谜语，联想。人类的思考问题是开放性的，原来的计算系统都是封闭系统，两个是不一样的，我们要用封闭的系统做开放系统的问题，只能做识别。

第二个是可以模仿人类针对问题的策略性的思考，得到精准的答案，给出可信的回答。

对比沃森和原来的国际象棋，包括ALphaGO，它的计算能力是深蓝的一千倍，这说明要下过世界冠军，他需要理解这样的语言，要比下过世界冠军计算能力高得多。

深蓝解决的是一个确定问题，而沃森解决的是一个模糊问题，模糊问题更体现智能。这是一个不同的里程碑，深蓝体现了数学上的处理能力，而沃森体现的是对常识的理解，人类对常识的理解非常有限。

这样的一个架构用了这么多的计算，用了这么多的存储才能战胜，如果不是技术的发展，我们永远做不到。你的算法再好，也要依赖于硬件的技术。这说明问题很复杂，我们要达到这个问题，达到这个复杂度需要这样的技术。

ALphaGo也是做这样的问题，他选的人，李世石，他的核心背后就是这样两个网络，深度学习实际上是在做表示，把每个棋盘解析成一步步的走，主要做前端，后端的只是包装。这个做好就推动了认知，分区、分层次的处理，这是非常有意义的。如果从理论上来说没有多大的创新，但是从技术上说，对人工智能还是有很大的推进的，让大家热起来。