人工智慧遠沒有 你想像的聰明

深圳商報記者 張瑩

27日，世界5G大會舉行未來信息通信技術及國際戰略研討會，這場大咖們的「華山論劍」，天南海北的泰鬥們難得共聚，臺下頻頻交流「咬耳朵」，話題專業，氣氛卻很輕鬆。

在這樣的重量級論壇，能讓所有嘉賓競相拿出手機拍照的人，沈向洋是為數不多的一個。

作為領軍全球人工智慧的專家，沈向洋在現場提出，人工智慧雖然已經獲得了巨大的發展，但仍需要從深度學習過渡到深度理解。他公布了自己的最新研究，勾畫了能夠達到深度理解的人工智慧框架系統。

他舉例說明，哈士奇，是狗還是狼？這個對人腦而言簡單的判斷，卻困惑人工智慧很久。

他指出，十年以來，人工智慧在大數據、運算和延時處理三方面取得了重大進展。但是對於真正的理解，人工智慧並沒有特別重大的突破。

在算力方面，英偉達超過英特爾，相信未來會繼續奮勇向前，亞馬遜、谷歌等企業，也已經把雲端算力做得非常強大，深圳鵬城實驗室的鵬城雲腦，同樣是非常典型的成功案例。

然而，他話鋒一轉，開始「潑冷水」。指出即使是這樣了不起的算力，真正應對智能時，得到的結果讓人啼笑皆非。哪怕是全球最大的圖像識別資料庫ImageNet，仍然還差10的五次方的量級才能真正達到人的理解能力。所以就不難理解，整個領域還在拼命增加算力，這方面還遠沒有到天花板。這是科研正在走的一條路。

他提出，或許還存在另一條，更加巧妙的前進路線。

他給大家用計算機視覺和自然語言處理方面講了兩個例子，來解釋為什麼具備強大的算力，海量的大數據，人工智慧還不盡如人意。

華盛頓大學用深度神經網訓練了一個模型，讓人工智慧分辨哈士奇是狼還是狗。這對於人腦來分辨，再簡單不過。但人工智慧的判斷，6個結果裡最多只有5個正確。用模型尋找錯誤的原因顯得非常艱難。最後研究發現，神經網絡對於哈士奇是狗還是狼，判斷竟來自於旁邊的背景。背景是雪地，它判斷為狼，背景為草地，它判斷為狗。跟狗和狼面部等大量的數據特徵分析一點關係都沒有。這讓人工智慧顯得非常有趣，也非常危險。

此外，運用大數據大訓練模型出來的人工智慧結果，在按照設定程序來運行，表現非常了不起，而如果遭受攻擊，得出的結果可能大相逕庭。

讓人工智慧從深度學習過渡到深度理解，沈向洋正在嘗試的解決之道，是建立一個開放域的對話模型，建立神經會話模型，試圖做到深度理解的框架。