讀創／深圳商報駐穗記者 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，是一場大牛們的「華山論劍」。因為都是業界泰鬥，嘉賓們難得共聚，臺下頻頻交流，「咬耳朵」，話題專業之餘不乏輕鬆。
而在這個重量級論壇上，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。
他是矽谷科技圈最有分量、美國科技公司職位最高的中國人。今年新冠肺炎疫情期間效力回國，消息轟動中美科技界。
作為領軍全球人工智慧的專家，沈向洋提出，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，他為大家公布了最新研究進展，勾畫了一個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？這個對人腦不算事的判斷，卻可以困惑人工智慧很久！
據悉，目前人工智慧的發展，深度神經網起到非常重要的作用。這是美國十年前的研究成果，由沈向洋和同事在微軟研究院做出。
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的進展。但是對於真正的理解，人工智慧實際上十年來沒有特別重大的突破。
在算力方面，英偉達過去超過英特爾引領潮流，相信未來會繼續奮勇向前。包括亞馬遜、谷歌等企業的自主研發，已經把雲端算力做得非常強大，這方面，來自深圳鵬城實驗室的鵬城雲腦，同樣是非常典型的成功案例。
接下來，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。這是科研的一條道路。
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，來解釋為什麼今天有這麼強大的算力，有這麼多大數據以後，智能還不盡如人意。
他在微軟的朋友在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。
沈向洋指出，以上都值得反思，深度學習做到現在是不是離智能更近了？
為此他曾經和比爾蓋茨以及紐約大學教授GaryMarcus討論，得出的結論是，預訓練的模型、深度學習的東西，到現在為止只是獲取知識，而不是理解知識。所以必須要清醒的知道，正在做非常了不起事情的人工智慧，並不是最棒的模型。
他認為，很有必要回歸初心，回過頭去認真思考機器學習的目的到底是什麼。
其次，人工智慧今天驚人的成就，做仿真器是最大的代表作。接下來最激動人心的事情，可能應該是寫更大的仿真器，去仿真真正的物理世界。
最後，接下來最重要的事情，是讓人工智慧從深度學習過渡到深度理解。他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，能夠做到深度理解的框架。