澎湃新聞記者 楊喆
處於高速發展期的人工智慧也遇到了「成長中的煩惱」。
在人工智慧應用逐漸普及到各種生活場景之後,如何讓機器進一步實現「理解、推理、決策、可解釋」的認知智能成為了AI研究的熱點和趨勢。未來的AI能否更智能,認知智能技術的突破是關鍵所在。
在7月11日舉行的第三屆世界人工智慧大會(WAIC)「認知智能 改變世界」行業論壇上,與會的專家學者圍繞探索認知智能的未來和可能展開了討論。
「這幾年人工智慧如火如荼,但也應該清醒地認識到,這樣的繁榮更多還是在應用層面上,依靠的是現在的數據和計算能力,對於算法本質性的創新仍然有限。」論壇上,復旦大學數學科學學院教授、類腦智能科學與技術研究院副院長林偉在主題演講中談到。
論壇結束後,林偉就類腦智能技術以及人工智慧的未來發展等問題接受了澎湃新聞(www.thepaper.cn)的專訪。
林偉 WAIC 圖
類腦智能是人工智慧由強到弱的突破口
林偉認為,從單純依賴數據驅動到數據驅動和模型驅動並行,是AI發展到一定階段的自然趨勢。
「模型的建構對於提高人工智慧的效率和可靠性非常重要。」林偉以新冠肺炎疫情舉例,新冠肺炎雖然是新出現的疾病,但只要具備了足夠多的病例樣本,就可以針對性地改進算法。在算法的加持下,醫學影像診斷將變得更加精準,也減少了單純依靠人工診斷而產生的誤判可能性。「這需要我們搭建好有關疾病的數學模型,有了合理、完善的模型框架,除了應用於疾病診斷,還能實現對疫情的預測,及早進行防控部署。」林偉說。
「從廣義上來說,現在的人工智慧研究,也應該是類腦智能研究的範疇。數學、模型、算法對類腦智能研究起著重要作用。類腦智能作為人工智慧由弱向強跨越式發展的重要突破口,已成為全球科技和產業創新的前沿陣地。」作為類腦智能研究領域的學者,經常有人向林偉問起,究竟什麼是類腦智能?在他看來,類腦智能研究主要分為三個方面,認識腦、模擬腦、增強腦。
林偉告訴記者,類腦智能研究第一步是認識腦。搞清楚大腦到底是怎麼樣工作的,這個過程對認知腦非常關鍵。要從認識一個腦細胞開始,積累數據,發現規律。
那麼何為模擬腦?在林偉看來,某些大腦局部的一些功能,是應當以數學模型的方式有限或者無限地表現出來,這是模擬腦領域非常重要的研究前景。
而關於增強腦,林偉認為,醫學領域可以率先進行實踐。「比如說某些病患,部分功能喪失。我們可以通過和相應生物醫學工程的專家合作,把相應的算法、控制器植入到相應的腦區裡邊去,替代某些喪失的功能。」
「完全替代人腦我想現階段還做不到。」在林偉看到,每個人的大腦都是有差別的,能替代也只是一部分。人與人之間也差別很大,即使做出來模擬大腦,那也是個體的大腦。他認為用「增強腦」表述更為恰當。
「數學家應該發揮更大的推動作用」
「幾百年前,人類對大自然和整個宇宙的關心,不亞於現在社會對大數據規律挖掘的關心。」林偉認為,很多機器學習雖然在某些方面實現了智能應用,但目前的AI技術與真正的人工智慧還是有距離,人工智慧所運用的基本數學框架和理論,有的還是停留在1980年代。機器學習在創造性、靈感方面還是無法實現。
「我一直在各種場合呼籲,數學家應該發揮更大的推動作用。」林偉表示,在歷次人工智慧實現本質性的跨越式的發展時,幾乎都是數學家起到了核心的作用。
而他也清楚,業界目前可能還是更多地考慮AI技術能否賦能具體的業務,關注的是各種現實的應用場景。林偉也希望業界的翹楚們,能夠鼓勵研發團隊做一些原創性、顛覆性的探索。例如在人腦未知領域進行深耕研究,開發出新一代的算法框架,推動下一代人工智慧技術儘早到來。
當天的論壇上,來自華院數據的科學家徐清也受邀發言,他所關注的是以優化算法提升人工智慧在各種現實環境中抗幹擾能力的話題。
這一想法和林偉的思考不謀而合。「模型驅動當然也必須考慮數據模型的抗幹擾性。」在林偉看來,這正是世界人工智慧大會舉辦的意義所在,不同研究者之間的觀點不謀而合,在自由交流中碰撞出更精彩的火花。
責任編輯:蔣子文
校對:張亮亮
澎湃新聞,未經授權不得轉載。新聞報料:4009-20-4009