人工智能带领人类从信息社会迈向智能社会

作者: 新华网客户端 2020-02-20 20:08:40

人工智能带领人类——从信息社会迈向智能社会

人工智能(AI)是指在机器上实现类似乃至超越人类的感知、认知、行为等智能的系统。与人类历史上其他技术革命相比,人工智能对人类社会发展的影响可能位居前列。人类社会也正在由以计算机、通信、互联网、大数据等技术支撑的信息社会,迈向以人工智能为关键支撑的智能社会,人类生产生活以及世界发展格局将由此发生更加深刻的改变。

人工智能分为强人工智能和弱人工智能。强人工智能,也称通用人工智能,是指达到或超越人类水平的、能够自适应地应对外界环境挑战的、具有自我意识的人工智能。弱人工智能,也称狭义人工智能,是指人工系统实现专用或特定技能的智能,如人脸识别、机器翻译等。迄今为止大家熟悉的各种人工智能系统,都只实现了特定或专用的人类智能,属于弱人工智能系统。弱人工智能可以在单项上挑战人类,比如下围棋,人类已经不是人工智能的对手了。

人工智能发展的基本思想和技术路径有三种

人工智能研究工作肇始于20世纪40年代,但其完整概念在1956年才正式登上历史舞台,在美国达特茅斯学院举行的“人工智能夏季研讨会”上提出。这个研讨会的主题就是用机器来模仿人类学习以及其他方面的智能,推进了人工智能起起伏伏、螺旋发展的历程。

第一个阶段,1956—1976年,基于符号逻辑的推理证明阶段。这一阶段的主要成果是利用布尔代数作为逻辑演算的数学工具,利用演绎推理作为推理工具,发展了逻辑编程语言,实现了包括代数机器定理证明等机器推理决策系统。但在人工智能理论与方法工具尚不完备的初期阶段,以攻克认知作为目标显然不切实际,人工智能研究逐步从高潮进入低谷。

第二个阶段,1976—2006年,基于人工规则的专家系统阶段。这个阶段的主要进展是打开了知识工程的新研究领地,研制出专家系统工具与相关语言,开发出多种专家系统,比如故障诊断专家系统、农业专家系统、疾病诊断专家系统、邮件自动分拣系统等等。专家系统主要由知识库、推理机以及交互界面构成,其中,知识库的知识主要由各领域专家人工构建。然而,知识仅靠专家的手工表达实现,终不免挂一漏万,使得专家系统无法与人类专家与时俱进的学习能力相匹配,人工智能研究第二次进入瓶颈期。

第三个阶段,2006年至今,大数据驱动的深度神经网络阶段,也是深度学习大行其道的时期。人工神经网络的发展,随着人工智能的发展起起伏伏。初期人们对其可以模拟生物神经系统的某些功能十分关注,但是对复杂网络的学习收敛性、健壮性和快速学习能力一直难以把握,直到上世纪80年代反向传播算法的发明和90年代卷积网络的发明,神经网络研究取得重要突破。深度神经网络方法走到前台,开启了人工智能新阶段。

自诞生以来,人工智能发展的基本思想和技术路径总的来说有三种。

第一种路径是符号主义或者说逻辑学派,形式逻辑是其理论基础,主张人工智能应从智能的功能模拟入手,认为符号是智能的基本元素,智能是符号的表征和运算过程。前述第一个阶段和第二个阶段中,符号主义都是主导思想。

第二种路径是连接主义或者说神经网络学派,发源于上世纪40年代,强调智能活动是由大量简单(神经)单元通过复杂连接后并行运行的结果。其基本思想是:既然人脑智能是由神经网络产生的,那就通过人工方式构造神经网络,再通过训练产生智能。人工神经网络是对生物神经网络的抽象和简化。80年代神经网络的兴盛和近年来兴起的深度学习网络,都是包含多层神经元的人工神经网络。

第三种路径是行为主义或者说控制学派,又称进化主义。这个学派在上世纪80年代末、90年代初兴起,思想源头是上世纪40年代的控制论。控制论认为,智能来自智能主体与环境以及其他智能主体相互作用的成功经验,是优胜劣汰、适者生存的结果。

机器学习是未来方向,将人类从重复性劳动中解放出来

机器学习是上世纪80年代中期发展起来的人工智能新方向。机器学习研究机器怎样模拟或实现人类的学习行为,以获取新的知识或技能,或者根据环境自适应地调整对策。机器学习可以让机器通过对经验进行“归纳”和“推理”而实现自动改进。

目前,机器学习仍然是人工智能研究的热点之一,包括深度学习的可解释性和可信性,增强智能系统的自学习和自适应能力,以及无监督学习、多模态协同学习、强化学习、终生学习等新的机器学习方法。另外,考虑到数据安全和隐私保护,在数据加密或者部分加密的情况下如何学习,也是重要研究方向之一。在深度学习浪潮推动下,人工智能其他研究方向也在加速发展,包括机器感知、模式识别与数据挖掘、自然语言处理、知识表示与处理、智能芯片与系统、认知与神经科学启发的人工智能、人工智能和其他学科的交叉等。

中国是世界上人工智能研发和产业规模最大的国家之一。虽然我们在人工智能基础理论与算法、核心芯片与元器件、机器学习算法开源框架等方面起步较晚,但在国家人工智能优先发展策略、大数据规模、人工智能应用场景与产业规模、青年人才数量等方面具有优势。

中国的人工智能发展,挑战与机遇同在,机遇大于挑战。尽管是后来者,但我们市场规模大,青年人多,奋斗精神强,长期来看更有优势。如果说18世纪中叶蒸汽机带来第一次工业革命,持续了100年;19世纪中叶电力带来第二次工业革命,持续了100年;20世纪中叶计算机与通信带来第三次工业革命,到现在持续了70多年;我们可以预见,本世纪中叶前后人工智能可能会带来下一次工业革命,影响百年。当然,现在人工智能技术的储备还远没有达到开启智能时代的量级,还需要持续积累和创新。现在的计算机体系结构,还无法满足实现强人工智能的需求。未来可能的突破方向包括人工智能基础理论与算法、类脑计算、生物计算、量子计算等。

其影响不仅关系国家发展,而且关系亿万劳动者日常生活。以深度学习为代表的人工智能技术高速发展并广泛应用,正在深刻改变人类社会生活的方方面面。产业界从提高效率、降低成本等角度,积极采用人工智能技术解决各种应用问题,包括智能机器人、智能制造、智能监控、无人驾驶、自动问答、医疗诊断、智能家居、政务法务等,为人类带来福祉。

从就业角度来看,越来越多的超市、银行、餐馆开始使用机器服务,甚至律师、证券分析师等高知识含量工作也可能被机器人取代,这给劳动者就业带来挑战。人工智能的应用必然会提高劳动生产率,正如第一次工业革命期间,机器的应用虽然减少了传统轻工业就业岗位,但是也创造了更多新兴产业就业岗位。人工智能也一样,随着它的发展,将会产生很多新的工作岗位,只是对技能的要求与传统岗位不同。因此,随着人工智能的推进,教育培训体系也应该根据就业结构变化而积极调整,加快推进产业升级中的职业转岗培训。

人工智能把我们从简单重复的劳动中解放出来,更有利于人类充分挖掘自己的智能潜力。面对即将到来的智能社会,我们应该以积极态度拥抱变化。与其担忧工作被抢走,不如与机器“共勉”,机器尚在持续学习,我们人类难道不应该更加努力学习、终身学习吗?

(作者高文为北京大学教授、中国工程院院士,黄铁军为北京大学教授)

人工智能 AI
上一篇:复工如何避免间接接触?人脸识别门禁实现硬核防控 下一篇:如何成功部署RPA
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

教育人工智能伦理风险如何消解

人工智能(Artificial Intelligence,简称AI)是计算机科学的一部分,包括研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统等方面。教育人工智能伦理则是用以规范教育人工智能开发及应用过程中关系、行为的道理及准则。

中国教育报 ·  20h前
为什么人工智能是可再生能源电网复原力的关键

各界呼吁政府在电网基础设施上投入资金,升级集中式发电源的长输电线路,尝试利用过去的技术来解决当今的问题。但是现在已经有了更好、更具前瞻性的替代方案:利用分散式可再生能源的人工智能(AI)。

世界经济论坛 ·  21h前
北京打造首个政策先行区:自动驾驶年内尝试真正无人

昨天,在北京经济技术开发区朝林广场,无人洗地机“蜗小白”引人关注。当日,经开区正式启动北京市智能网联汽车政策先行区。

北京日报客户端 ·  21h前
传统数据之外,哪里是通往智能之路?

为了实现这种更高阶的人工智能,寻求进步的公司都在积极探索,除了吸收更多数据并更好地管理数据的典型方法之外,我们还需要考虑更多创新的方法。

卿云 ·  1天前
“机器换人”引发就业挑战,一线工人前路何在?

当前,人工智能在全球范围内的加速发展引发各国高度关注,无论是简单的机械动作还是复杂的感知任务,人工智能所展现出的实力都可圈可点。

佚名 ·  1天前
AI机器人上场,驾培行业翻开智能化新篇章

驾培行业打破传统的驾培模式刻不容缓,而通过各种智能技术和装备,启动智能化的教学,无疑是有效的替代之法。

林中易木 ·  1天前
语音识别技术迎风发展,未来五年规模将近300亿

语音识别技术得到重视,根据市场研究机构报告预测,到2025年,语音识别市场规模将达到267.9亿美元。

六栎 ·  1天前
95%PyTorch库都会中招的bug!特斯拉AI总监都没能幸免

这就是最近Reddit上热议的一个话题,是一位网友在使用再平常不过的Pytorch+Numpy组合时发现。

明敏 ·  1天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载