隨著“人工智能”作為重要發(fā)展導(dǎo)向被國家正式列入《“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》、《“十三五”國家科技創(chuàng)新規(guī)劃》，習(xí)近平總書記提出推進(jìn)新一代人工智能健康發(fā)展的重要政策指導(dǎo)，人工智能行業(yè)在國內(nèi)迎來集中研究興盛期，研究側(cè)重點(diǎn)也從觀點(diǎn)提出期，發(fā)展到了以谷歌Alpha Go和深蘭Deepblue Go為代表的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)獨(dú)立研究期，并在智能語音識(shí)別交互和計(jì)算機(jī)視覺等研究方面取得了重大突破。今天我們有幸請到了AI獨(dú)角獸企業(yè)深蘭科技深度學(xué)習(xí)科學(xué)家方林博士，為我們揭秘人工智能領(lǐng)域的領(lǐng)先科技及研究成果，解讀行業(yè)趨勢和發(fā)展方向。

記者：您進(jìn)入AI領(lǐng)域有多久了？

方林：我從1990年開始學(xué)習(xí)人工智能，1992年開發(fā)了人生第一個(gè)人工智能程序——五子棋人機(jī)對弈。自博士畢業(yè)后，已經(jīng)致力于人工智能的研究長達(dá)20年。

記者：您為什么會(huì)投身AI領(lǐng)域呢？

方林：在眾多的計(jì)算機(jī)理論中，人工智能是我最感興趣的理論之一。它是研究如何讓計(jì)算機(jī)具備人類智能的學(xué)科，由數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家們提出的眾多理論和算法組成。比如A＊算法、Alpha－Beta剪裁、梯度下降法和反向傳播算法等等。研究她們并付諸于實(shí)踐，就能夠幫助我們編寫出神奇的程序，從而控制計(jì)算機(jī)做出不可思議的事情。比如與人類棋手對弈并戰(zhàn)勝人類。這多么有趣??！

所以，從事AI理論研究和實(shí)踐能夠給我?guī)頍o窮的樂趣。我常常覺得那些算法和數(shù)學(xué)公式代表的也許是一種他人無法理解的美，而我樂在其中。

記者：您一直從事哪些方面的研究呢？

方林：我研究的方向包括搜索算法、博弈算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、遺傳和進(jìn)化算法等。

記者：眾所周知，人工智能已經(jīng)成為業(yè)界乃至全社會(huì)重點(diǎn)關(guān)注的行業(yè)，大家都知道人工智能是最新前沿科技，但是對人工智能本身并不了解。您可以通俗易懂地給大家介紹一下什么是人工智能嗎？

方林：簡單地說，人工智能就是讓計(jì)算機(jī)或者機(jī)器具備像人類一樣的智能，完成以前只有人類，尤其是人類智能才能完成的任務(wù)。比如駕駛車輛、與人對弈、識(shí)別人臉等等。

城市發(fā)展、產(chǎn)業(yè)升級、生產(chǎn)生活 離不開人工智能

記者：人工智能目前主要應(yīng)用于哪些領(lǐng)域？

方林：移動(dòng)支付、物流、電子商務(wù)、機(jī)械制造、生物化學(xué)、無人駕駛、機(jī)器人......。從制造業(yè)到醫(yī)療、衛(wèi)生保健、教育、物流、交通、城市管理，人工智能無所不在，幾乎涵蓋了城市發(fā)展、產(chǎn)業(yè)升級和生產(chǎn)、生活、服務(wù)的方方面面。

記者：您認(rèn)為AI在哪個(gè)行業(yè)的實(shí)用價(jià)值最大？

方林：目前來說，AI在物流、移動(dòng)支付和電子商務(wù)等商業(yè)領(lǐng)域方面的應(yīng)用最為成熟，也較為成功。當(dāng)然，在不久的將來，在其他領(lǐng)域也有可能取得更大的突破，比如藝術(shù)創(chuàng)作。

記者：AI領(lǐng)域的發(fā)展對學(xué)術(shù)領(lǐng)域產(chǎn)生了什么樣的影響？

方林：使一些表面看似沒有關(guān)聯(lián)的知識(shí)產(chǎn)生了聯(lián)系。比如，微積分和繪畫。從前，數(shù)學(xué)家和藝術(shù)家之間幾乎沒有多少共同點(diǎn)?，F(xiàn)在，數(shù)學(xué)家可以利用數(shù)學(xué)知識(shí)（比如微積分）創(chuàng)建生成式對抗網(wǎng)絡(luò)，從而生成素描、漫畫或者油畫。作品看起來幾乎就跟人類藝術(shù)家創(chuàng)作的一樣好。

“結(jié)伴學(xué)習(xí)”促進(jìn)學(xué)習(xí)進(jìn)化

記者：目前，您主導(dǎo)什么樣的研究呢？

方林：目前，我在深蘭科技進(jìn)行一項(xiàng)稱作“結(jié)伴學(xué)習(xí)”的研究。原理是將樣本成對地輸入到模型中進(jìn)行訓(xùn)練。學(xué)習(xí)過程中，兩個(gè)樣本之間互相促進(jìn)、互相提高。

記者：能否結(jié)合實(shí)例解讀結(jié)伴學(xué)習(xí)研究？研究能夠產(chǎn)生什么實(shí)際作用？

方林：近期，我們團(tuán)隊(duì)正在研發(fā)一個(gè)人工智能時(shí)裝設(shè)計(jì)系統(tǒng)。在這個(gè)系統(tǒng)中，結(jié)伴學(xué)習(xí)能夠準(zhǔn)確地抓取時(shí)裝的特征?；谶@些特征生成的時(shí)裝走秀圖的質(zhì)量要比目前流行的GAN（生成式對抗模型）要高得多。并且模型的參數(shù)少，結(jié)構(gòu)簡潔，訓(xùn)練速度快。比如結(jié)伴學(xué)習(xí)1個(gè)小時(shí)訓(xùn)練的結(jié)果比GAN1天的訓(xùn)練效果還要好。

記者：那么結(jié)伴學(xué)習(xí)能使哪些科學(xué)研究受益呢？

方林：結(jié)伴學(xué)習(xí)是一種通用的學(xué)習(xí)方法，在圖形圖像處理、自然語言處理、語音處理和視頻處理中都可以發(fā)揮作用。

傳統(tǒng)深度學(xué)習(xí)模型中，樣本之間是沒有聯(lián)系的。模型只會(huì)對一個(gè)個(gè)的孤立樣本進(jìn)行處理。結(jié)伴學(xué)習(xí)則不同， 她處理的是一對一對的樣本。模型在訓(xùn)練時(shí)，不但從樣本中學(xué)習(xí)知識(shí)，還從樣本的差異中學(xué)習(xí)知識(shí)。這大大提高了學(xué)習(xí)效率，提高了學(xué)習(xí)精度。這就像兩個(gè)中學(xué)生在學(xué)習(xí)時(shí)互相幫助、互相促進(jìn)，共同提高。

結(jié)伴學(xué)習(xí)的另一個(gè)特點(diǎn)是對樣本的復(fù)制。我們知道，自然界中遺傳和進(jìn)化的基礎(chǔ)是子代對父代的復(fù)制。結(jié)伴學(xué)習(xí)通過對樣本的編碼和解碼實(shí)現(xiàn)對樣本的復(fù)制，并在這個(gè)過程中獲得樣本的語義信息。自然界中，遺傳和進(jìn)化的基礎(chǔ)是基因；結(jié)伴學(xué)習(xí)中，編碼和解碼的基礎(chǔ)就是語義。所以結(jié)伴學(xué)習(xí)可能可以在遺傳和進(jìn)化算法研究中發(fā)揮重要作用。

記者：人工智能目前的發(fā)展現(xiàn)狀和未來發(fā)展趨勢如何？

方林：人工智能的前景十分廣闊，是最有希望賦能幾乎所有行業(yè)的技術(shù)之一，將在生產(chǎn)、生活和科學(xué)研究的各個(gè)方面發(fā)揮積極的作用。

目前，我國在人工智能理論研究方面的水平相較國外最先進(jìn)水平還有一定的差距。比如人工智能基礎(chǔ)框架幾乎都是國外科研人員開發(fā)的。但我們正在積極趕上，步步緊隨。許多新理論、新方法、新算法都是中國科學(xué)家首先提出的。深蘭科學(xué)院提出的結(jié)伴學(xué)習(xí)就是這方面的一個(gè)例子。

相對于理論研究，我國人工智能應(yīng)用已經(jīng)走在了世界前列。比如我國在移動(dòng)支付、智能物流、電子商務(wù)、共享單車、高鐵等等領(lǐng)域內(nèi)的人工智能應(yīng)用已經(jīng)把美歐日甩在了后面。我認(rèn)為，這是繼以蒸汽機(jī)為代表的第一次工業(yè)革命、以電氣化為代表的第二次工業(yè)革命和以信息化為代表的第三次工業(yè)革命后，中國首次在以人工智能為代表的第四次工業(yè)革命中領(lǐng)跑。其意義遠(yuǎn)大于前三次工業(yè)革命之和。

人工智能未來助推：遺傳算法和進(jìn)化學(xué)習(xí)

記者：人工智能領(lǐng)域有哪些尚未攻克的難點(diǎn)，是否有希望解決呢？

方林：目前，對于遺傳和進(jìn)化算法的理論研究還沒有取得實(shí)質(zhì)性的突破，對進(jìn)化學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的研究仍處于摸索階段。在對抗學(xué)習(xí)的研究方面還存在諸多難點(diǎn)。

不過，越是逼近困難，越容易出現(xiàn)突破。1986年臺(tái)灣應(yīng)昌期出資120萬美元用來獎(jiǎng)勵(lì)2000年之前戰(zhàn)勝人類專業(yè)棋手的圍棋程序。當(dāng)時(shí)有人認(rèn)為這樣的圍棋程序在50年內(nèi)都無法實(shí)現(xiàn)。但僅僅30年后，Alpha Go 就解決了這個(gè)問題。

關(guān)于遺傳算法，目前我們需要研究和攻克的關(guān)鍵點(diǎn)是如何實(shí)現(xiàn)模型的自我進(jìn)化。當(dāng)前，我們的科學(xué)家們還只能人工優(yōu)化模型，耗時(shí)耗力，模型的結(jié)構(gòu)也不會(huì)自動(dòng)發(fā)生變化。神經(jīng)元之間的一些奇特的連接方式可能永遠(yuǎn)也不會(huì)被人腦發(fā)現(xiàn)，除非讓電腦來思考這個(gè)問題。就像人類棋手戰(zhàn)勝不了Alpha Go Zero的一個(gè)重要原因就是后者常會(huì)走出一些人類看不懂的棋。

將來，如果我們能夠在進(jìn)化算法方面取得突破性的進(jìn)展，這將帶動(dòng)人工智能的發(fā)展進(jìn)入一個(gè)新階段。這是全世界，包括深蘭科技在內(nèi)的科研團(tuán)隊(duì)正在共同努力的方向。我們對于將來攻克上述難點(diǎn)持謹(jǐn)慎樂觀的態(tài)度。

記者：您對人工智能未來的研究有何展望呢？

方林：未來的人工智能研究主要有兩個(gè)方向：第一是人工智能應(yīng)用。即如何更廣泛更高效地把人工智能應(yīng)用到某個(gè)具體場景中。

第二是人工智能理論研究的突破。這主要是指對抗學(xué)習(xí)、遺傳算法、進(jìn)化學(xué)習(xí)和強(qiáng)化學(xué)習(xí)理論的突破。目前的人工智能還只能解決一些功能性問題。比如Alpha Go，只能下圍棋。在不更改模型結(jié)構(gòu)的情況下她不能學(xué)習(xí)和實(shí)現(xiàn)其他功能。另外，目前的人工智能還不能真正做到一邊學(xué)習(xí)一邊使用。我們通常只能在訓(xùn)練完成后才能使用模型。

黑盒推理如何成為白盒推理，是未來AI研究重點(diǎn)

記者：在尚未涉足的領(lǐng)域中，AI未來還有哪些內(nèi)容值得深耕呢？

方林：有兩個(gè)方面。一是機(jī)器定理證明，第二是邏輯推理。目前的深度學(xué)習(xí)仍是黑盒推理。我們可以通過深度學(xué)習(xí)的模型獲得推理結(jié)果，但仍無法了解或者判斷出得出這個(gè)結(jié)果的過程是怎樣的。我們希望未來能夠把黑盒推理轉(zhuǎn)變?yōu)榘缀型评?，從而讓我們能夠清楚了解推理的過程。

當(dāng)下，科學(xué)家們發(fā)現(xiàn)在深度學(xué)習(xí)模型當(dāng)中，每個(gè)神經(jīng)元激活情況跟人腦中真正的神經(jīng)元的表現(xiàn)高度一致，這是目前人工智能科學(xué)家發(fā)現(xiàn)的最好的結(jié)果。但這只能說明深度學(xué)習(xí)的方向是對的，但仍無法解釋推理的過程。

至于機(jī)器定理證明，盡管很少有人提及，她其實(shí)是人工智能皇冠上的明珠。涉及自然語言理解、知識(shí)圖譜、知識(shí)語義、邏輯推理和歸納推理。其中的邏輯推理恰恰不是現(xiàn)在的深度學(xué)習(xí)技術(shù)所擅長的。如果機(jī)器定理證明能夠取得突破，人工智能就具備了自學(xué)人類記載在書籍中所有知識(shí)的能力。

人工智能 改變未來

記者：作為AI領(lǐng)域的深度研究者，您最希望人工智能能夠幫助您解決什么樣的問題？

方林：因?yàn)槠饺展ぷ鞣泵Γ栌趯胰苏疹?，而太太在家中操持家?wù)非常辛苦，所以就我個(gè)人而言，我迫切希望能夠發(fā)明出一個(gè)家務(wù)機(jī)器人，買菜燒飯、洗衣疊被，什么家務(wù)活都能干，還能輔導(dǎo)我女兒學(xué)習(xí)。

記者：智能家居對此似乎已有所斬獲，那么AI技術(shù)應(yīng)用能產(chǎn)生什么突破呢？

方林：當(dāng)前的智能家居是功能型的。比如智能臺(tái)燈就只有臺(tái)燈的功能，最多我們能通過手機(jī)App遠(yuǎn)程控制它，還算不上是家務(wù)機(jī)器人。我所說的家務(wù)機(jī)器人是全智能家務(wù)機(jī)器人，可以做各種家務(wù)活，能夠?qū)W習(xí)，可以交流，能夠自動(dòng)適應(yīng)不同家庭的實(shí)際需要。

記者：目前無人駕駛是公眾比較關(guān)注的，但對此也存在許多爭議，比如自動(dòng)駕駛是否能替代人類駕駛。您怎么看？

方林：從技術(shù)上講，我認(rèn)為是有可能的。從圖形圖像處理、計(jì)算機(jī)視覺、視頻處理等方面的研究來看，讓計(jì)算機(jī)感知外界的環(huán)境（比如道路、樹木、障礙物等）并重建周圍立體環(huán)境是有可能的。結(jié)合GPS衛(wèi)星定位、地圖導(dǎo)航和強(qiáng)化學(xué)習(xí)，自動(dòng)駕駛就會(huì)成為可能。

記者：目前，隱私安全也是公眾比較關(guān)注的，AI技術(shù)能否借助當(dāng)下研究，幫助人們解決這些方面的問題？

方林：當(dāng)然可以。目前深蘭科技主導(dǎo)提出的人體生物識(shí)別技術(shù)（掌脈識(shí)別技術(shù)），是國內(nèi)行業(yè)領(lǐng)域比較領(lǐng)先甚至是獨(dú)有的生物感應(yīng)技術(shù)，通過活體識(shí)別取代信息數(shù)據(jù)加密技術(shù)，更好地保護(hù)公眾信息安全和隱私，實(shí)現(xiàn)欺詐預(yù)警。具備了很好的實(shí)用價(jià)值。

創(chuàng)新創(chuàng)造 人工智能是人腦的得力助手

記者：在傳統(tǒng)觀念中，AI在基礎(chǔ)應(yīng)用的技術(shù)比較成熟，那么在創(chuàng)新創(chuàng)造方面，能否起到一些更好的作用呢？

方林：目前的人工智能技術(shù)可以讓計(jì)算機(jī)創(chuàng)作出不遜于人類藝術(shù)家的藝術(shù)作品。比如音樂、繪畫、攝影等等。深蘭科學(xué)院的人工智能時(shí)裝設(shè)計(jì)系統(tǒng)還能夠進(jìn)行時(shí)裝設(shè)計(jì)。

再比如Alpha Go，不僅擊敗了人類圍棋高手，它對圍棋的認(rèn)識(shí)也遠(yuǎn)遠(yuǎn)超越了人類。人類圍棋高手目前考慮的不是如何擊敗Alpha Go，而是如何從她的棋譜中獲得啟發(fā)。

所以人工智能成為人腦很好的幫手，補(bǔ)充人類思維和認(rèn)知緯度的不足。

新興行業(yè)衍生新職業(yè) 人工智能也一樣

記者：AI技術(shù)的發(fā)展已經(jīng)能夠取代一些基礎(chǔ)工作，那么在技術(shù)發(fā)展到一定的高度后，會(huì)不會(huì)導(dǎo)致失業(yè)呢？

方林：不會(huì)。雖然部分行業(yè)會(huì)受到一些影響，一些崗位可以被取代或者因?yàn)锳I技術(shù)成熟而消失。但技術(shù)成熟后會(huì)衍生出更多的新興行業(yè)、崗位和工種，而且將比消失的更多更豐富。比如汽車出現(xiàn)之前，人們不會(huì)知道它會(huì)帶來這么多職業(yè)或行業(yè)，比如造車、賣車、保養(yǎng)、保險(xiǎn)、洗車、修車、修路、架橋、高速公路、路政、交警......。那些曾經(jīng)阻撓汽車推廣的人現(xiàn)在到哪里去了呢？

人工智能不但不會(huì)取代人工，反而需要更多的人工。但不想學(xué)習(xí)、不懂得改變自己的人，是有可能會(huì)被淘汰的。

人工智能人才稀缺 數(shù)學(xué)、微積分發(fā)燒友注意了！

記者：您認(rèn)為人工智能行業(yè)或者說企業(yè)最迫切需要什么樣的研究人員呢？

方林：我認(rèn)為是數(shù)學(xué)和計(jì)算機(jī)理論相結(jié)合的專業(yè)人員。有人認(rèn)為，軟件開發(fā)（包括人工智能研究）就是編程序，編程只需要懂得計(jì)算機(jī)語言的語法就行了。我認(rèn)為，計(jì)算機(jī)理論和數(shù)學(xué)的每一門學(xué)科都代表了一個(gè)認(rèn)知緯度。就像劉慈欣在《三體》中所說的那樣，二維世界的人根本就無法理解和抗衡三維世界的人；三維世界的人根本就無法理解和抗衡四維世界的人。認(rèn)知緯度的重要性于此可見一斑。

我從來不認(rèn)為微積分只有在使用微積分時(shí)才發(fā)揮作用。數(shù)學(xué)帶給我們的，是我們對世界看法的根本性改變。沒有這種改變，人類無法從事人工智能科研，也不可能取得有意義的成果。

同樣的，計(jì)算機(jī)理論也很重要。為此，我建議大家重視對《數(shù)據(jù)結(jié)構(gòu)》、《操作系統(tǒng)》、《編譯原理》等計(jì)算機(jī)理論課程的學(xué)習(xí)。書到用時(shí)方恨少，這些理論絕不僅僅只是在各自領(lǐng)域內(nèi)發(fā)揮作用。

記者：您有什么研究心得能夠分享給大家呢？

方林：第一，科學(xué)研究沒有捷徑，只能一步一個(gè)腳印潛心探索，無法一蹴而就。大家要坐得住，耐得住寂寞，耐得住無人理睬；第二，要重視計(jì)算機(jī)基礎(chǔ)理論和數(shù)學(xué)的作用。工欲善其事，必先利其器，用高中數(shù)學(xué)是不可能解決哥德巴赫猜想的；第三，要學(xué)會(huì)與其他科研人員交流，學(xué)會(huì)站在巨人的肩膀上。我們呼吁更多研究愛好者投身于這個(gè)行業(yè)，共同用人工智能創(chuàng)造未來新世界。