2018年人工智能領域研發(fā)熱點回眸

從2006年加拿大Hinton教授提出深度學習技術開始，到2012年ImageNet競賽在圖像識別領域帶來的突破，如今，人工智能的第三次發(fā)展浪潮到來。不同于80年代隨著神經(jīng)網(wǎng)絡而來的技術進步無法走進現(xiàn)實的困境，這一次的發(fā)展浪潮真正帶來了技術的落地，商業(yè)化道路也走得更加順暢。隨后的每一年，人工智能技術都在突飛猛進地發(fā)展，應用成果如雨后春筍般涌現(xiàn)。海量的數(shù)據(jù)，不斷優(yōu)化的算法，以及與之匹配發(fā)展的計算機運算能力，都為更多的發(fā)展可能性及應用可能性提供了廣闊的舞臺。而隨著人工智能在越來越多的方面落地，人們越來越多地感受到人工智能對于生活的改變，接受程度逐漸提升。
1、人機融合智能
　　除了技術產(chǎn)品化的道路拓寬以外，當下的人工智能還有許多亟待發(fā)展和研究的方向。它的以下特點推動它在第三次發(fā)展浪潮中前往更具突破性的階段，分別為：從人工知識表達技術到大數(shù)據(jù)驅(qū)動知識學習；從處理單一的數(shù)據(jù)到跨媒體認識、學習和推理；從追求“機器智能”到邁向人機混合的增強智能；從聚焦“個體智能”到基于互聯(lián)網(wǎng)絡的群體智能；從機器人到自主無人系統(tǒng)。
　　其中，人機混合的增強智能即為將人類智能與人工智能進行結(jié)合，邁向新的智能階段，此為人機融合智能。近年來，人機融合越來越成為人工智能領域的熱詞。2018年10月11日，美國“防務一號”網(wǎng)站發(fā)表刊文表示美國軍方高級情報員越來越擔心中國在人工智能等“提升人類效率”方面的研究[4]。美國國防情報局(DIA)局長羅伯特?阿什利(Robert Ashley)在舉行的美國陸軍協(xié)會(Association of the U.S. Army)年度會議上表示，“人機融合”是顛覆性技術的一個“關鍵領域”，將會影響美國的國家安全。他認為“中國在研究神經(jīng)網(wǎng)絡和人工智能方面所作的努力是一個分階段的過程，希望最終達到‘人與機器的融合’的程度”。
2018年人工智能領域研發(fā)熱點回眸 
　　在人工智能研究的領域，更快的計算并不是我們希望達到的最終目的，而讓計算機變得越來越與人融合，最終達到人機融合智能，才是最終的發(fā)展方向。當前人工智能雖然普及了眾多的應用形式，但是依然以計算為中心、難以突破意識壁壘，而能夠融合意識與計算特性的人類智能和人工智能融合智能體，即為人機融合智能。
　　人機融合智能研究是智能技術發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術研究，也包括機器與人、機器與環(huán)境及人、機、環(huán)境之間關系的探索。人機融合智能研究不僅僅要考慮機器技術的高速發(fā)展，更要考慮交互主體-人類的思維與認知方式，讓機器與人類各司其職，互相促進，這才是人工智能真正的前景與趨勢。
2、群體智能
　　在上文中提到的人工智能發(fā)展的特點中，人工智能是從聚焦“個體智能”到基于互聯(lián)網(wǎng)絡的群體智能。群體智能是源于對螞蟻、蜜蜂等為代表的社會性昆蟲的群體行為的研究，最早被用在細胞機器人系統(tǒng)的描述中。它具有分布式無中心的控制，并且群體自組織性。
　　在自然界中，集群的方式可以讓簡單的生物展現(xiàn)出驚人的復雜性、效率甚至創(chuàng)造力。在人工智能領域，可以通過這種方法產(chǎn)生一種新的智能，像超級專家一樣“共同思考”。通過隨機擴散搜索、蟻群優(yōu)化、粒子群優(yōu)化等算法，群體智能已應用在了無線通信、醫(yī)療、無人駕駛、藝術創(chuàng)作等方面[8]。
　　如今，Unanimous A.I.公司就在致力于研究群體智能，希望能夠?qū)?shù)百人的知識、智慧、洞察以及知覺通過算法連接起來。該公司研制的SWARM平臺等軟件可以通過實時閉環(huán)控制系統(tǒng)將分布式網(wǎng)絡組織成“人群”，能夠聚集人類參與者的集體智慧以得出意見。它成功預測了奧斯卡，超級碗比賽，以及法國大選的結(jié)果[9]。該系統(tǒng)對2017-2018賽季20周的NHL曲棍球比賽進行了預測，得到了85%的成功率，超過了維加斯博彩市場的22%。除了比賽和票選等預測活動，該群體智能方法還應用到了醫(yī)療領域，其診斷肺炎的準確率比單獨工作的放射科醫(yī)生團隊高出22%。
2018年人工智能領域研發(fā)熱點回眸
3、認知計算
　　認知是人與世界交互的重要過程，認知計算旨在模仿人類大腦的計算系統(tǒng)，讓計算機像人一樣認知和思考。只有實現(xiàn)了認知計算，才能真正實現(xiàn)可以學習并與人類自然交互的系統(tǒng)。從20世紀開始，人們通過單一用途的機械系統(tǒng)指示機器的行動，此為“制表時代”；在20世紀50年代進入了“編程時代”，人們通過編程的方式控制計算設備；從2011年起，人們就將認知計算列為了人工智能發(fā)展的目標，開始進入“認知時代”。在群體智能方面，我們借鑒了螞蟻等生物的啟示，而在認知計算里，我們依然要聚焦于生物，研究認知的整個過程。在認知計算中，系統(tǒng)通過大規(guī)模的學習，有目的、理性、自然地與人類進行互動。認知計算讓機器不僅僅通過編程來執(zhí)行指令，而是通過與人類的互動以及它們對環(huán)境的體驗來學習和推理。它能夠模擬人類的思維過程，理解世界的模糊性和不確定性。通過權衡來自多個來源的信息和想法，進行推理并提供假設。
　　IBM的Watson系統(tǒng)是其中最有名的認知系統(tǒng)。它通過篩選大量的數(shù)據(jù)庫獲取信息，以問答的形式幫助用戶回答對復雜問題的見解。通過認知計算的方式，它可以不斷地從用戶互動中獲取數(shù)據(jù)，變得更加聰明。它目前已經(jīng)成為了一個具有認知計算能力的生態(tài)系統(tǒng)，可不斷地衍生出各種行業(yè)解決方案，被應用于醫(yī)療、天氣預測法律顧問等方面。今年該平臺被用在了教育領域，瑞典的一個研究小組開發(fā)出了一個使用IBM Watson系統(tǒng)的學習并行編程的助手，在實際教學實驗中獲得了學生的好評。
　　認知計算的發(fā)展需要我們不斷地對人的認知過程進行研究。其中，態(tài)勢感知的研究也屬于認知計算領域。態(tài)勢感知將人的認知過程分為三個獨立的層次，分別為：對環(huán)境中元素的感知，對當前形勢的理解，對未來狀況的預測[15]。通過建模和結(jié)構化的思想，可以將人的認知過程量化為態(tài)勢感知程度。除此之外，人們也在不斷的通過其他方式對人類的認知過程進行量化，試圖通過計算機來進行模擬和計算。認知學可能是人工智能下一步發(fā)展的突破口。