从初阶到现代：人工智能“短板”如何补

自今年4月以来，支付宝、微信和银联相继推出了自己的刷脸支付产品。擦脸付款已成为所有人青睐的下一个战场。数据显示，到2022年，面子支付用户的数量预计将超过7.6亿。

然而，随着人脸识别和语音识别等人工智能技术的发展，其安全问题日益突出。最近，中国科学院院士、清华大学人工智能研究所所长张博在接受《中国科学日报》采访时表示，随着人脸支付应用的重要性和规模不断增加，其被盗的潜在风险也在不断增加。“为什么还没有人被偷？这是因为收入太少，不值得。”

算法、数据和计算是驱动人工智能的“三驾马车”。然而，在香港科技大学教授、伟众银行首席人工智能官杨强看来，就核心算法而言，人工智能离“现代化”还有很长的路要走。

从初始阶段到现代阶段

在最近于苏州举行的第九届吴文俊人工智能科技颁奖典礼暨2019中国人工智能产业年会上，杨强荣获吴文俊人工智能杰出贡献奖。在发表获奖感言时，他坦率地说，人工智能的研究离理想目标还有很长的路要走。

他以物理为例。“物理学的最终目标之一是用一种理论解释宇宙中的所有现象，但当我们翻开人工智能领域的一本书时，我们会发现其中有各种算法，每种算法都只针对一种现象。”他认为这种方法类似于物理学发展之初出现的现象，当物理学发展到现代物理学时，人工智能将来也应该发展到现代人工智能，发展到一般人工智能理论，用一种理论来解释n种智能现象。“这是我们应该做的。”

作为中国人工智能协会的主席，中国工程院院士戴琼海也提出了这样一个问题:当前人工智能的繁荣背后一定有隐患。例如，多学科交叉促进了人工智能的快速发展，但在新方法、新原理、新技术和新应用不断涌现的同时，“我们应该深入思考，仅仅跟随这一趋势是否会导致错过人工智能重大变革的机会，以及交叉集成是否应该从工程层面提升到基础科学层面？”

基于近两年来学术界对国家自然科学基金的申请，国家自然科学基金委员会人工智能处处长吴认为，人工智能仍处于弱人工智能的初级阶段。其标志之一是，基于当前的基础理论或核心算法的现状，人工智能在进行数据识别时仍然主要依赖人工和人工方法。此外，机器学习的卷积神经网络是100层还是1000层实际上没有科学依据，或者是“跟随感觉”。他希望与学术界和工业界合作“研究人工智能的基本科学问题”

新问题和新方向

在获得2019年吴文俊人工智能最高成就奖后，张博很快接受了《中国科学报》的采访。当谈到作为人工智能核心的算法和计算能力问题时，他说“有两个阶段的深度学习是意想不到的”。一个阶段是深度学习首次出现时，它在减少相关领域的知识需求方面显示出巨大优势。例如，人脸识别过去在向计算机输入信号时需要大量的预处理和时间来研究。深入学习后，输入原始数据。这对于那些刚刚进行深入研究的人和那些已经做了很长时间的人来说没有什么区别。“深度学习成了每个人都可以在一夜之间使用的工具。这对每个人来说都是一个巨大的惊喜。”

第二阶段是经过一段时间的应用，发现这种方法很有问题。张博告诉《中国科学报》，这主要体现在四个方面。首先，它不可信，这表现在算法的结果无法解释。第二是不安全感，比如容易受到攻击和欺骗。第三，这是不可靠的，会有重大错误。例如，人类可能认为骡子是驴，而机器可能认为石头是驴，这使得它们在关键时刻无法使用。第四，推广能力差，所以我们不能举一个例子。

基于此，张博和他的团队提出发展“第三代人工智能”，即将数据驱动和知识驱动相结合，突破当前人工智能的局限性，解决自动知识获取、表达和推理三个问题。张博告诉记者，“数据本身不能产生智能。知识是人类智力的基石。如果计算机处理知识的能力达到人类水平，那么它的智能就能达到人类水平。”

然而，在杨强看来，尽管深度学习确实有一些缺点，例如，它不能解决孤立的数据孤岛问题，并且不能有效地利用分布式和分散的数据。然而，他认为，如果深入学习继续发展，“仍有大量财富有待挖掘。”例如，它与工业和其他行业紧密结合。对于研究人员来说，除了深入学习，他们还可以找到另一种方法，如关注小数据、分布式和分散数据等。

解决“颈部粘连”的方法是什么

中兴通讯事件后，“粘脖子”技术成为热门词汇。东南大学仪器科学与工程学院院长宋·认为，“人工智能领域仍有许多关键技术例如，人工智能模仿人类的感知、认知和其他智能行为，但现在我们对人类的感知和认知机制还不是很清楚。不清楚的原因既是一个科学问题也是一个技术瓶颈。由于缺乏检测人脑思维过程的相应仪器，我们无法了解人脑思维过程中脑神经元的动态成像过程

平安集团首席科学家、人工智能杰出贡献奖获得者萧静将“瓶颈”技术分为两种类型。一个是从0到1。世界上没有解决办法。我们需要进行开创性的研究。还有另一种人们拥有但我们没有的，比如开源软件。“事实上，我们在‘瓶颈’领域有很多机会。这是我们的机会。”

“现在许多学生正在做人工智能工作，而且做得非常快，但基本上他们使用的是国外开源软件，而且收集的数据也来自国外。我们需要从根本上改变这两个方面。”杨强告诉《中国科学》。他建议，为了解决“瓶颈”问题，我们应该鼓励国内人工智能从业者开放他们的软件并使用他们的软件，同时鼓励他们贡献自己的数据集进行测试。“这些工作通常没有光环，很可能会失败。我希望所有各方都会支持他们。”

此外，更多的人应该做基础研究。“因为现在以深度学习为核心的人工智能只是人工智能的一个狭隘的方面，还有许多新的方向需要研究。在国外，许多学者从事非常不受欢迎的研究，这种现象在中国很少见。”杨强说。他希望从事人工智能研究的年轻学生除了学习计算机知识之外，还能学习心理学、认知、脑神经病学、医学等方面的知识，因为“这样的人才既有‘深’又有‘广’的能力，以便更好地传递知识”

在2019年中国人工智能产业年会高峰对话会上，与会专家讨论了人工智能核心算法应用面临的机遇和挑战。