【科學網】張鈸院士：人工智能超過人類只是特定意義上的可能
| 來源：科學網【字號：大 中 小】
近年來，深度學習的提出，在人工智能領域中是一個重大突破。以往，人工智能只能用來解決人們對它非常了解，而且能夠清楚的將它表達出來的問題，例如醫(yī)療診斷，人們大體上能夠說清楚一個癥狀是由什么疾病引起的；例如下象棋，每下一步都能夠說明它的理由，等等。但這些問題、領域都非常有限，而深度學習的意義在于，它拓展了人工智能所能解決問題的邊界。
深度學習具有一定的通用性。比如現(xiàn)在人們利用深度學習來做圖像識別，不一定要具備非常豐富、專業(yè)的圖像知識，外行也能做。即使你不是這個領域的專家，也能把深度學習應用到這個領域。所以，深度學習是一種大眾化的工具。而且，即便你對這個領域沒有很深入的了解，但只要擁有充分的數(shù)據(jù)，就能夠做研究。
正是因為有了深度學習，目前機器人在語音、圖像識別、下圍棋等很多以往都被認為是人類最擅長的領域，全面的超過人類。比如，谷歌研發(fā)的AlphaGo打敗李世石、戰(zhàn)勝柯潔就是例子。
為什么機器下圍棋能夠超過人類？為什么人工智能在圖像識別的某些方面會超過人類？我認為有三大法寶：第一是數(shù)據(jù)，第二是計算資源，第三則是算法。這就是深度學習成功的三大法寶。日常生活中，人們常常感慨大數(shù)據(jù)的力量，計算資源的力量，但是沒有看到背后算法的重要性。比如AlphaGo能夠在兩三周的時間內，學到幾千萬個棋局，能夠自己和自己下圍棋，靠的正是強化學習算法。
但是，人工智能的發(fā)展，依然受到多個條件的限制，即大量的數(shù)據(jù)、完全的信息、確定性的信息和單領域（單任務）。只有這四個限定條件達成后，機器才有可能達到或者超過人類的水平。比如說我們可以利用醫(yī)療數(shù)據(jù)來做大數(shù)據(jù)處理，像某些疾病的醫(yī)療診斷，醫(yī)療圖像的識別，只要符合這四個條件，人工智能都可以做，而且經過努力，是可以達到或者超過人類的水平。但是，現(xiàn)實生活中，大量的工作并不符合以上四個條件，這樣現(xiàn)在的人工智能技術就有困難。
應該說，人工智能現(xiàn)在還做不到具備像人類那樣舉一反三的能力。推廣能力差、魯棒性差等局限使得人工智能要超過人類只是特定意義上的可能，其實它在很多方面還不如人類。人工智能現(xiàn)在學習的是舉一百反一。它需要經過幾千萬甚至上億的樣本的訓練，學過的才能夠識別。因此，這里面有大量的研究工作要做。（彭科峰整理）
京公網安備110402500047號 網站標識碼bm48000022