算力说

人工智能已经可以自动生成以（yǐ）假乱真（zhēn）的人（rén）像照片（piàn）“忽悠”人类了。凭借“对（duì）抗神经网络”，人工（gōng）智能从（cóng）“学（xué）习”和“识别”进化到了“创造”。清华（huá）大学（xué）计算机系教（jiāo）授、博士生导师邓（dèng）志（zhì）东（dōng）将此技术与深度（dù）卷（juàn）积（jī）神经网（wǎng）络、AlphaGo并称为人工智能的（de）三大发（fā）展。当然，基于大数据和大计算的人工智能也存在着“先天不足”，至少在（zài）理解（jiě）和“举一反三”方面还有很（hěn）长（zhǎng）的路要走。

一个颇为无聊（liáo）的国外网站最近火了。

这（zhè）一名为（wéi）“此人不存（cún）在”（ThisPersonDoesNotExist）的（de）网站没有任何（hé）界（jiè）面设（shè）计，输入（rù）网址后显示的（de）只有一（yī）张人像大（dà）头（tóu）照。新奇之处就在于（yú），每次打开或刷新页（yè）面，显示（shì）的（de）照片都（dōu）不同，并且都不是真实存在的人物照（zhào）片（piàn）。

换言（yán）之，所有照片都是随（suí）机“生成”的，而其背后（hòu）正是人工（gōng）智能的（de）支撑。可以（yǐ）看（kàn）出，人工智能已（yǐ）经从“学习”和“识别”，开始进化（huà）到“想象”和“创造”。从网站（zhàn）上的（de）照片来看，不仅（jǐn）实现（xiàn）了无限（xiàn）“生成（chéng）”，而且还生成（chéng）得（dé）不（bú）错——人物有男（nán）有女，有老有少，不同（tóng）人种（zhǒng）、不同角（jiǎo）度、不同表情，甚至还有眼镜和佩饰，可谓以假乱真。

事实上，赋予人工智能想（xiǎng）象力（lì）和创造力的，正（zhèng）是（shì）被《MIT科技评论》评为2018十大科技（jì）突破之一的“对抗神经网络”。

据《MIT科技评（píng）论》介绍，“对抗”是指两个神（shén）经网络使（shǐ）用同一个数（shù）据（jù）集进（jìn）行训练。其中一个（gè）神经（jīng）网络叫生成网络（the generator），它的任务（wù）就（jiù）是依照所见过的图片来生成新的图片，而另外（wài）那个神经网络叫（jiào）判别网络（the discriminator），它的任（rèn）务则是判断它所见（jiàn）得（dé）图片（piàn）是（shì）否与训练时的（de）图片相似。

慢慢地（dì），生成网（wǎng）络创造图片（piàn）的能力会强到（dào）无法被判别（bié）网络（luò）识破的程度。经（jīng）过（guò）训练的生成网络学会了识别并创（chuàng）造看起来十分真实的（de）图片。这项技术已成为过去10年（nián）最具（jù）潜力（lì）的人工智能突（tū）破，帮助机器产生可（kě）以“忽悠（yōu）”人类的成果。

portant;" width="469" height="469" align="" />

生成式对（duì）抗（kàng）网（wǎng）络“创造”出的人像（现实中不存（cún）在此人（rén））具有（yǒu）十足（zú）“迷惑性”

更令人惊（jīng）叹的是，这样的（de）“生（shēng）成”还不限于图像。清华大学计（jì）算机系教授（shòu）、博士生导师邓志东近日在上海“张江（jiāng）·2019未来产业峰（fēng）会”上提到：“两个（gè）卷（juàn）积神经网络（luò）通过相互对抗，生（shēng）成超分辨率真实感的原创图像、声（shēng）音、3D物体或自然时序数据，这给AI带来（lái）一种类似于（yú）人类的（de）想象力。”

AI的三大（dà）主义与（yǔ）三（sān）大发（fā）展

令人叹为观止的人像“创造”背后（hòu），必然是对海量原始照片的学习。

邓志东认为，生物智能的一个主（zhǔ）要特（tè）征就是学（xué）习，而新（xīn）一轮人工智能的（de）鲜明特点就是学习能力。无论是生物智能还是人工智能，智（zhì）能的主（zhǔ）要特点就是感知能力、认知能力和行动能力。

追本溯源，智能的这三大特（tè）点源自连（lián）接主义（yì）、行为主义和符号主义。连接主义是生物智能（néng）的解剖学基（jī）础（chǔ），即生物神经系统所包含（hán）的神经元、神（shén）经元（yuán）的活性（xìng）及其相互（hù）作用。在此（cǐ）之（zhī）上（shàng），行为（wéi）主义通过奖励/惩罚进行（háng）自主学习，强化学习也是人类和动植物行为学习的主要方（fāng）式。最后，符号主义极（jí）大促进了人类（lèi）的智力发育，尤（yóu）其是语言的发明成为了（le）人类智能（néng）远（yuǎn）超其他生物（wù）智能的分水岭。

以“三大（dà）主义”为（wéi）基础，人工（gōng）智能（néng）在最近五六年取得了（le）飞速发展。目（mù）前来看，在大数（shù）据（jù）和大计算的驱（qū）动下，深度学习已成为计算（suàn）机视觉、语音识别（bié）与合（hé）成、自（zì）然语言处（chù）理和（hé）大数据分析等（děng）的主流方法。以深度卷积（jī）神经网（wǎng）络（luò）为基础的新（xīn）一代（dài）人（rén）工智能确实带来了更接近于人类视听觉的感（gǎn）知能力。

因此，数（shù）据驱动的方法已被视为继实验科学、理论模型、模拟仿（fǎng）真之后的第四科学研究范式——数据驱动的科学范（fàn）式，其（qí）如同网络技术，已逐渐变革（gé）为一种通（tōng）用赋能工具。从“互（hù）联网（wǎng）+”到“人（rén）工智能+”，新一（yī）代人工（gōng）智能已经远（yuǎn）远超出了计算机（jī）科（kē）学技术（shù）的范畴。

大数据和大计算让（ràng）人工智能迎（yíng）来了大发（fā）展（zhǎn），邓（dèng）志东总结了人工智能的三大进展。

首先（xiān）是深（shēn）度卷积神经网络令大（dà）数据感知智能取得突破性进展。人工智能已经能获得更加接近于人类水平（píng）的视听觉感知能力和对文本自然语言的模式分（fèn）类能力，从而赋能产品（pǐn）、流程和服务体验，引发（fā）了技术变革和产业革命（mìng）。

这一领域最（zuì）为人（rén）熟（shú）知的（de）例子就（jiù）是自（zì）动（dòng）驾驶，以全球首个自动驾驶商用服务（wù）Waymo One为例，其估值已超千亿（yì）美元。另外，在医（yī）学影像领域，谷（gǔ）歌（gē）的人工智能深度卷积神经网络已经可（kě）以（yǐ）根（gēn）据视网（wǎng）膜影像（xiàng）来准确判断一个人的年（nián）龄（líng）、性（xìng）别、血压（yā）、是否吸烟（yān）等，甚至可（kě）预测肺癌、乳腺癌（ái）等（děng），达到了国际顶（dǐng）级医生的诊断水（shuǐ）平。

其次是超人类水（shuǐ）平的AlphaGo引发全社会强烈关注，在此（cǐ）基础上进化而来的AlphaZero更是带来（lái）了无需大数据（jù）就（jiù）可自主学习的棋类通（tōng）用人（rén）工智能。AlphaZero经过8小时16.5万次训练（liàn），就（jiù）击败了（le）AlphaGo战胜（shèng）李世石的（de）版本。

第三大（dà）进展（zhǎn）是对抗性神经（jīng）网络（luò）带（dài）来了超真实感的想象能力，也就（jiù）是（shì）上述人（rén）工智能“创造”人像的案例所（suǒ）表（biǎo）现的。邓志东（dōng）表示，生成式对抗网络（GAN）是目前最为成功的生成（chéng）式神经（jīng）网络模（mó）型，通过与强化学（xué）习及蒙特卡洛搜索等的结合，推动了（le）半（bàn）监督与无监督学习方（fāng）法的发展（zhǎn）。

portant;" />

清华大（dà）学计算机系教授、博士生导师邓志东

大数据AI的（de）先天不足

邓志（zhì）东坦言，以大数据（jù）为燃（rán）料，喂（wèi）食越多，人工（gōng）智能越能（néng）获得更好的感知直觉。但问题随之（zhī）而来，首先是对大数据的清洗（xǐ）和标签需要付出（chū）很高代价。

其次，在（zài）落地应用中，在开放环境下，实际（jì）是不存在（zài）完备的大数据（jù）的。对于各种应用场（chǎng）景（jǐng），大数据人工（gōng）智能均（jun1）只能获得较接近于人类水平的视听觉等感知能力，这与（yǔ）各种基于公开（kāi）测评数（shù）据（jù）集（jí）得到（dào）的性能指标是完全不同的。简言之，人（rén）工（gōng）智能（néng）或许在测试状态下表现良好，但在实际落（luò）地应（yīng）用中的（de）表现却（què）可能差强人（rén）意。

此外，基于深度学习的计算机视听觉感知方法不仅依赖大数据的（de）驱（qū）动（dòng），也缺乏（fá）人（rén）类（lèi）举一反三的，基于小样（yàng）本的学习能（néng）力和（hé）对目标的认（rèn）知水平的（de）理解能力，并（bìng）且缺乏记忆、没有常识、不（bú）能运用经验，缺乏技巧和知识学习能力。

比如，人们（men）开车转弯（wān）或掉头（tóu）就是过程性经验。大脑记住后，每当转（zhuǎn）弯就不需（xū）要再思（sī）考，而（ér）是（shì）可以条（tiáo）件反射地做出（chū）动（dòng）作。

人（rén）类的思维方式（shì）并不完全依（yī）靠特征（zhēng）提（tí）取，很多（duō）时（shí）候是靠理解和（hé）推理，但目前人（rén）工智能并不具（jù）备（bèi）这样的能（néng）力，也就（jiù）不（bú）具有规划（huá）决策和（hé）思考能力（lì）。

邓（dèng）志东把大数据（jù）人工智能面（miàn）临的挑（tiāo）战归结（jié）为（wéi）：人（rén）工智能（néng）缺乏自己的语言。相比之（zhī）下，语（yǔ）言却是人类的“制胜法（fǎ）宝”。他表示，人类高层认知能力其实是（shì）通过记忆（yì）语言（yán）去思考和推理的。记忆以及知识的运用，都是基于（yú）语言的。

另外（wài），大（dà）数据（jù）人（rén）工智（zhì）能的发展，还会带来法律、伦理、隐私安全和失业等方面的挑战。

尽管当下的人工智（zhì）能（néng）还非常弱（ruò），“落地”也只能在特定（dìng）应用领域发挥作（zuò）用，还极度依（yī）赖大数据。但随着人工智能的进一步发展，也就是认知智（zhì）能和通用人（rén）工智能（néng）的发（fā）展，或（huò）许会（huì）对技术（shù）与产业带来变（biàn）革，甚（shèn）至威胁到人类的安（ān）全。

“但总体（tǐ）来说，现在的弱人工智能对于人（rén）类是（shì）赋能和（hé）有益的（de）”，邓志东（dōng）表（biǎo）示（shì）。

拥（yōng）有自己语言（yán）的下一代人工智（zhì）能

对于（yú）人工智能的（de）未来突破点，邓志东（dōng）认为，关键就在于从感知智能（néng）向认知智能的进化。目前人工智能（néng）主要追求看清、听清（qīng），能够识别但（dàn）没（méi）有理（lǐ）解，属于感知智能（néng）范畴。未来人工智能的发展目标将是（shì）如何看懂、听懂和读懂，从而（ér）具（jù）备基本的认知智能，这也是从弱人工智能向通用（yòng）或强人工智（zhì）能进化的（de）方向。

所谓认知智能（néng），就是指对目标或实（shí）体具有理解能力（lì），理解事（shì）物的内涵和外延。其发展趋势就是（shì）要探索举一反（fǎn）三的认知智能，即以（yǐ）大（dà）数据感知（zhī）智能+图模型/知识（shí）图谱为基础，利用图卷积（jī）神经网（wǎng）络从特征学习拓展到（dào）知识学习。

而通用（yòng）人工智能则包含（hán）了多任务的自主学习、自（zì）适应与（yǔ）自（zì）组织能力。其发展趋势是基于连接主义的深（shēn）度神经网络，通过与行为主（zhǔ）义（yì）的强化学习（xí），特别是与具有学习（xí）能力的符号主（zhǔ）义的（de）有机结合，从AlphaZero这样的新起点出发，发展出具有更宽垂（chuí）直领域（yù）的通（tōng）用人工（gōng）智能。

总之，通过深度学习与无监督学习、概（gài）率或模糊图（tú）模型知识图谱进行深度融合，让（ràng）下一代人工智能拥有自己（jǐ）的（de）语言，并能根据数据和常识自主学习，是探索认知能力与（yǔ）通（tōng）用人工智能的关键路径之一。