2017年伊始,一个名为“Master”的神秘围棋爱好者,在网上横扫中日韩顶尖围棋高手,甚至打败“棋圣”聂卫平后还会客套:“谢谢聂老师”。取得60局连胜后,随即通过各种渠道公开承认,“Master”就是2016年春天以4∶1赢得韩国九段李世石的人工智能“Alpha Go”。

　　毫无疑问,人工智能(AI)的技术发展曲线正在上扬。看看我们的日常生活就一目了然:每天手机社交、网上购物、查看空气质量、规划最佳行车路线、得知即将到来的交通堵塞、语音查询,甚至识别一首不熟悉的歌曲…都使用了大量的人工智能技术,AI已经遍布我们的世界。

　　与此同时,与AI相关的创业也一浪高过一浪。人们希望机器人能在制造、培训、销售、维修、管理等方面担任新的岗位。从2015年开始,不断有IT界的技术大牛辞职,在人工智能应用各个领域发力:自动驾驶汽车、精准医疗、智能视频监控、医学图像分析等等。

　　但是人工智能自1956年夏天在美国达特茅斯(Dartmouth)大学被提出,60年的发展历程中遭受过两次寒冬,无论是学术界、工业界都对此次热潮抱有警惕心理,尤其是一些研究者更是忧心忡忡,害怕整个领域再一次遭受打击,让人们对AI失去信心。

　　智能机器人需要灵魂和躯体共建

　　“人机大战早在上世纪50年代就有,当时是一个叫Checkers西洋跳棋,之后1997年美国卡内基梅隆大学的许峰雄博士开发的深蓝电脑成功战败世界棋王卡西帕罗夫,可以说,人工智能19年以前已经战胜人类了。当然2016年出现的Alpha Go更复杂,国际象棋的状态空间复杂度是10的46次方,围棋是10的172次方。”陈小平是中国科技大学机器人研究中心主任,主持研发了两种智能服务机器人“可佳”和“佳佳”,“可是,智能机器人什么时候能够实际应用好像遥遥无期,到底难点在哪儿,值得我们思考。”

　　2016年岁末,在由中国计算机学会青年计算机科技论坛举办的“中国人工智能创新发展之路”论坛上,陈小平列举了智能机器人碰到的一些复杂因素,包括精确动作、活动范围以及不可预测因素等,“麻烦在哪儿呢?是因为建不了它的数学模型,例如桌子严格来讲是不规则的,无法建模。在理论模型和实际视觉之间存在不一致性,这很容易被忽视,而这是我们过去一直忽略的。”

　　如果把AI比作一个人的灵魂,那么人形机器人就是躯体,造起来难度更大。

　　“我们看到围棋、国际象棋、西洋跳棋,完全遵守图灵计算经典编码三原则:约定强制性、约定有效性、语义封闭性,不存在不可预测性,可是三原则对智能机器人就失效了。”陈小平分析,智能机器人的难点在于面对三项挑战:建立新设计准则,模型与现实不一致性、可预测性和可解释性。

　　他所带领的团队还做了软体执行器,因为现在机器人大多是刚性的,手不能抓握不规则、柔软或者易碎物品。陈小平教授还演示了实验室研制的机器人,可以与主人语言沟通,并按照指令和路线,为主人用微波炉加热食物,甚至能做爆米花,“我们的微波炉机器人2010年就做好了,为什么现在还不能用呢?那是因为在一个环境下调好了,用得很好,换一个环境要重新调。如果机器人进入千家万户,科研人员还要到一个家庭调一个星期,这不现实。”

　　AI科技创新机会多,但是创业难度很大

　　作为计算机视觉和机器学习领域的专家,中科院计算机所研究员山世光从计算机视觉发展角度来分析人工智能的发展,“人,70%的信息是通过视觉的方式来获取的,所以计算机视觉让机器能够像人一样去看,这是非常重要的挑战。”

　　过去几年得益于深度学习及多层神经网络的技术,计算机视觉智能快速发展。物体检测识别率从2013年23%正确率,提高到现在80%;人脸识别错误率从5%下降到0.4%。

　　山世光提到AI发展有两次热潮:“前两次热潮因为不能兑现承诺而导致AI进入寒冬,(所以)切勿过度承诺,避免第三次AI寒冬。通用AI尚未出现,媒体有时候过度宣传,还有大多数AI不能自我成长。还没有成长型智能的出现。”