宋繼強(qiáng)

一個(gè)完整的人工智能系統(tǒng)必須具備感知、推理、行動(dòng)、適應(yīng)等四大能力。如果要將這四大能力良好貫穿，必須具備較強(qiáng)的記憶能力。

很多人會(huì)把人工智能與深度學(xué)習(xí)劃等號，認(rèn)為人工智能就是深度學(xué)習(xí)，但這并不是一個(gè)全面的認(rèn)識。如何全面地了解人工智能？人工智能無論從硬件或者軟件系統(tǒng)看，都應(yīng)具備類似人的智能方式對外界的輸入做出反應(yīng)。

人工智能的系統(tǒng)需要具備四個(gè)能力。第一是感知能力，感知能力系統(tǒng)可以把外界輸入，從物理信號轉(zhuǎn)變成數(shù)字信號，在計(jì)算機(jī)系統(tǒng)中進(jìn)行處理。第二是推理，系統(tǒng)需要具備場景的理解能力，系統(tǒng)能在場景中進(jìn)行獨(dú)立的推理并做出決策。第三是行動(dòng)，系統(tǒng)可以進(jìn)行相應(yīng)的決策或行為規(guī)劃。第四是適應(yīng)性，適應(yīng)性是真正體現(xiàn)系統(tǒng)是否具備學(xué)習(xí)和自我改善的重要一點(diǎn)。如果一個(gè)系統(tǒng)不具備適應(yīng)性，那么該系統(tǒng)只是一個(gè)設(shè)定好的智能系統(tǒng)。

人工智能的技術(shù)可以分為兩大類。一類是機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)是通過大量的數(shù)據(jù)輸入到一個(gè)算法中，使算法自動(dòng)尋找數(shù)據(jù)中的規(guī)律，并形成若干個(gè)模型來表示某些問題該如何解決。用訓(xùn)練好的模型、算法再去處理數(shù)據(jù)獲得結(jié)果。目前人工智能領(lǐng)域最優(yōu)秀的工具是深度學(xué)習(xí)，用高達(dá)千層的深度神經(jīng)網(wǎng)絡(luò)，對場景進(jìn)行學(xué)習(xí)然后解決一個(gè)問題。第二類是，數(shù)據(jù)量對所需要解決的問題應(yīng)具備完整性，要符合問題的本質(zhì)。對于英特爾中國研究院來講，我們希望未來自主智能設(shè)備都可以感知、理解，同時(shí)對不同場景可以進(jìn)行相應(yīng)的行動(dòng)、反饋和適應(yīng)。怎樣運(yùn)用先進(jìn)的科技給設(shè)備帶來上述能力？首先感知能力非常關(guān)鍵，而且還需要能進(jìn)行理解和決策，最后再指導(dǎo)行動(dòng)。

隨著AI時(shí)代的到來，AI的感知和認(rèn)識都是發(fā)展AI的重要的環(huán)節(jié)。目前深度學(xué)習(xí)發(fā)展火熱，很多企業(yè)和院校都在從事AI深度學(xué)習(xí)的開發(fā)，來解決感知層面的問題，但是如何解決跨領(lǐng)域或跨輸入模態(tài)下的AI感知問題？第一，算法本身要有很好的改進(jìn)和推動(dòng)；第二，在硬件領(lǐng)域要改變傳統(tǒng)的加速的模式和機(jī)器學(xué)習(xí)方式。

在算法層面。以視覺理解為例，早期的人臉識別包括人的性別、年齡、面部表情等屬性。通過傳統(tǒng)的方法，或者通過深度學(xué)習(xí)的方法，可以解決早期的人臉識別問題。如果在一個(gè)動(dòng)態(tài)的視頻中運(yùn)用傳統(tǒng)的方法進(jìn)行人臉識別，則相對困難。如果把三維的信息進(jìn)行重建，得知人臉和身體在一個(gè)環(huán)境中的朝向，這樣可以很好地指導(dǎo)在某個(gè)環(huán)境中人的運(yùn)動(dòng)和操作。同時(shí)，如果對人進(jìn)行理解，情感識別也非常重要，如果只對人臉開發(fā)一個(gè)人臉識別ID，對于AI的發(fā)展推動(dòng)十分有限，若使用無人機(jī)、機(jī)器人，或家庭的智能設(shè)備等為人提供服務(wù)，必須理解人的情感。

這要從人臉識別的視覺感應(yīng)向前推進(jìn)，可利用多種模態(tài)共同處理。什么是多模態(tài)？模態(tài)一詞是指一種輸入的形式和格式。通過模態(tài)和知識的相互融合，可以將視頻自動(dòng)轉(zhuǎn)化成文字描述，便可以進(jìn)行語義信息的后續(xù)輸出?；蛘咄ㄟ^視頻中問答，來理解環(huán)境中多個(gè)物體之間所存在的關(guān)系，或者跨時(shí)間尋找物體之間的關(guān)系。

而多模態(tài)的視覺理解的發(fā)展，可以使機(jī)器人獲得更加復(fù)雜的場景理解能力。特別是服務(wù)型機(jī)器人，一定要對場景有深刻的理解，才能幫助人進(jìn)行服務(wù)。同時(shí)我們面對的是非結(jié)構(gòu)化環(huán)境，這種環(huán)境存在很多不確定性?，F(xiàn)在的芯片技術(shù)是否可以滿足非結(jié)構(gòu)化環(huán)境？目前一種神經(jīng)擬態(tài)計(jì)算芯片，可以幫助沒有的計(jì)算能力的設(shè)備，具備計(jì)算能力。

機(jī)器學(xué)習(xí)可以幫助解決經(jīng)驗(yàn)驅(qū)動(dòng)，同時(shí)獲得更多數(shù)據(jù)。為什么說經(jīng)驗(yàn)驅(qū)動(dòng)？因?yàn)楫?dāng)數(shù)據(jù)被人發(fā)掘后，便可以知道這些數(shù)據(jù)所對應(yīng)的是什么，并對數(shù)據(jù)進(jìn)行標(biāo)注加以機(jī)器訓(xùn)練操作，但是如果人無法讀出數(shù)據(jù)的規(guī)律，將無法實(shí)現(xiàn)端到端的機(jī)器訓(xùn)練，因?yàn)闄C(jī)器學(xué)習(xí)非常依賴于數(shù)據(jù)的可獲得性、可觀測性和可標(biāo)注性，只有形成數(shù)據(jù)的這三個(gè)特性，所形成的自然智能，對場景進(jìn)行理解和推理的自然智能才能自主地進(jìn)行學(xué)習(xí)。在傳統(tǒng)的計(jì)算機(jī)編程中，開發(fā)者可以根據(jù)所需要解決的問題，清晰地規(guī)劃出該問題的處理流程，并對流程進(jìn)行相應(yīng)的開發(fā)，而這一過程也被稱為已知過程。那么深度學(xué)習(xí)在其中可以解決什么問題？比如在進(jìn)行人臉識別、語音識別時(shí)，中間的過程很難被描述，這要通過大量的數(shù)據(jù)訓(xùn)練，來顯示中間過程。

那么，當(dāng)數(shù)據(jù)并沒有那么多，而且還存在不確定性時(shí)應(yīng)當(dāng)如何解決？其實(shí)人腦與深度學(xué)習(xí)所運(yùn)用的計(jì)算支撐差別很大，深度學(xué)習(xí)至少需要200W以上的功耗，但是人腦功耗最多20W，人腦依靠少量的數(shù)據(jù)通過不斷地訓(xùn)練來達(dá)到強(qiáng)化效果。所以我們希望通過神經(jīng)擬態(tài)計(jì)算來解決機(jī)器學(xué)習(xí)問題。神經(jīng)擬態(tài)被命名為LOIHI，著這種計(jì)算的模式逐漸給人們提供新的探索機(jī)會(huì)。自我學(xué)習(xí)是它的特點(diǎn)，它可以幫助我們解決，比如機(jī)器學(xué)習(xí)、傳統(tǒng)的編程模式的規(guī)則問題，神經(jīng)原的密度和連接的可用性決定了它的能力，它是直接受益于摩爾定律的推動(dòng)。另外通過推動(dòng)輸入輸出找在場景中的關(guān)聯(lián)性，最后通過強(qiáng)化學(xué)習(xí)反復(fù)交叉驗(yàn)證自己推導(dǎo)出來的決策是否正確。

（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）endprint