1月6日，在“破晓 x 新火种”腾讯研究院年会上，AI（人工智能）成为热议的话题。腾讯集团副总裁、AI LAB负责人姚星发表演讲称，机器学习能力在过去五年中发展迅速，但现在AI面临最大的隐忧是对行业的期待太高，现实是AI在学习积累、计算模型与能力、感知认知等多个方面存在明显的局限性。姚星认为，AI应当回归现实，在学习能力上跟人匹对，进...
1月6日，在“破晓 x 新火种”腾讯研究院年会上，AI（人工智能）成为热议的话题。
腾讯集团副总裁、AI LAB负责人姚星发表演讲称，机器学习能力在过去五年中发展迅速，但现在AI面临最大的隐忧是对行业的期待太高，现实是AI在学习积累、计算模型与能力、感知认知等多个方面存在明显的局限性。
姚星认为，AI应当回归现实，在学习能力上跟人匹对，进而提升增强学习、归纳总结等能力，和更多学科融合，打破各个公司的壁垒，以开放的态度共同推动AI的发展。
在上述年会上，姚星表示，由于研究方法的改进，模型的改善，以及BP（反向传播算法）问题的解决，机器学习的能力在过往的五年当中发展非常迅速。
“但当前的隐忧是，我们对AI的期待太高了，我们要回归现实。而现实是AI还有很多的局限性。”
第一个局限就是深入学习的能力。AI跟人相比有很大的差距，目前所有机器学习的方法，其过程都是要从头开始学习，都要把数据重新进行一次训练。这跟人的学习能力相比有很大的差距：人的很多智能是与生俱来的，比如小孩刚出生没多久就知道世界是三维的，这种智能与生物的进化相关，几乎是与生俱来的能力。
“但是目前深度学习方法不管提出了多么优秀的模型，都要重新开始学，这是一个非常大的缺陷。”姚星说。
第二个局限是，不管有多么好的神经网络模型，AI的本质上还是通过计算能力去解决大数据，其发展需要更多的大数据，更大的计算能力，这顺从了摩尔定律发展；但是未来，在更多的参数下面，我们还有没有这种计算能力达到计算的效果，需要打上很大的问号。
另外一个局限是，需要进一步解决感知认知的问题，在这方面机器和人的差距更大。姚星表示，人的语言是一个序列问题，语言序列问题如果要计算的话，算力是无论如何解决不了的。
“人可以很容易在对话当中回溯到一个特定片段的关键词上，但是机器却不一定做得到。”
在图像层面，有些AI的人脸识别可以达到99%的准确度，但实际上它有很多约束条件，比如只能识别正脸，不能从侧脸识别，戴上帽子后识别可能也很难。
此外，语音识别必须很难解决噪音的问题，在没有风噪，没有车噪的时候，机器在听语音识别的时候会识别出来一个比较好的效果，一旦距离较远，很难解决语音跟踪的问题。
未来AI发展方向是什么？姚星认为机器学习应当补齐跟人在学习能力上的差距。
第一，是创造数据与增强学习，现在AI都是以大数据为基础，这个数据现在都是从传统的渠道获得的，但以后更多的数据是机器本身能创造出来的，当前AlphaGo已经在验证这些问题，通过增强学习下出人类从未下过的棋，这是一种创造数据的能力，通过创造数据的能力产生更多的数据，这些方面需要更多的发展和突破。
第二个就是举一反三，机器要学会推导，这是一个非常重要的研究方向。
第三个方向是归纳总结能力，人类能进行一些总结，比如牛顿的第一定律等都是人总结出来的，包括我们学习的很多公理公式，但是目前机器学习是没办法进行归纳总结的，未来AI在这方面要进行提升。
姚星强调，AI对所有公司来讲都应该是平等的，所以其发展一定要开放，目前在AI领域里面有很多大公司都在做，包括腾讯、谷歌、FB等，AI的这种先行者一定要注意营造开放的环境，让更多的人和公式来参与进来。唯有以更加开放的心态去面对AI，AI才有真正的未来。
（编辑：耿雁冰）
21世纪经济报道及其客户端所刊载内容的知识产权均属广东二十一世纪环球经济报社所有。未经书面授权，任何人不得以任何方式使用。详情或获取授权信息请点击此处。
分享成功
