探究人工智能造福人类的路：结合技术与经验

戴文渊：在我看来，AI方面最大的突破，就是深度学习。10年前，我们试图让AI技术落地，并首先应用于互联网领域。我们从互联网广告与搜索引擎开始发展，看到人工智能可以有效帮助搜索引擎精准投放广告，并提高800%的广告效果。7年前，我们试图将AI技术应用到其他行业，比如说在金融领域进行更好的营销、更好的欺诈检测，以及反洗钱。5年前，我们开始看到AI被利用到零售和能源行业。当前，我们可以看到AI的应用随处可见，很多行业都已经有AI的应用落地。这些AI的应用每天都层出不穷，可能明年我们就看到10倍甚至更多的应用。这是激动人心的时刻，我们充满信心，也很高兴看到越来越多的AI技术被应用到更多行业。

托比·沃尔什：人工智能对于人类智能来说是一个非常有益的补充，在很多领域可以帮助人类，但是它跟人类的智能也有很大的不同。比如说，刚才我们看到加了一点噪声之后，一只猫就会被识别成一辆公共汽车，人类却绝不会犯这样的错误，所以我们人类应该感到非常自豪，因为我们的识别方法和机器不一样，相比之下更为先进。人工智能的另外一个局限性在于机器的感受有限，未来我们应该让机器能够更好理解这个世界，理解语音，理解文本，理解图像。此外，我们人类潜意识的东西无法被机器所习得，这也是现在研究的一个重点领域。

张潼：我觉得人工智能和机器学习表现很好的地方就在于利用大数据支持，在简单环境下完成简单的任务。比如说打游戏，你只要关注某一个游戏，从中收集到很多数据，AI就能有很好的表现。在这样非常明确的结构化的环境下，AI学习能力很强，并已经带来了巨大的突破，特别是最近强化学习有很大的突破。AI可以打游戏，或者打比赛，甚至比人类打得更好。在其他一些类似的确定性比较高的环境中，AI的表现也不错，比如说安静环境下的语音识别。如果有一个具体并且固定的环境，有具体的任务，此时你训练一个模型，采用最近开发出来的深度学习的一些技术，人工智能会做得很好。

过去几年，AI开始可以从很多没有加标签的数据中学习知识。比如说在自然语言方面，代表性的工作有GPT（Generative Pre-training Transformer，生成式预训练转换器）。它可以从很多没有加标签的数据中学习，并能应用到很多其他任务中，将来甚至可以被应用到超人类的智能中，融合到之前对于有标签的数据的分析中。在计算机视觉方面也有很大的突破，我们可以看到AI可以从很多没有加标签的数据中学习特征表示。因为它的适用性很广，你就不用给所有的数据加上标签后再用于人工智能的训练。这些是近来很有前景的领域，它们在接下来几年肯定是发展的重点。

在理论方面也有很大的进展，比如说对神经网络的运作模式有了更好的理解。最近有很多神经网络方面的理论进展，可以让我们了解如何来训练神经网络，让它们帮助我们解决复杂的问题。(www.xing528.com)

从行业应用的角度来说，自动机器学习很有前景。结合硬件、模型结构搜索、机器学习调参，加上原生数据或者通用数据的特征组合，形成黑箱的自动化机器学习模型，这能带来更好的结果。它可以让机器学习更容易落地，解决不同的问题。只要对黑箱进行参数调整，就可以降低这些工具的使用门槛，并应用到不同的硬件设备上。一些高计算力的硬件设备，比如说云计算或者边缘计算，可以用自动优化的大模型；手机，还有IoT等其他一些低计算力设备都可以用小模型。这是未来非常有前景的技术领域，可以让AI更具普适性，更方便让应用落地。

郭毅可：准确来说，如今AI的发展是关注认知，如模式识别、图像识别。在过去10年中我们在两个领域看到巨大的进展：第一个是自动特征提取，这就是卷积神经网络的突破，它可以自动地识别物体的一些特征。基于这样的技术进展，我们建立了很多新的模型，它们使得图形、文本等都可以被自动识别。还有一个领域也获得了巨大的进展，那就是表达学习，它可以学到对于一个识别对象的有效表达。此外，强化学习也是有很大发展的领域，加上识别能力，我们可以做出一些很好的人工智能应用，比如说AlphaGo，还有不同的棋类游戏，人工智能在这方面能够打败人类。

我们处在一个数据驱动的AI时代，所有人都觉得数据越多越好，希望通过数据识别一些特征，通过神经网络帮助人类进行推理，做出决定。这些基于认知的人工智能在能力上可以达到某种智能程度，能够基于某些模型，做出一个决定。但是人类的决策不是单纯由数据驱动的，人工智能也是如此。我们人类的智慧不仅仅是识别而已，孩童很早就习得了这个能力，而成人的智慧主要在推理方面，能够结合已知的知识进行推理。现在人工智能的很多进步都是在这个领域，这是一个非常积极的趋势，也就是把现有的学习模型和推理结合起来。

中岛秀之：我觉得现在形势就是深度学习的发展让AI有了很大的进步。但机器学习本身还是有很多限制，首先就是一定要有数据，有数据才能够获取和分析信息。在这个方面，我们要把人工智能和现有基础领域的知识和经验结合起来应用。