李国杰｜着力提高人工智能系统的通用性和自适应性

2017 年 9 月 15 日 中国计算机学会 李国杰

点击上方“中国计算机学会”轻松订阅!

来源：《中国计算机学会通讯》2017年第9期《主编评语》

“人机对话”是一个既有趣又十分困难的研究方向。在任务比较明确的应用领域，人机对话已取得很明显的成效。每年的“双十一购物节”，蚂蚁金服公司要承担500万次以上的客服服务，如果完全采用人工客服，需要3万多服务人员才能应对。去年“双十一”时，94%的询问已由计算机智能客服解决，只有6%的询问由人工客服完成。但在较广泛的范围内，超过70%的问题目前的语音助理（如Amazon 的 Echo)只能回答“不知道”。这种现状揭示了人工智能研究的一个带根本性的问题：如何提高人工智能系统的通用性和对环境的自适应性。

早期的专家系统只要稍微偏离设定的领域就会变成白痴。2004年美国国防部高级研究计划署(DARPA)组织的第一次无人驾驶竞赛，所有的系统都采用人工事先编写知识的技术，结果“全军覆灭”，第一名也只行驶了7.4英里。2005年参加第二次无人驾驶竞赛时，五家参赛方都改用统计学习，全部通过了比赛路程，这一事件标志着统计学习已成为第二波人工智能的主流技术。但统计学习也会出洋相。2016年微软公司在社交媒体上发布取名为“Tay”的聊天机器人，可以用独特的俚语与年轻人对话。许多人搞恶作剧，告诉Tay希特勒取得“巨大成就”等谎言。Tay经过几个小时的统计机器学习，就在Twitter网站上宣称“希特勒是个好人，没有做错任何事”，迫使微软公司立即下线Tay。这一事件表明，现在的机器学习，尽管有令人惊奇的表现，不管是下棋比赛还是问题抢答，识别物体还是作诗绘画，实际上只是概率统计上的最优选择，计算机并不知道它在干什么，既没有理解要解决的问题，也不能对它的行为做出解释。这样的系统不但会出现对话机器人“Tay”一样的违背人类良知的错误，甚至会捅更大的娄子。

根据前两波人工智能的经验与教训，美国政府2016年启动了《国家人工智能研究与发展战略规划》，规划文件中明确指出：“人工智能目前或许正在迎来‘第三次浪潮’，即专注于解释性的通用人工智能技术，……使人工智能系统更通用化。”

美国国防部高级研究计划署长期支持人工智能研究，其信息创新办公室主管 John Launchbury在最近发表的一个录像节目中，将人工智能的历史与未来划分为三个阶段，第一阶段是手工知识阶段，第二阶段是统计学习阶段，目前开始的第三阶段是环境自适应(Contextual Adaptation)阶段，即使用稀疏数据为真实的世界现象构建可靠的、可解释的模型。他把对环境的自适应、增强抽象和推理能力作为新一代人工智能的主要目标。

请注意，把提高系统的通用性放在更优先的地位，并不是现在就要实现所谓“强人工智能”的目标。像人脑一样通用的人工智能技术可能需要很长时间的努力才能突破，作为近10~20年目标不一定合适。通用性和高性能、高效率是长期以来设计计算机系统面对的主要矛盾，需要在通用性与高效能之间做权衡折衷。我们在强调提高人工智能系统通用性和对环境的自适应性的同时，还要兼顾系统的性能、功耗和效率。