QQ在線
企業(yè)微信
資訊
2397月27日，由中國互聯(lián)網(wǎng)協(xié)會指導(dǎo)、微博和新浪新聞主辦、主題為“融合生態(tài) 價值共創(chuàng)”的2022新智者大會召開。作為人工智能領(lǐng)域的行業(yè)峰會，本次大會匯聚20余位人工智能及元宇宙相關(guān)領(lǐng)域的頂級科學(xué)家、企業(yè)家及學(xué)者。復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院教授、CCF/CAAI Fellow王曉陽應(yīng)邀出席大會，以《新一代人工智能的加速效應(yīng)》為題發(fā)表了主題演講，向觀眾們介紹了新一代人工智能的特性以及人工智能的加速效應(yīng)。
復(fù)旦大學(xué)計算機(jī)科學(xué)技術(shù)學(xué)院教授，CCF/CAAI Fellow王曉陽做主題演講
以下為王曉陽先生演講實(shí)錄，內(nèi)容經(jīng)編輯略有刪減：
大家好，很高興今天能夠來到新浪的新智者大會。今天很有幸跟大家講講我的一些看法，今天我講的題目叫《新一代人工智能的加速效應(yīng)》，我希望從這幾個方面跟大家分享一下我最近的一些想法。
首先，我想從新一代人工智能的特性，從我的理解來稍微地講一下，之后講它的加速的效應(yīng)，人工智能的加速效應(yīng)到底體現(xiàn)在哪里。
之后我想專注一下，因?yàn)槲沂亲鲇嬎銠C(jī)的，信息系統(tǒng)的構(gòu)建或者信息系統(tǒng)本身是我們研究的一個對象。我們在咱們的新媒體、咱們的所有的目前很多媒體的傳播當(dāng)中，其實(shí)用到了非常多的信息系統(tǒng)。在這兒，我希望提一下信息系統(tǒng)在咱們?nèi)斯ぶ悄艿募铀傩?yīng)下，它的一種新的構(gòu)建的方法論。
首先是這樣，咱們也都知道，老生常談，知識就是力量，我們知識是人類進(jìn)步的一大源泉。知識目前的狀況是知識不僅以書本的形式出現(xiàn)。在計算機(jī)出現(xiàn)之前，我們的知識都是從口口相傳到書本的記錄，這個是很重要的一個方式。
現(xiàn)在的知識不僅是以書本的形式出現(xiàn)了，知識是以數(shù)字化，數(shù)字的模型化、編碼化、執(zhí)行的自動化、規(guī)?；瘉碚宫F(xiàn)在我們社會當(dāng)中。咱們傳統(tǒng)上的體現(xiàn)就在于計算機(jī)的軟硬件上，這個是非常明顯的一個進(jìn)步。也就是說我們知識有了一種新的形態(tài)，這是一個很大的轉(zhuǎn)變。
在咱們新的一代人工智能的情況下面，知識的模型、知識的傳播，以及知識的使用等等，這個已經(jīng)在一個非常新的狀態(tài)下面進(jìn)行。
我們有新的知識模型的出現(xiàn)，我們的知識模型不再是之前的那種計算機(jī)代碼的形式，而以比方說神經(jīng)網(wǎng)絡(luò)這樣的一種編碼。
它的另外一個很大的改變，就是所謂的新知識的來源這樣一個不同。之前咱們新的知識大部分基本上所有都是人類去總結(jié)、去編寫，不管是以前書本上面也好，我們把它——知識總結(jié)出來寫在書里，傳給下一代，這是一種做法。還有就是咱們計算機(jī)的過程當(dāng)中，咱們?nèi)祟惏阎R寫成代碼，讓計算機(jī)去執(zhí)行。在我們新的一代人工智能知識的來源就改變了。
從人類的設(shè)計轉(zhuǎn)變成了一個自動學(xué)習(xí)的過程，這個使得我們新一代的人工智能它的特點(diǎn)就非常明顯。
原來最早的時候人類是知識的積累者、知識的傳播者，以及知識的執(zhí)行者。后來有了計算機(jī)的發(fā)展，使人類在這個過程當(dāng)中可以把知識交給機(jī)器，交給計算機(jī)，由計算機(jī)去執(zhí)行。
而目前一種發(fā)展的方式，是說知識的積累也不需要人了，人從整個知識的這樣一個閉環(huán)里面，可以撤出，從機(jī)器當(dāng)中自己去總結(jié)知識，形成編碼，然后自動地執(zhí)行，這是咱們目前人工智能一個新階段的重要體現(xiàn)。
這個跟之前幾次人工智能的風(fēng)波、幾次的浪潮不太一樣，很有特色。目前重點(diǎn)的手段，咱們是向數(shù)據(jù)要知識，知識哪兒來？機(jī)器可以像科幻一樣，這個機(jī)器人到處走走，它就把知識給積累起來了，但是目前可能還沒有做到這一點(diǎn)。目前重要的手段是向數(shù)據(jù)要知識，就是人把這個數(shù)據(jù)交給機(jī)器，機(jī)器在數(shù)據(jù)里面去總結(jié)出知識來，把這個知識變成編碼等等。
知識數(shù)據(jù)的重要性，以及存儲介質(zhì)的價格持續(xù)的下降。
以及我們各種各樣新的通信的形態(tài)，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等等，使得我們數(shù)據(jù)的積累達(dá)到了很大的程度，使得我們目前這一階段的人工智能能夠做到向數(shù)據(jù)要知識這樣一個過程。
成功案例也很多，我們其實(shí)也是老生常談了，大家也知道AlphaGo是一個典型的向數(shù)據(jù)要知識的做法。我們還有很成功的，像自然語言理解、機(jī)器翻譯、圖像識別等等，都是因?yàn)槲覀冇辛舜罅康臄?shù)據(jù)的積累，使得我們整個的人工智能能夠形成這樣一個閉環(huán)。
現(xiàn)在我們其實(shí)人類可能也搞不清楚圖像是怎么識別的，就是這個人過來能認(rèn)得出這是誰。
但是機(jī)器能夠從大量的數(shù)據(jù)里面總結(jié)出來這樣的一些知識，然后把它編成一種代碼。這個代碼可能是一個像我剛才說的，用神經(jīng)網(wǎng)絡(luò)的方式來編碼，編了之后還能去做所謂的推理，能夠推出來眼前這個人是不是某某某，這樣的一個做法。所以整個的環(huán)路，都由人工智能來做。
自動駕駛目前是一個好像進(jìn)展比較慢，但是我相信在不斷收集數(shù)據(jù)之后，向數(shù)據(jù)進(jìn)行學(xué)習(xí)，我們的人工智能完全能夠做到我們所謂的自動駕駛這樣一種方式。所以成功的案例非常地多，整個使得人工智能給了我們一個美好的向往。
那么它的加速效應(yīng)也就是我剛才講的這些，咱們傳統(tǒng)的信息系統(tǒng)里面，以代碼的形式來進(jìn)行知識的編碼。我們計算機(jī)其實(shí)弄到最后不復(fù)雜，都是一些If and else，就是如果這樣就做這個，如果那樣就做那個，這種一連串很復(fù)雜的縱橫交錯的組合，形成了我們知識的一種編碼，這就是我們寫的代碼，我們寫的計算機(jī)的Code雖然非常多，但是最終的形態(tài)還是非常簡單的。但是這種簡單的代碼，就能夠執(zhí)行很復(fù)雜的一些計算、各種各樣的輸入輸出。
我們傳統(tǒng)的計算機(jī)代碼是由人類的程序員做的，我們的工具是我們的編程語言。
我們最早是簡單的很低層的代碼，之后我們的編程語言越來越高級，能夠講幾句話計算機(jī)可以執(zhí)行很復(fù)雜的指令。但是無論如何，它還是一種人類來編碼的這樣一個過程。
這樣的話這個代碼能不能交給人工智能去構(gòu)建呢？能不能學(xué)習(xí)呢？這個肯定是可能的。這個加速其實(shí)我們已經(jīng)看到了，我剛才給的例子里面，我們已經(jīng)看出來人工智能應(yīng)該是可以替代整個知識的獲取，以及編碼等等這些功能。雖然可能它的編碼目前不是以我們?nèi)祟惥幋a的這種形式，但是它以它獨(dú)特的形態(tài)，比方說神經(jīng)網(wǎng)絡(luò)這樣的形態(tài)來進(jìn)行工作。
所以新一代人工智能它的加速其實(shí)就是在這兒，就是把很慢的這樣一個人，把它從知識的積累到知識的編碼、知識的執(zhí)行等等，都把人給去除了。這樣的話，可以大大地加快速度，能力也大大地提升。
也就是說新一代的人工智能給咱們知識領(lǐng)域帶來這樣一個重大改變，就是知識得以自動地獲取。我們需要的所謂知識原來是比較慢，人類還是一個慢動作，從計算機(jī)的角度來看它是一個慢動作的東西。世界上事物在不斷地變化，知識其實(shí)應(yīng)該隨著事態(tài)的變化來更新。
在新一代的人工智能的情況下，我們可以做到更深層的、更及時的來調(diào)整我們的知識認(rèn)識，把這個編碼經(jīng)常變。不像我們編好一個程序之后，要改變的話是非常難的一件事，如果說把整個的環(huán)路能夠由計算機(jī)來完成，這個就是非?？焖?，能夠使得我們知識隨事態(tài)來實(shí)時的做調(diào)整。
最重要的，當(dāng)然我們之前也都有，這個編碼了之后，我們的知識可以直接加以自動的應(yīng)用，這是計算機(jī)開始以來就有這樣的一個能力。加速使得我們這三個階段、三個層面上都能夠自動地來做。
使得我們新的一代知識方面的應(yīng)用、知識的工作，能夠大大地加快，它的能力大大地加強(qiáng)。所以咱們今天的主題，也就是要加快對我們?nèi)斯ぶ悄苄螒B(tài)的改變。
新媒體其實(shí)是最早的人工智能的一個成功的案例，搜索系統(tǒng)，為什么Google能夠很成功？其實(shí)就是在于它自己自動的搜集、學(xué)習(xí)、匹配、排序等等。不需要人了，Google一出來就把Yahoo給打敗，為什么呢？Yahoo還是靠著人來收集的，那就是典型的之前的用人工來編碼的一種計算機(jī)系統(tǒng)。
Google的代替，就是把人工編碼給替代掉了。
這樣的話整個的發(fā)展速度就非常地快。這是一個非常成功的案例，這也是咱們最早的一個在數(shù)據(jù)量巨大的情況下面，能夠發(fā)展出一種新型的人工智能的東西。
我們后面發(fā)展出來的很多，像各種各樣的推薦系統(tǒng)，咱們微博也有自己的推薦系統(tǒng)，熱搜，像頭條的抖音等等，他們都是使用了人工智能的手段，把整個的閉環(huán)都由人工智能來推進(jìn)，使得我們整個的發(fā)展非常地快。
這種我把它叫做自動的知識系統(tǒng)，它不斷地收集數(shù)據(jù)，抽取組織知識，形成一個反饋。
這個是我們目前的一個新的狀態(tài)，它所需要的技術(shù)當(dāng)然就是大數(shù)據(jù)、深度學(xué)習(xí)、云計算等等，這些技術(shù)手段來推進(jìn)我們?nèi)斯ぶ悄苓@樣一個快速的發(fā)展。
另外一個案例是在風(fēng)電預(yù)測方面，不光是新媒體也受益咱們事態(tài)的推進(jìn)，像實(shí)業(yè)上面，這里有一個比較簡單的例子風(fēng)電預(yù)測。風(fēng)電需要預(yù)測它，最好是每時每刻都知道，下一階段每時每刻它能發(fā)多少電，這個對整個電網(wǎng)的調(diào)度非常地有用、非常關(guān)鍵。你這個風(fēng)電能不能被用到，其實(shí)是一個很關(guān)鍵的事。
這個風(fēng)電的預(yù)測設(shè)計了非常多，以前如果要做編碼的話，還是相對比較難和比較復(fù)雜的系統(tǒng)，而且它應(yīng)該是要隨著機(jī)器不斷地老化，機(jī)器的效率模型也應(yīng)該是不斷地改變。天氣，Local的天氣，就是比較局部風(fēng)力的預(yù)測，其實(shí)也是瞬息萬變，這個也是一直在不斷地改進(jìn)它自己的一些預(yù)測的方式。
所以這里其實(shí)是一個很好的人工智能應(yīng)用的場景，它的風(fēng)電的效率的模型建?？梢圆粩嗟剡M(jìn)行對局部天氣的預(yù)報，尤其是風(fēng)力的預(yù)報，能夠不斷地更新，使得我們整個現(xiàn)場的風(fēng)電的預(yù)測能夠順利地進(jìn)行。
這就是要比我們之前的那種進(jìn)步快很多，因?yàn)檫@個模型由于大量數(shù)據(jù)的反饋，使得我們這個模型能夠不斷地更新、學(xué)習(xí)，跟著事態(tài)來變化。這樣使得我們整個風(fēng)電的預(yù)測能夠更準(zhǔn)確，能夠在整個的場景里面有效地進(jìn)行。
所以不僅是新媒體，在各種各樣的系統(tǒng)里面，人工智能的應(yīng)用其實(shí)都可以見到這樣一個足跡。
回到信息系統(tǒng)，信息系統(tǒng)就是我們新媒體，我們各種各樣的現(xiàn)代社會基本上都是建立在一個信息系統(tǒng)上面。信息系統(tǒng)有很多，我這里舉幾個例子。
比方說機(jī)器學(xué)習(xí)本身，人工智能一個最基本的能力就是機(jī)器學(xué)習(xí)。
機(jī)器學(xué)習(xí)需要一個系統(tǒng)。機(jī)器學(xué)習(xí)系統(tǒng)本身也是一個我們編碼的過程，它本身就是一個知識的采集，就是怎么進(jìn)行學(xué)習(xí)，它是比機(jī)器學(xué)習(xí)本身再高一層的，怎么進(jìn)行學(xué)習(xí)這樣一件事其實(shí)也是可以由人工智能來幫助我們進(jìn)行。數(shù)據(jù)庫系統(tǒng)就是存儲數(shù)據(jù)的，軟件工程本身怎么編碼這個事也可以由人工智能來幫助。那計算機(jī)網(wǎng)絡(luò)就更不談，計算機(jī)網(wǎng)絡(luò)是一個很復(fù)雜的系統(tǒng)，在人工智能這樣的手段下面能夠做的更好，網(wǎng)絡(luò)空間安全也是。
人工智能在逐漸地侵入到各個領(lǐng)域當(dāng)中，這一點(diǎn)和前面的我們說人工智能已經(jīng)發(fā)展了有60年了。
這前面的60年只有在最近的5年、10年當(dāng)中，我們才看到大規(guī)模的人工智能的手段進(jìn)入到我們很多的計算機(jī)本身、信息系統(tǒng)本身的領(lǐng)域當(dāng)中，這是一個很大的改變，這也是使得我們整個技術(shù)的更新迭代、技術(shù)的發(fā)展能夠非?？?，可以加速的發(fā)展。這也是一個很有意思的現(xiàn)象，我們把人工智能用到我們做人工智能的那些系統(tǒng)里邊去了，這也是一個新的現(xiàn)象。
我們以計算機(jī)網(wǎng)絡(luò)為例，來看看它到底是怎么弄的。因?yàn)橛嬎銠C(jī)網(wǎng)絡(luò)其實(shí)是一個數(shù)據(jù)的高速公路系統(tǒng)，可以這樣說。那么所謂的SDN，現(xiàn)在比較流行的SDN，就是所謂的軟件定義的網(wǎng)絡(luò)，它形成了一個很靈活的網(wǎng)絡(luò)的底座。
你可以把它看成是一個活的復(fù)雜系統(tǒng)，你可以隨便地搭建，去重構(gòu)它的網(wǎng)絡(luò)的這種連接。
這個時候人工智能在這里就可以發(fā)揮巨大的作用，網(wǎng)絡(luò)要適應(yīng)Traffic，就是你這個數(shù)據(jù)怎么傳的，怎么去適應(yīng)它。反過頭來，這個Traffic要去適應(yīng)網(wǎng)絡(luò)，數(shù)據(jù)怎么傳、從哪里走。另外就是網(wǎng)絡(luò)的設(shè)計、網(wǎng)絡(luò)的維護(hù)、網(wǎng)絡(luò)的監(jiān)控等等，以前我們?nèi)绻耆萌斯とプ鼍幋a的話，有很多的情況我們是沒法預(yù)測、沒法很快地去適應(yīng)（adapt），這樣的話使得我們這個網(wǎng)絡(luò)的效率不會達(dá)到最高。
現(xiàn)在的這個手段當(dāng)然也是傳統(tǒng)手段和現(xiàn)代手段結(jié)合的一種方法，但是現(xiàn)代的人工智能所帶來很多的遐想?？梢哉f我們在計算機(jī)網(wǎng)絡(luò)的設(shè)計當(dāng)中，在這個系統(tǒng)當(dāng)中，融入我們的AI，就可能帶來非常多的好處，我這里就不再贅述，這是計算機(jī)網(wǎng)絡(luò)，只是一個例子。
可以看的出來，在我們的計算機(jī)系統(tǒng)里面，在復(fù)雜的系統(tǒng)當(dāng)中，由于我們AI的出現(xiàn)，我們AI技術(shù)的體現(xiàn)，可以使得我們整個的技術(shù)發(fā)展的非?？?。
如果這樣看來，我們現(xiàn)在的信息系統(tǒng)，包括我們新媒體用到的很多信息系統(tǒng)當(dāng)中。我們在構(gòu)建這個信息系統(tǒng)的時候，在新一代AI的條件下面，我們怎么來做？有沒有所謂新的方法論？這個是我想跟各位探討的。
目前的人工智能，至少是目前吧，它是在復(fù)雜環(huán)境中自動獲取知識的能力非常地強(qiáng)。但是它的準(zhǔn)確性，只能是一個所謂的統(tǒng)計概念。我們理想的信息系統(tǒng)不太一樣，我們理想的信息系統(tǒng)是可解釋性要很高，我們是嚴(yán)格按照某種邏輯性來做我們的工作的。
但是我們還需要在不確定的環(huán)境下面要適應(yīng)環(huán)境，這里尤其是可解釋性和嚴(yán)格邏輯性方面，與我們現(xiàn)代的人工智能有點(diǎn)統(tǒng)計意義的做法，有一定的矛盾。
我們怎么樣在這樣的情況下面，又能保證我們理想的信息系統(tǒng)的構(gòu)建，又能夠利用到大量的人工智能的這種技術(shù)呢？
這兒是不是可以提出一種新的所謂的方法論，能不能利用AI，利用人工智能提供的統(tǒng)計意義上的準(zhǔn)確知識，為嚴(yán)格可解釋的邏輯執(zhí)行所謂的保駕護(hù)航。也就是說它作為一個支撐的，或者是作為某種輔助。就是作為兩條腿走路，一方面是有人工智能的支撐，一方面是嚴(yán)格邏輯的支撐，這樣子的話使得我們在整個的信息系統(tǒng)里邊能夠達(dá)到更優(yōu)。
這個其實(shí)我們在信息系統(tǒng)的人工智能應(yīng)用當(dāng)中看到很多這樣的例子，它就是提供這種所謂的保駕護(hù)航，可以看作是我們提供這樣環(huán)境的知識，這是一種看法，不一定完全，但是至少它是可以提供某種環(huán)境的知識，為嚴(yán)格的邏輯在所謂限定的范圍內(nèi)，以可解釋的形式呈現(xiàn)。
就是說因?yàn)槲覀冎廊绻脟?yán)格的邏輯來推導(dǎo)所有的情況，我們的計算量就會承受不了，不管你有多大的計算機(jī)，都是不太可能執(zhí)行。但是如果我們由人工智能學(xué)習(xí)的這種統(tǒng)計意義上的這些知識，能夠提供一個所謂的環(huán)境，一個環(huán)境知識，這樣就可以做到我們更有效的工作。
比方說推薦的文章、產(chǎn)品等等，其實(shí)我們可以兩個加在一起，也就是說我們推薦不光是一個統(tǒng)計意義上的推薦，而且還可以做一些嚴(yán)格邏輯上面的推理。這樣的話，使得我們整個推薦的工作能夠更智能、更貼切，而且它的可解釋性可能會更強(qiáng)一些。
比方說Network里面的Routing，你如果說把所有的可能性都試一遍再去推薦的話，那是不可能的，太多。但是我們?nèi)绻軌蛴幸环N人工智能的方法去做一些學(xué)習(xí)，能夠做一些所謂的統(tǒng)計意義上的一個總結(jié)的話，可能會有很大的幫助，這也是我們正在做的一些工作。
這樣的話我們可以想像出來，我剛才說是兩條腿，一個新的方法論。這里使得我聯(lián)想起來我們談的比較多的所謂的人腦，這本書比較有名，講到了人腦的系統(tǒng)一和系統(tǒng)二的問題。粗略地講，系統(tǒng)一講的是反應(yīng)，是一個非?？焖俚臈l件反射的系統(tǒng)，系統(tǒng)二指的是經(jīng)過了嚴(yán)密邏輯推理的系統(tǒng)。
據(jù)丹尼爾·卡尼曼（Daniel Kahneman）來說，我們?nèi)四X是這兩個系統(tǒng)協(xié)作的一個模式。
這樣的話，使得我們既能夠在很多的情況下面快速的反應(yīng)，也能夠在其他的情況下面做到嚴(yán)格邏輯的推斷這樣的一些工作。
這個其實(shí)就跟剛才我講的所謂的人工智能引入到我們的系統(tǒng)當(dāng)中，它的作用我認(rèn)為可以這樣考慮，也就是說把人工智能考慮成系統(tǒng)一，我們嚴(yán)格的邏輯在后面是叫系統(tǒng)二，這樣合作起來能夠達(dá)到一個更優(yōu)的系統(tǒng)。
這里有很多的挑戰(zhàn)，現(xiàn)在其實(shí)還不是太清楚到底是怎么來進(jìn)行。比方說力度的挑戰(zhàn)，我們系統(tǒng)哪個力度引入系統(tǒng)一，這個確實(shí)不太容易。人腦是已經(jīng)形成的一個系統(tǒng)，我們在做一個系統(tǒng)的時候，我們怎么樣引入？
我們原來的系統(tǒng)基本上都是要么是系統(tǒng)一，就是人工智能的就結(jié)束了，要么就是系統(tǒng)二的，那么系統(tǒng)一和系統(tǒng)二怎么結(jié)合在一起，這是一個非常有意思的挑戰(zhàn)。力度的挑戰(zhàn)、數(shù)據(jù)的挑戰(zhàn)、模型的挑戰(zhàn)，系統(tǒng)到底應(yīng)該長啥樣，就是我們現(xiàn)在的神經(jīng)網(wǎng)絡(luò)還是什么？效率的挑戰(zhàn)、整合的挑戰(zhàn)等等，很多的挑戰(zhàn)使得這兩個系統(tǒng)能夠合到一起。使得我們這種目前所用的系統(tǒng)，包括新媒體所用的各類的系統(tǒng)，能夠在這樣的一個環(huán)境下面更快地推進(jìn)我們的進(jìn)步。
這個就是我想跟大家探索這種新的人工智能的特性下面，因?yàn)檫@個知識的自動獲取，這是一個非常大的飛躍。
使得我們整個的信息系統(tǒng)能夠自己形成一個閉環(huán)，使它的發(fā)展速度會非常快，自動地采集、自動地執(zhí)行、自行地迭代，這樣加速效應(yīng)非常高。
在這種情況下面，我們的信息系統(tǒng)的構(gòu)建，是不是要有一種新的方法？我們也看到這種新的方法在不斷地呈現(xiàn)，這個新的方法我們有沒有一個新的方法論？這個新的方法論是不是就是系統(tǒng)一、系統(tǒng)二結(jié)合這樣一個新的方法論，來進(jìn)行我們?nèi)斯ぶ悄艿南到y(tǒng)，或者我們下一代的新媒體系統(tǒng)也好，通信系統(tǒng)也好，計算系統(tǒng)也好等等，能不能用這樣的方法。
總之，人工智能還有很大的進(jìn)步空間，另外一個口號就是系統(tǒng)二在整個的進(jìn)步當(dāng)中，好像讓位給了系統(tǒng)一。
但是我覺得系統(tǒng)二的回歸是我們下一代的人工智能總體發(fā)展的必要的步驟。
