IT领袖峰会上 沈向洋的发言揭示了人工智能还有多远

人工智能从上世纪50年代就开始发展了，其实不是个新学科。这东西的难点在于是个跨学科项目，对这个话题进行阐述，很难不落入盲人摸象的尴尬怪圈。此次IT领袖峰会上有很多互联网大佬对人工智能发表了意见，有些是从产业角度来说的，有些是从研发角度来说的，更有一些鸡汤类的话只是听听就可以了。而其中，对人工智能阐述最为精准的，窃以为是微软的沈向阳先生。

沈向阳的话是这么说的：“人工智能的研究方向大体可分为两块，一块是感知方面，一块是认知方面。现在人们感受到的主要是机器在语音和视觉方面的发展，即感知层面。接下来5到10年，机器在感知方面的发展将非常快，会超过人类。这主要是因为三方面原因，一是互联网的出现产生了海量数据，二是强大的运算能力和新的算法使这些数据可以被处理，三是深度学习在过去五六年取得突破，并被许多互联网企业应用，才使很多以前不能解决的问题现在可以解决。”

什么是人工智能的感知和认知？用人来类比的话，感知就是人的视觉、触觉、听觉，与外界的沟通方式等，认知就是人对某个事情和现象的认识，反应、分析、决策、执行。在人工智能领域，人的感知和认知特征是差不多的，目前很多企业正在用机器模拟人的感知和认知，但还是处于非常初级的地步，大都只能在感知计算方面打转转。

举个简单的例子，很容易就能在市场上找到做感知计算人工智能的公司，如做语音的科大讯飞、虫洞、做人脸识别的Face++等，但并不容易找到做认知计算人工智能的公司，因为那毕竟距离太远，技术难度太大。在认知计算领域做得最好的是IBM的watson，相比感知计算产品，watson更注重信息分析，自然语言处理和机器学习等认知计算，被应用在医学和金融领域。

感知计算和认知计算谁更重要？其实是不言而喻的。人每天都会接触外界信息，起床后看到下雨了，就知道出门要带伞，“看到”和“知道”，这是两个层次的问题。当然，如果没有感知计算，就不会有后面的认知计算，因为你连天下没下雨都不知道，怎么做出出门要带伞的决策呢？但问题在于，感知是很容易被替代的，看不到可以听或通过别的什么方式，而出门要带伞的这个认知则是唯一的。

为什么目前市面上这么多做人工智能的公司？因为感知计算是较为适合小公司创业的领域，如果说感知计算和认知计算各占人工智能的一半，那么感知计算至少可以切成几百个小等分，每个等分足以容纳几十家小公司进去钻研了，而认知计算的那一半，也就能切成几个小等分，不是大公司是绝无创业成功的可能的，即便是大公司，也未必能做成。

但是，我们一般人理解中的人工智能，应该绝大多数属于认知计算范畴，即机器像人一样思考，具有分析和推力能力，还可以下决策，执行动作。感知计算只是提供了机器同外界进行交互的方式，技术成熟后当然可以藏身传感器中，为机器提供现实世界精准的信息，以供机器的认知计算能力得以发挥。不过，这虽然也可以算人工智能，但怎么看也都是太过浅层的东西。人类距离真正的人工智能，似乎还有不短的距离。

人工智能自诞生以来共有过五次热潮，如今的这股热潮，与前几次有很明显区别。80年代末神经网络学科的建立，90年代互联网技术的发展，促成了最新的这次人工智能热潮。人工智能从离线走向在线，从单机走向网络环境，从单目标求解走向多目标求解，有了互联网数据的支撑，其应用环境似乎被一下子拓展开了，拥有了更大的练兵场和实验田，而非像20年前的深蓝那样仅作为单个智能主体而存在。不过这也并不能保证，这一轮人工智能热不会像前几次一样退潮。

本次IT领袖峰会上，有人认为AlphaGo做的是人类能做到的事情，做人类做不到的事情才叫本事，这种为人类叫屈的鸡汤并不鲜见，20年前败在IBM更深的蓝手下的卡斯帕罗夫，叫屈的姿态其实更为花式。事实上，目前人工智能能做到的全是人类做不到的事情，而人类能做的事情，人工智能却很少可以做到。人脑是记不住几亿盘棋局的，也没办法存储古往今来所有棋手的棋谱，这些机器全能做到。但人看一张图片时，一眼就能分辨出具体特征，而机器即便去看一张写了几十个注解的图片，也还是无法理解其中包含的所有信息。

让人工智能像人一样思考、推理、决策，实在是太难了，难到也许这一代人有生之年看不到那一天。但目前人工智能的发展过程，还是很值得一看的，很多机器能做人做不了的事情，本身就能给人类社会创造巨大价值，最终机器是不是能拥有和人一模一样的思维模式，其实并不重要。人工智能最有可能的方向，也许是建立起一套自己的思维体系，而这套体系将与人的思维极大不同，这也正是为何霍金、马斯克等人对人工智能有可能的破坏作用忧心忡忡的原因。

（本文系TechWeb博客作者原创，未经允许不得转载。本文仅代表作者观点，不代表本站立场。）