強人工智能離我們還有多遠

02zz

目前人工智能拿來“變現”最核心的技術是機器學習。而人工智能本身的基石是數學。

什么是機器學習？“人或者是智能體，通過與環境的交互來提升自己行為的這種智能叫機器學習。”他說，機器學習是把這種智能形式化為數學公式，轉換成計算機可以操作的算法和軟件。而這一波人工智能的興起是由于：深度學習的應用。通過與環境交互，調節參數來解決問題的任務求解器，可以被視作智能體。智能體可能反映為深度網絡、機器人或是無人系統。

深度學習所起的作用可以類比為：總結經驗。徐宗本說：“人工智能做的絕大部分的事情是把重復性的、有規律的東西總結出來，然后用來預測預報。”因此人工智能深度學習的環境非常重要，需要大量有標簽的數據，以判斷在一定準則下推測出的結果是否適合過去的經驗。這件事情構成的技術就叫深度學習技術。

“人工智能一個最重要的場景就是指把智能體放在一個特定的環境之中，智能體完成任務，然后在環境約束之下與環境交互改正智能體的行為，這就是機器學習。”徐宗本說。目前，由于人工智能三大驅動力——大數據、大模型、大算力技術的發展，使得現在的人工智能技術已經突破了由“不能用”到“可以用”的技術拐點。“但是要說可以‘很好用’，還有很長的路要走。”徐宗本指出。

自動化、自主化將是人工智能發展未來十年趨勢，徐宗本認為，人類距離研制出自主智能，即強人工智能還需幾十年的努力。當前人工智能用應用形態處在數據加算法形成產品的時期，這也是目前人工智能賺錢的基本形態。而現在我們依然需要人工去采集數據、標注數據，做推廣泛化都還是要靠人。

即使是先進的深度學習技術，其每一層有多少個元素，每一個元素用什么非線性機制等等，都要人事先預設。“所以那些公司要養很多‘碼農’去調試。還有用什么方法去訓練它（人工智能）也是人為給定。”他說。

在應用層面上，目前還只能實現一個神經網絡智能解決一個問題，不能對問題自動切換。徐宗本預測，未來十年，人工智能研制焦點會在機器學習的自動化層面：自動生成數據、選擇數據、自動搭建神經網絡結構、自動設計訓練算法，對任務能夠自切換、自適應。