【独家采访】王亮：深度学习引领AI新潮流
【编者按】
《超能陆战队》中霸气而暖人的大白给人留下了深刻的印象，它就是一款能够学习的人工智能机器人。而如果您稍微关注下科技前沿，就会了解到谷歌、百度等巨头的最强“黑科技”，正是人工智能和深度学习，大白或许真的会在不远的将来出现。
此次，我们深入探访了人工智能科研的桥头堡——中国科学院自动化研究所，拜访了该所模式识别国家重点实验室副主任王亮博士。相比于公司财报上炒得火热的“人工智能”和“深度学习”概念，是时候去伪存真，退一退虚火，让顶尖的科研工作者来为我们诠释下，到底什么是模式识别和人工智能？
人物简介
王亮：中科院自动化所研究员、博士生导师，模式识别国家重点识别实验室副主任、CCF计算机视觉专业组秘书长、图像视频大数据产业技术创新战略联盟秘书长。研究领域为模式识别、计算机视觉、机器学习、数据挖掘等。中科院“百人计划”入选者，IEEE 高级会员、IAPR Fellow。
Question：姚响（思想坦克智媒体记者）
Answer：王亮博士
百度研究院（IDL）副院长余凯曾言，感知、思考和控制是人工智能最重要的环节。而模式识别就是要让机器“开眼看世界”，而且还要弄懂看到的是什么。那具体而言，模式识别到底有多重要呢？
Q：模式识别是人工智能学科的重要分支，请问到底什么是模式识别？
A：模式就是描述大千物理世界的本质属性。这些本质属性对应的可能是一些实体目标，例如椅子，也可能是一些抽象概念，例如意识行为。模式（pattern）识别的关键在于描述，即表达实体目标或抽象概念的属性特点，然后通过特定的方法进行分析和识别。比如，人脸识别是一 41 36435 41 14989 0 0 3359 0 0:00:10 0:00:04 0:00:06 3359典型的模式识别研究问题，主要用于身份识别。
Q：Intel在IDF大会上展示了其炫酷的“刷脸技术”，那是不是意味着人脸识别技术已经成熟？
A：在模式识别研究中，至少我通常不会讲哪项成果已是成熟的，因为那意味着这项技术在任何条件下都可以得到很好的运用。事实上，香港中文大学汤晓鸥教授的团队，在LFW（编者注：业内用于评估非受限环境下人脸识别技术的权威数据库）上测试的成功率很高，已经接近100%了。但我们并不能说人脸识别已经成熟，因为在实际应用情景中，我们需要考虑数据样本采集的性质和难易程度对结果的影响。比如在ATM前的人脸识别，采集的人脸图像会受到光照、姿势、视角、帽子及遮挡物等因素影响，识别精度会有较大波动。尽管“刷脸技术”在一些场景中的运用看似很成熟，但仍还有完善的空间。
Q：除了人脸识别和指纹，还有其他常见的模式识别应用吗？
A：除了基于图像识别的生物特征识别，还有很多其他应用。人类怎样认识世界，就会对机器模式识别提出相应的要求——去看、去听、去思维。去看：包含机器视觉、图像视频识别与处理等；去听：包括语音识别、自然语言处理等，语音识别是我们最常见的模式识别应用了，科大讯飞在中文语音识别方面做得很好。去思维：包括知识的表示与推理，目前知识表示已有了一定的进展，知识推理还需要实质性的突破，推动机器思维的重点可能在于对脑结构和功能的更深入了解。这可能与人工智能最初的目标有着渊源，即试图让机器拥有类似于人类的智力能力和行为特性，让机器像人类那样去思考、推理、决策。
在人工智能的发展过程中，基于对“智能”的不同理解发展出了不同的学派，GOFAI（出色的老式人工智能）就是早期的主流学派。但这条进路遭遇了一些瓶颈和质疑，继而引发了第一次人工智能的“寒冬”。而目前，深度学习（联结主义）成为了AI学界的主导者。
Q：GOFAI比较擅长逻辑推理，曾是人工智能学界的主流。后来为什么深度学习取而代之成为新的学科范式？
A：GOFAI是AI界符号主义的别称。GOFAI认为知识是可以用符号来表示的，所以智能就是逻辑推理、信息加工的一个过程，这个过程可以采取一些形式化的语言来描述，比如说启发式的知识或者启发式的搜索，用形式化语言来解决逻辑推理问题。GOFAI的冷落个人认为有几方面原因：1、有限的符号难以描述无穷的知识类别，尤其是大数据时代的知识爆炸；2、形式化语言要定义一些语法规则，但随着知识的增长，语法规则相应加大，让机器去学习语法规则和人为定义语法规则都很困难。深度学习是2006年Hinton在Science发表文章后开始兴起的，但深度学习本身不是一个新方法，它实际上仍是神经网络，只不过是层数更多了。它的突然回暖也与计算机的计算能力相关，主要包括利用大数据来训练模型和高性能计算的普及。深度学习的本质功能在于表达学习，并且突破了传统利用先验来手工设计特征的模式，转而进行数据驱动的自主特征学习。不同于以往的单一低层特征，自主特征学习可以获得具有层次性的、由低层到高层的特征，具有更强的表示能力。
Q：人工智能的发展历程特别曲折，经历过热潮也碰到过低谷，那为何现在的人工智能又再一次成为社会热点？
A：科技和商业都经历高高低低的过程，很多时候会遇到瓶颈问题。比如前一段时间大家不提人工智能，直到深度学习概念广为人知，人工智能才又被推到“风口”之上。深度学习对人工智能中的基础问题，即知识的表示提供了一个有效的方法。事实上，知识表示是很多人工智能任务的瓶颈，提供有效的知识表示直接推动了人工智能领域的发展。（如Nature2015一篇文章：计算机学会如何去玩游戏）。
Q：深度学习的局限性是什么？
A：任何技术可能都有其局限性。深度学习目前只是对感知机的一个简单扩展，它远远没有实现对人脑的功能和结构的模拟，人类大脑肯定要比深度神经网络复杂的多。首先，深度学习不能“有选择性地主动”获取知识，现有系统一般是在任务指导下，人为地给网络“挑选”数据，让它在挑选好的数据上去训练学习知识；其次，现有深度学习需要大量的数据进行有监督或者无监督的训练，而不是像人一样，仅需要少数样本就能很好地获取知识；最后，深度学习现有的成功案例大多是处理静态数据，而实际上，我们处在一个快速变化的环境里，对时序、动态变化的数据建模和分析更加重要。虽然深度学习有以上局限，但随着相关学科的发展，特别是脑科学、神经科学、计算心理学等的重大突破，我相信在未来若干年里，深度学习在理论和应用方面会有更大的发展。
谷歌和百度等巨头都有各自的人工智能研究院，欧洲与美国都发展了自己的“大脑计划”，各方势力展开了新一轮的科技竞赛。但另一方面，京东与科大讯飞达成了战略合作，各方在竞争的同时又有着合作的趋势。
Q：京东与科大讯飞达成了战略合作，深度学习是一个庞大项目，AI研究有没有可能成为基因测序那样的全球性项目？
A：如果能够成为全球共同合作项目的话，自然是我们的美好愿望。但AI涉及的领域很多——在自然科学方面会涉及到计算机、生物学、神经学、信息论等；在社会科学方面会涉及到社会学、心理学、哲学等。但事实上我们并不像了解基因一样了解人工智能，人们对智能的了解非常少，还处于百家争鸣、百家齐放的时代，并没有一个统一的认识。目前，各个国家和地区仍是分别行动，比如欧盟的大脑计划（HBP）、美国大脑计划，但侧重点都不太一样。美国的大脑计划更多的是神经认知学家在推动，侧重研究人脑机理等，偏生物学和医学；而欧洲大脑计划计算机学家和工程学科学家参与的更多，他们主张借鉴人脑的一些机理，去制造类人脑的机器。
Q：李彦宏提出“中国大脑”的新曼哈顿计划，将AI上升至国家战略高度，政府在AI研究中能起到什么样的作用？能提供什么样的便利和资源？
A:我个人认为李彦宏提出“中国大脑”计划，上升到国家高度是很有必要的。但调动全社会的力量去做这个事情可能是不现实的，也没有这个紧迫性。政府最好能扮演组织者、协调者这样的角色。提出提案是好的，但我们不能盲目乐观、激进行动。有些人以为5-10年人工智能就会发展到不可想象的地步，其实没有那么快。我们应积极推动人工智能发展，但同时要保持清醒头脑。
科技与商业是密不可分的“孪生子”，尤其是伴随二十世纪以来实用主义哲学的流行，也伴随科研成本的加大，脱离商业的科研貌似只有死路一条。那对于人工智能这样一门“形而上学”色彩浓厚的学科，商业化是福是祸？
Q：目前AI学界似乎不太关注如何让机器拥有人类思维，具有强烈的实用主义和商业化倾向，请问您怎么看？
A：目前的人工智能也不一定是研究人员所期望的人工智能，但做任何事情都要考虑社会需求。科技与商业相辅相成，有需求才会去进行技术开发，否则就没有研究意义。技术与商业应有机结合，通过技术解决某一需求后，又会产生新的技术需求，这是一个相互促进的过程。人工智能归根到底是为了学习人脑的智能去解决实际问题。我们研究人员自然希望机器变得聪明，将来能代替人从事一些高危险性的、力所不及的、枯燥乏味的工作。如果过于商业化，会偏离我们研究人员的初衷。AI是研究人产生智能的本质规律，这是一个科学探索的问题，并在科学探索的基础上，开发一些对社会有用的、具备人类智力的智能系统和机器，完成只有人类智力才能完成的工作。
Q：您认为智能手环、智能灯泡等智能硬件，能称得上“智能化”吗？
A：智能硬件是融入了某种智能元素的硬件产品。智能硬件和智能化是两个不同的问题，不同的概念，并非包含与被包含的关系。功能实用、体验优良的硬件产品也许就可以称为智能硬件；而体验不好，没有数据分析、趋势提醒、决策建议等的产品则不能。智能化可以推动智能硬件的发展，智能硬件也反过来对智能化提出了更高的要求。
Q：智能硬件是在砸智能化的招牌吗？
A：我们希望研究的成果是有应用的，比如做一个融入研究成果的设备，来方便人们的行为习惯或方式。事实上，智能硬件是体现智能化实用价值的一个出口。
Q：您怎样看待智能硬件当前不温不火的状态？
A：有些厂商为了商业目的，可能会过分商业化、过分实用主义，打着智能化的旗号，其实所做的产品远非真正的智能化，是过度宣传的表现。智能硬件想要长远发展，还要从社会需求入手，不能为了智能而智能。
Q：我们看到，从科技到企业再到产业，人工智能和智能化已形成一个链条和闭环。这是否意味着，智能化浪潮是不是真的来了？
A：智能化趋向越来越明显，人类文明进化史上经历了多次工业革命。工业革命、电气革命、科技革命、工业4.0的物理信息融合系统等。身边的产品越来越智能化，并以移动互联网、智能交互为途径，融入了生活的方方面面。现代社会高度自动化、信息化后，会慢慢推进智能化的进程。人工智能被炒得火热，绝不是竹篮打水一场空。一方面是大势所趋，另一方面是技术到了爆发期。计算机视觉数据以前都不具有高鲁棒性（编者注：鲁棒性就是系统的健壮性。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性），而现在计算机视觉技术正越来越完善。类似地，人工智能的研究与实用正并行发展、突飞猛进。
Q：请您用几个词概括下智能化浪潮的特点。
A：我想该是高度自动化、高度信息化、高度智能化、高度网络互联化。
自从2005年雷﹒库兹韦尔《奇点临近》一书出版以来，计算机具备人类思考能力，强人工智能实现，超级智能爆炸，人类与机器的边界逐渐消弭等未来学理论甚嚣尘上。作为客观理性的科学家，王亮博士认为：人工智能还在起步阶段，“AI灭世”的观点也太悲观！
Q：强人工智能会不会在不久的将来出现？
A：以发展眼光来看还是有可能性的。现在更多的是弱人工智能。强人工智能的概念应该是能够制造出一种机器，具有思考推理的功能或者解决问题的能力，当然这种机器可能是有感知能力的；弱人工智能针对的通常是某一特定任务，如图像识别是模拟人的视觉，这只是智能的一个方面。而强人工智能要把所有的功能组合起来，会牵扯到许多子任务，若现在子任务都做不好，怎么达到强人工智能？简单的组合并非1+1=2那样的逻辑。功能组合起来可能是多功能的，但不一定是智能化的。尽管现在有类脑计划去模拟大脑的机理，但大脑本身就是黑匣子，所以这是一件很难的事情。前段时间大家都在探讨人工智能是否到了奇点，我认为奇点的到来为时尚早。AI可以说还处于起步阶段，但从长远发展来看，强人工智能也是有可能的，技术总是在发展的，以前许多我们认为不可能的事情也都发生了。另外，我们人对智能的理解尚不透彻，我们人也是在不断进化的，在不同的发展阶段智能的定义可能也是变化的。
Q：可能100年内，强人工智能都不会到来，但我认为弱人工智能同样能改变世界。大众可能对于AI 的直接了解源于电影，其实他们并不清楚人工智能到底是什么。比如推荐算法也是一种人工智能，但大家可能认为它是计算机或工程学的应用，不把它看作是一种AI。我对弱人工智能比较乐观。
A：我赞同你的看法，而且弱人工智能已经在社会经济的许多方面有了大规模的应用。比如语音识别，在AI中只是一个小的分支，但也成就颇丰。再比如智能家居，我不想用遥控器我就说：“换25频道”，机器识别就自动给你换台了。这在将来会方便更多人、满足多种应用场景的需求。弱人工智能重点解决某些特定的任务，而每一任务在生活中可能都是非常重要的。
Q：您如何看待“AI灭世”的悲观论调？
A：我个人不同意“AI灭世”这种观点，有点太悲观，远达不到那种程度。现在是模拟人脑功能，但远没有达到意识的地步。机器人没有意识的话，将很难具有情感；意识与物质有关，比如人的意识与神经物质有关。我个人认为机器拥有意识的可能性非常非常小。不过，人类在设计机器的过程中应该考虑，如果机器有危害人类的可能性，就应该设计相应的灾难预防机制。
——采写/姚响（思想坦克智媒体记者）
声明：本文由思想坦克智媒体独家采访撰写，请转载者注明来源及作者名字。
■关注有奖
凡扫描关注思想坦克智媒体微信公号的读者，都将获得下述之一的奖励：1、参加思想坦克举办的沙龙1次（除北京以外，我们已经或即将在全国各地建设智能基地）；2、获得思想坦克赠送的图书或礼品。
请关注后，在后台输入您的姓名、公司及职务、手机号码等资料发给我们，我们很快就会和您取得联系。多谢！
简单一句话：凡加微，留痕迹，必约你！！
长按下列二维码，选择识别加入——