人工智能的发展概述及展望

刘思创

(辽宁省本溪市高级中学,辽宁本溪 117000)

1 前言

人工智能(Artificial Intelligence,AI)近年来发展迅速,人工智能的重要开拓者与先驱之一,斯坦福人工智能实验室的Nils Nilsson曾对人工智能下过如下的定义：人工智能就是力图使得机器具备智能的一种活动,而智能则意味着一个实体具备在其所在的环境中能够恰当并有预见性地实现其功能的一种能力。在经过半个世界的发展,人工智能的研究覆盖领域极其广泛以致于无法给出一个精确并被普遍接受的定义,但也正因如此,人工智能的发展能够不受规则条框的约束实现突飞猛进的发展,逐渐演变成一场给整个人类社会生活带来巨大变革的全新技术革命,见图1。

人工智能的起源最早可以追溯到18、19世纪,数学家在推理概率计算等领域进行了相关的研究,Bayes和Boole都可以被视为人工智能最早的一批开拓者;进入20世纪计算机技术的飞速进步不断催生机器智能等相关的研究,被誉为人工智能之父的Alan Mathison Turing在其发表的论文中详细地探索了诸如如何测试人工智能等一系列的问题,尽管受限于计算机的技术水平无法获取到匹配其想法的计算资源,但Alan Mathison Turing首次系统性地畅想建造计算机来模拟人工智能,试图开启全新的研究领域,其工作无疑是值得肯定的。

图1 人工智能发展简史

图2 简化的人工神经网络模型

需要承认的是以上综述均是从“专注数据密集型方法和大数据”这一主流观点来看待人工智能的发展历程,显然这一主流观点并不一定能成为所有人工智能发展过程中出现问题的最终答案或最优解决路径,一个完全平衡、足够充分的人工智能发展史必然浩如烟海,不再赘述。

2 人工智能的当前研究趋势

2.1 机器学习

机器学习目前作为人工智能的主要研究方向,主要包含了大规模机器学习、深度学习和强化学习三个部分的内容。为了应对越来越庞大的数据采集、传输、存储、处理量,如何将现有算法扩展到更庞大的数据集上成为亟待解决的问题。与传统方法不同的是,通过应用非线性方法、只关注部分核心数据的方法来实现一次数据集处理是目前大规模机器学习着力的突破方向。2016年和2017年,Google开发的人工智能围棋程序AlphaGo连续战胜了人类顶尖棋手李世石和柯洁,强化学习和深度学习成为了AlphaGo不断取得突破的最大助力,AlphaGo可以通过不断的自我对抗和自我训练提升自己的棋力,在有限的时间内最大限度地检索出最优策略从而击败人类棋手。

2.2 神经形态计算

传统计算机所遵循的是Von Neumann结构的计算模型,输入/输出、指令处理和存储器这几个模块在该模型中属于相互分离的状态。而伴随着深度神经网络在一系列任务中的成功实践应用,一种可以大幅度提高硬件效率,并且确保计算系统稳定可靠运行的全新“神经形态”模型成为了热门的研究方向,见图2。

尽管这种“神经形态”计算机的技术还未完全成熟,仅仅是在大规模商业化的路途上开始了第一步。但鉴于应用方面深度神经网络已经凸显出的其巨大潜力,如果这些网络能够从对Von Neumann结构的简单模拟中跳出来,在专门的神经形态硬件上能够进行相关的任务,可以预见的未来神经形态计算会变得越来越普及,神经形态计算也将会带来更广泛的影响。

3 人工智能的主要应用领域

3.1 智能/自动驾驶汽车

人工智能的突飞猛进催生了诸如车联网、车路协同、无人驾驶、自适应巡航、高精度智能导航等一系列的智能汽车功能研究。当前的汽车的感知功能已经愈发强大。目前北美市场上销售的汽车一般拥有超过70个的各类力学、光学等传感器。防抱死系统(A B S)、气囊控制、牵引力控制系统(TCS)和电子稳定系统(ESC)等还有实时传感与感知和决策整合在一起的功能模块也开始成为汽车的主流标配,见图3。

图3 人工智能在汽车领域的应用——自适应巡航

近些年来随着科研力量投入的增加以及众多车企的加入,自动驾驶技术取得了非常大的突破。相关软硬件方面的技术都得到了很大的突破。也正因为如此,到今天车联网、车路协同、无人驾驶、高精度智能导航乃至自适应巡航等领域都有了堪称繁荣的研究及应用成果。Google的自动驾驶汽车可以实现真正意义上的全自动驾驶。而特斯拉则通过软件升级将半自动驾驶功普及到当前汽车中。特斯拉的驾驶模式则可以在纯自动巡航和纯手动驾驶中任意切换,在出现潜在危险时需要人类来操控。可以想见的是在智能汽车逐渐普及的未来,也必然出现越来越多法律制度方面的问题,这就需要相关部门完善全新路况监管体制的建设。

3.2 智能交通规划

自从2005年,一些城市就进行针对汽车和行人开发传感功能的基础设施建设。许多位置、温度、视觉传感器逐渐在城市中展开应用。纽约在2013年开始利用微波传感器、监控网络和读卡设备来监测交通流量。公共汽车和地铁调度、追踪道路流量并限速、对高速公路、桥梁和多坐客车(HOV)车道智能定价等交通服务在一些城市中已经开始提供。通过传感器和摄像头,还可以优化交通信号灯的显示时间,从而加速行进速度。交通网络中的有限资源可以藉由这些控制策略有一个很好的整合。交通规划领域由于其所能产生的海量数据,成为了机器学习等人工智能的理想实践领域。可以预见的未来随着算法改进等等技术进步的推动,交通与人类的即时交互将成为现实,这也为智能城市的建设添砖加瓦。

3.3 家庭/服务机器人

在过去的15年,机器人陆续走进家庭。与人工智能被快速整合到当前的应用中相比,机器人应用的发展速度却较慢。在这一发展历程中,人工智能技术的发展通常受机械创新的启发,同时反过来又推动新的人工智能技术的出现。

尽管目前机器人在家庭中的普及速度仍较慢,但有迹象表明,这种局面在未来15年将发生显著变化。手机芯片厂商正在推广模块内系统(SiM)和芯片上系统(SoC),例如高通的骁龙(SnapDragon)和三星的Artik。随着3D传感器和安全机械手臂成本的降低,“机器人管家”的时代不再遥不可及。

4 未来的人工智能政策

4.1 人工智能目前存在的问题

人工智能应用的成功与否,衡量关键在于其是否为人类社会生活创造的积极价值能否冲抵其所带来的一些不可避免地错误。人工智能目前迅猛的发展暴露出一些问题,例如自动驾驶汽车造成车祸的责任追究、智能医疗设备引发医疗事故的责任划分、藉由人工智能应用快速传播的性别/种族/地域等歧视观点、依托人工智能技术进行的财务欺诈行为以及人工智能技术给技术过时工人所造成的巨大冲击等等已经显露出来的问题。另一方面,一些隐性的弊端例如怎样保证人工智能所依托的大数据源本身不存在性别/种族/地域等歧视而是绝对公正,显然这是一个巨大的技术难关。当然,综合目前的人工智能研究进展和应用情况我们理由相信短时期内人工智能并不会主动地对人类造成巨大危害,但随着人工智能越来越广泛地渗透到工业体系和日常生活中,适宜的引导政策和完善的监管制度将越来越不可或缺。

4.2 对未来人工智能发展的政策化建议

对于人工智能未来的发展,需要制定合理且具体的引导政策。首先,在所有级别的政府都需要储备足够的安全或其他指标的专业技术知识且能深度理解人工智能与人工行为或者社会价值如何互动的专家智囊,以帮助相关的部门官员从正确的角度来评估人工智能所产生的后果影响,确保不会出现诸如非常有应用前景的技术难以进入市场或者未经充分审查的敏感应用进入市场这些现象的出现;其次,政府部门及社会都应当对人工智能所衍生的隐私/平等/安全等社会问题的相关研究大力支持,以推动相关法律行规(隐私/创新政策/民事或刑事责任/代理认证/税务等方面)的进一步完善和细化,为人工智能的技术研发扫除不必要的麻烦。2017年8月Facebook的相关实验室因其AI系统发展出了人类无法理解的语言而暂时将其关闭,针对这一类问题的处理方法目前的法律解释还非常模糊甚至于根本没有,无疑是为人工智能的发展敲响了警钟;第三,关于人工智能的社会影响已经存在一些跨学科团队在进行从人工智能的基础研究到其所产生的社会影响这一大范围的相关研究,但是政府及社会公众投入到其中的精力还远远不足,这些能给出从多角度评估分析人工智能影响的项目应当被给于更多的资金支持。

5 结语

在21世纪开始的头十余年,人工智能突飞猛进的发展已经在整个人类社会产生了深远的影响。而在可预见的未来,人工智能必将进一步推动工业结构乃至社会结构的变革。在未来普通人的周边环境中会出现更多的人工智能技术应用。当然,这些应用要在尊重人类和民权的前提下,以能够被普通民众接收的方式推出。政府部门及社会公众在鼓励技术创新的同时也要不断加强相关的法律制度及监管体系的建立,保证所推行的人工智能技术不存在道德、隐私和安全方面的过分担忧。只有这样,才能确保在未来十余年甚至更远的时间内,普罗大众能够广泛且公平地享受到人工智能所产生的巨大裨益,让人工智能真正地为人类社会造福。

[1] 张妮,徐文尚,王文文.人工智能技术发展及应用研究综述[J].煤矿机械,2009,30(2)：4-7.

[2] 钟义信.人工智能：”热闹”背后的门道[J].科技导报,2016,34(7)：14-19.

[3] 贺倩.人工智能技术发展研究[J].现代电信科技,2016,46(2)：18-21.

[4] 周飞龙,屈梁浩,梅越.浅析机械电子工程与人工智能的关系[J].通讯世界,2016,(08)：235.

[5] 温伟华.人工智能技术在机械电子工程领域的应用[J].自动化与仪器仪表,2010,(02)：96-97.