類人計算，是要超越人工智慧的節奏嗎？

| 編者按

2017年4月12日，英國工程與物理科學研究理事會（EPSRC）發布了《類人計算戰略路線圖》，明確了類人計算（Human-Like Computing）的概念、研究動機、研究需求、研究目標與範圍等。本期對其解讀。

人工智慧AI最近很火，火到什麼程度？據投資圈一位前輩講，在忽悠投資人或者路演中不顯擺一下人工智慧，都被甩出幾條街了！

然而，英國的科學家對此卻不以為然。他們說：目前人工智慧確實可以用來完成一些人類做的事情，但並不採用類似人類的行事方式。現行的AI系統不能模仿普通人甚至是孩子的智能表現。許多現行的方式既不能應對突發的情況，也不是明確可解釋的。AI今天的成功有賴於大數據、增強的計算力和範例認知等技術的進步。所以，目前的AI系統缺乏人類所具備的靈活性、普遍性和創造性。

1、人工智慧很了不起嗎？

AI系統是否成功是以數據量來衡量的，隨著數量的增加其正確性也逐步提高；而機器學習表現如何則使用統計的方法。這些系統往往是「黑匣子」：無法得知它們是如何運作，如何決策的。這就局限了它們在許多領域的應用，比如法律和醫學的推理，還有工程設計，這些領域裡了解決策的過程是非常重要的。

再說，人類很容易就能跨領域地轉化各種知識並識別概念，比如，給孩子看過一隻貓，以後孩子看到的不管是圖片還是活的動物，他都會識別出這是貓。我們也擅長利用背景限制來識別出特定情境中的相關點，然後重構問題，這樣就更容易解決問題。而這些能力，目前的AI系統是做不到的。人工智慧的奠基人之一Donald Michie描述了三種學習能力：

弱：系統通過從數據樣品中學習如何處理新數據；

強：系統可以用明確的信號交流雙方都能理解的假設；

超強：用戶能夠理解系統的輸出及其可能的結果；

目前的機器學習能力還處於「弱」的發展階段，而類人（human-like）系統提供了發展強與超強學習系統的新路徑。

2、類人計算是什麼意思？

類人計算（HLC）的研究旨在賦予機器類似人類的認識、推理與學習的能力，用以支持機器與人類的協作與交流。類人計算的願景是其操作方式將不同於目前的人工智慧或機器學習系統。這些系統儘管展示出驚人的表現，並能完成一些人類所做的事情，但它們並不是類人系統，因為它們依賴基於計算的解決方案，例如神經網路，它們需要大數據以及驚人的計算力來進行操作。而類人系統是由生物模型給予其信息，而不是模仿神經學。它們之所以操作起來類似人類是因為它們不再需要AI和機器學習系統所需的大量數據源，而是以人類所能理解的溝通方式進行學習——它們將擁有的能力可以讓它們跟人類溝通，解釋並描述它們決策與行動的流程。因此，相關研究需要認知與計算兩個領域的科學家進行合作來支撐類人系統的發展衍生。同時，需要由認知科學來激發出研究課題：比如感知、認知的研究可以激發類人系統如何像人一樣學習和做出行動的研究。

3、類人計算的機遇在哪裡？

在數據量不大、背景知識是關鍵，必須掌握複雜結構且必須有解釋說明的這些領域，類人系統的機遇比比皆是。而這些領域又是目前AI覺得挑戰過於大而無法應對的。類人計算越來越多的機遇存在於人類與系統之間的協作，比如人機混合的工作場景。

要把這樣的機遇變成現實，就需要與目前AI研究方向不同的新的研究課題，比如需要探索認知科學對於人類與動物如何學習與推理的研究，將其與計算科學結合，整合成最終能以人類的方式工作的系統。

發展類人系統所涉及的研究會帶好諸多好處。不僅能提高我們的能力來利用機器解決目前對計算機來說有難度的問題，也能夠激發認知科學的進一步發展，因為這種合作也會提高對特定情境中的人類行為的理解。

初期的AI研究接近於人類行為模式與認知模式研究，但是隨著計算能力的增強，研究方向便隨之偏移，改為利用強大的計算能力而不是認知科學的進展來發展系統。然而，現在有必要重新建立與認知的聯結。隨著計算科學與認知科學的突破，一方面我們對人類的大腦將會有更清晰的認識，另一方面計算科學模仿人類能力也會有很大的提高。

4、英國打算怎麼辦？

英國人認為現在提出類人計算的研究是合適宜的。雖然世界上有很多科學家已經意識到了目前AI系統的局限並從認知科學著手開發未來的系統，但英國有自己的優勢利用這些機遇。其一，英國研究AI和認知科學的歷史比較悠久，有自己的特點和優勢。這些學科的奠基人中有一些就是英國的科學家。當然，美國也有自己的優勢，像DARPA的一些項目以及可解析的AI項目等，不過英國的研究團隊與這些國外團隊都有很好的聯繫。其二，英國參與了國際很多認知科學研究大項目。歐盟的項目，如Esprit、框架項目以及地平線計劃，都幫助英國與其它歐盟國家的科學家建立了很好的關係，而英國科學家經常是作為領軍人物走在前列。比如，近期一系列的以歸納程序為主題Dagstuhl研討會就是由英國和德國的頂尖科學家共同組織的。

作者簡介

吳紅敏，上海產業技術研究院外事主管

劉小玲，上海科學院規劃研究處副處長，副研究員

延伸閱讀

人工智慧給產業發展將帶來什麼驚喜?

AlphaGo積累的數據值多少錢？ ——談數據價值評估

你真的了解大數據系統嗎？ ——大數據系統評測的挑戰與方法

未來機器人值得關注的八項共性技術及其路線圖

人工智慧機器人AI-Maths的數學「聯考」為何「輸」在語文上? ——淺談類腦科學研究

2016 美國機器人技術路線圖解讀系列之五 ——空間機器人

2016 美國機器人技術路線圖解讀系列之四 ——提升公共領域安全性

2016 美國機器人技術路線圖解讀系列之三 ——醫療機器人

2016 美國機器人技術路線圖解讀系列之二 ——服務機器人

2016 美國機器人技術路線圖解讀系列之一 ——製造業與機器人

似水年話 | 漫談猴年科技創新那些事兒

談談非研發創新活動的主要表現

也需要重視非研發創新

製造：由生產文化走向技術文化 ——2016浦江創新論壇之 「智能製造與工業大數據」 產業分論壇特邀嘉賓李傑訪談錄

激勵人才應為創新驅動發展的第一要務

新技術，讓城市更美好——智慧倫敦計劃簡介

（本文不代表微言創新觀點。歡迎投稿、轉載和商務合作，請聯繫[email protected]）