人工智慧2.0的技術萌芽

在新的外部環境下，若干新的技術變化已初露端倪，並表現在近幾年來的人工智慧技術的前沿中。

1、大數據智能化。大數據的知識化，以DeepMind的A1phaGo技術為一大熱門。與傳統博弈人工知識不同，A1phaGo深度強化學習發展了「直覺感知」(下一步在哪)、「棋局推理」(全局獲勝機會如何)和「新穎落子」(想人所不敢想)等能力，並將記憶人類棋局和自我博弈積累棋局結合了起來。此外，DeepMind的軟體還控制著Google數據中心的製冷系統、風扇和窗戶等120個變數，使其用電效率提升了15%，幾年內共節約電費數億美元。的諸多數據中心也需類似改造。據統計，它們的總能耗相當於三峽水電站的發電量。

在此領域中，目前深度學習技術很重要，但其缺陷是不可解釋、不夠通用。解決此類問題，將形成大數據智能的發展。

2、互聯網群體智能。基於網路的群體智能技術已經萌芽。群體智能計算按難易程度分為三種類型:實現任務分配的眾包模式(Crowd-sourcing)，較複雜、支持工作流模式的群體智能((Complex workflows)，以及最複雜的協同求解問題的生態系統模式(Problemsolvingecosystem)。事實上，大規模個體通過互聯網參與和交互，可以表現出超乎尋常的智慧能力，是新的智能系統。普林斯頓大學Connectome項目開發了Eye Wire遊戲，讓玩家可以對顯微圖像中單個細胞及其神經元連接，按功能進行塗色。來自145個國家的165 000多名科學家(及志願者)參與了這個遊戲，從而第一次詳細描述了哺乳動物視網膜的神經組織如何檢測運動的結構功能關係。類似的還有Wiki百科、百度問答、知乎問答等研發的項目。

群體智能計算能極大地提高人類社會的智能水平，有廣泛而重要的用途，目前其理論和技術尚在初期階段。它的發展將提供一種前所未有的人工智慧。

3、跨媒體智能。 人類智能的重要特點之一，是綜合利用視覺、語言、聽覺等各種感知所記憶的信息，從而完成識別、推理、設計、創作、預測等功能。科學家據此提出「跨媒體計算」概念。文本、圖像、語音、視頻及其交互屬性將緊密混合在一起，即為「跨媒體」。多源融合及具有知識演化和系統演化特性的智能分析方法，是解決「大數據傲慢」(big data hubris)的必要手段。風靡全球的「精靈寶可夢GO"遊戲，是利用跨媒體的增強現實技術，將3D圖形與手機實時視頻有機結合起來。

近年來，隨著計算機網路、多媒體以及移動終端的不斷發展，全球數據呈現多媒體爆炸式增長的特性。跨媒體智能是實現機器認知外界環境的基礎智能，在語言、視覺、圖形和聽覺之間的語義貫通，是實現聯想、設計、概括、創造等智能行為的關鍵。

當前的跨媒體智能，尚處於發展萌芽狀態，可望形成新一代人工智慧的重要領域。

4、人機混合增強智能。人們經常會提出的問題是:機器智能會超過人類智能嗎?人工智慧專家的回答多數是:在專用領域，是的;對通用智能，至少在下一個60年內不會發生。

人的智能是自然生物的智能，它和人工智慧各有不同的優劣。用計算機來模擬人的智能固然重要，而讓計算機與人協同，取長補短成為一種「1+1>2」的增強性智能系統則更為重要。當前，各種穿戴設備、智能駕駛、外骨骼設備、人機協同手術紛紛出現，預示著人機協同增強智能系統將有一個廣闊的發展前景。

5、自主智能系統。從人工智慧誕生之時起，機器人就列入其目標領域，仿生學自然也成為重要的發展方向。但60年來所出現過的各種仿生機器人，多數已在實用中敗下陣來。最著名的是四腿負重行走的「機械騾」，美國陸軍試用後放棄，轉用無人戰車。另一類耳熟能詳的例子是無人飛機和無人汽車，其發展之迅猛，已遠遠超過了機器人。

越來越多的例子說明，對機械裝備進行智能化和自主化的升級，往往比類人機器人更加高效。因此，自主智能系統將成為新一代人工智慧的重要發展方向。把握這一趨勢，對製造業的升級尤為重要。