人工智慧：衝擊現在、改變未來

鄧洲，經濟學博士，現為社科院工業經濟研究所副研究員，曾在《人民日報》《工業經濟》《科研管理》《經濟管理》等報紙和期刊上發表多篇文章。目前主要研究領域為產業升級和技術創新。

2017年2月25日，參觀者在養老產業博覽會了解陪護型機器人。（新華社發 陳曉根 攝）

人工智慧進入以「深度學習」為代表的發展新階段

深度學習是人工智慧的一個分支領域，其過程是建立模擬人腦進行分析學習的神經網路，從而實現模仿人腦的機制來讀取和分析數據。深度學習被看做當前最接近人腦的機器學習方法。2016年3月，谷歌公司的人工智慧「阿爾法圍棋」（AlphaGo）戰勝國際圍棋大師李世石；2016年末至2017年初，化名「大師」（Master）的「阿爾法圍棋」在網路平台上擊敗十多位中韓世界冠軍，取得60連勝。具有深度學習能力的計算機已經能夠在最複雜的棋類遊戲上戰勝人類，而在更多的工業、商業和家庭領域，人工智慧的研發和產業化也不斷推進，人工智慧的美好時代已到了巨幕拉開的前夕。

從20世紀50年代發明需要人類指導才能運行的計算機開始，科學家用了半個多世紀的時間讓計算機擁有自主學習能力，這一飛躍不僅僅是計算機科學和產業的里程碑，也對各行各業和人類社會產生巨大影響。「阿爾法圍棋」的成功意味著計算機在智力上超過人類是早晚的事情，而這一轉折點已經逼近，同時也表明人工智慧進入了以「深度學習」為代表的新發展階段。

2016年3月，李世石（前右）與「阿爾法圍棋」對弈。（新華社發）

傳統計算機被設計用來進行高速運算，但必須先有人類工程師進行編程才能執行任務。編程是一個耗時且高成本的工作，而且在面對未知世界時，人類工程師並不能很好地幫助計算機進行判斷。與這種依靠「教」來掌握工作能力的傳統計算機不同，具有深度學習能力的計算機能夠自己「學習」——程序員為它灌輸的不是邏輯規則和方法，而是構建一個模擬人腦的神經網路。計算機通過不斷自主訓練掌握各種技能和技巧，在實際工作中根據環境變化和對人類命令的理解給出最優策略，這一過程和人類學習掌握新知識的過程幾乎是相同的。從某種意義上講，計算機已經發展到能夠自行編程執行新任務的階段。未來的人工智慧將主動適應人，用人類的語言、動作、情感與人類進行互動交流，成為人類工作和生活的夥伴。

全球人工智慧方興未艾，角色開始轉變

作為一項革命性前沿科技，各大強國和跨國公司都在加速布局人工智慧以搶佔未來競爭制高點。如，在圖像識別領域，谷歌、微軟等公司近年來加強了對深度學習的研究和商業應用。谷歌的GoogleNet團隊使用深度學習技術在計算機視覺挑戰比賽中刷新了分類和偵測的紀錄，該技術2015年起被應用於谷歌自動駕駛系統中，幫助計算機和人類駕駛員標註和預警道路上的危險情況；2015年，微軟宣布其圖像識別系統的錯誤率下降到4.94%，這低於人類在歸類識別時5.10%的錯誤率。為了推動深度學習在語言識別上的應用，近期一些互聯網巨頭企業開源（開源技術是指開放源代碼的軟體技術，此類技術被認為有助於打破壟斷，促進知識技術創新）了深度學習工具包，吸引更多人在自己的平台上進行語音識別的研發。開源思想能夠建立更大的平台，有助於形成更大的學習資料庫以及開發更多的應用產品。

每一次技術革命都會為趕超者帶來「彎道超車」的歷史機遇，但如果把握不好，趕超者也可能再一次陷入「跟隨」的「漩渦」。經過幾十年在計算機和相關領域的努力追趕，避開了這一「漩渦」。已具備發展人工智慧研發和產業的基礎和條件，在人工智慧的基礎研發、產業化上取得令人矚目的成就，與發達國家的分工和競爭關係正在由「跟跑者」角色向「並跑者」「領跑者」角色轉變。如，在語音識別上，2014年，百度對外發布其基於深度學習的語音識別系統Deep Speech，該系統能夠模仿人大腦新皮層中的神經活動，通過深度學習識別出數字形式的聲音、圖片等數據。實際應用發現，在車內、人群等噪音環境下，Deep Speech系統的出錯率比谷歌、微軟、蘋果等公司的類似系統低10%多。

2016年11月，一台工業機器人在第18屆國際工業博覽會上展示自己的書法。（新華社記者 裴鑫 攝）

人工智慧是新科技、新產業，也是新的生產生活方式

深度學習是機器學習的新浪潮，也是人工智慧發展的一個里程碑，雖然已在語音識別、圖像識別、預測分析、機器翻譯等領域小試身手，但客觀上講，無論是理論研究還是商業化都面臨巨大的難題。誰也不能保證深度學習在未來能成為人工智慧最基礎的方法，或許會有更好的新技術替代深度學習，但可以肯定的是，人工智慧的夢想不再遙遠。機器在不久的將來會像人類一樣思考，這將對人類科技、經濟和社會產生巨大影響。

首先，人工智慧代表更高的生產效率。機械化、自動化以及傳統互聯網對生產率的提升幾乎已走到盡頭，而人工智慧的應用將為人類生產率的提升創造新動力。與之前技術革命主要提高體力勞動生產率不同，人工智慧主要是推動腦力和智力勞動效率的增長。如，人工智慧能夠根據市場、供應鏈、物流、倉儲情況，甚至每個工人的技能水平、工作效率進行科學排產，從而最大限度利用企業資源並將成本和損耗降到極低的水平，這是依靠人工排產不能做到的。

其次，人工智慧造就新的競爭優勢。在互聯網產業領域，已經有現象表明，人工智慧具有重新調整行業競爭秩序的潛力。面對愈加錯綜複雜的市場環境，企業的風險控制和經營決策已超出最優秀管理者的能力，未能投資和利用人工智慧的管理團隊將有很大可能會在競爭中被淘汰。

最後，人工智慧催生新的產業和業態。蘋果公司的語音助理Siri、亞馬遜的語音助理Alexa、谷歌的圖像識別、百度的語音識別等，是電子信息產業藉助人工智慧形成的新業務，但人工智慧的應用絕不局限於電子信息領域。如，在農業生產領域，日本的瓜農藉助谷歌人工智慧技術完成對果實的自動分揀，而在過去這一工作需要花費時間和昂貴的勞動力。在金融服務領域，人工智慧幫助投資決策者開闢新的數據集，實現更快分析，從而降低金融業成本，提高回報。在醫療保健領域，德國默克製藥公司利用深度學習將研究工作聚焦於那些最有可能與靶標綁定的分子，從而使新葯研發成功率提高15個百分點。在零售領域，亞馬遜、阿里巴巴、京東等電商都在嘗試使用「大數據＋深度學習」的方式對用戶實現更加精確的推送服務，同時實現更科學的定價和配送貨。

需要明確的是，我們通常不會孤立地使用一種科技手段，人工智慧在實際中的應用需要與其他技術相結合。「深度模型+大數據」是現在非常流行的計算機解決問題的方法。如，在深度學習系統識別語音和文字后，通過大數據庫，計算機能夠將其翻譯成其他國家的語言，這比之前通過語法邏輯的翻譯手段準確得多。在無人駕駛系統中，計算機通過深度學習的方法了解外界環境中哪些是安全的、哪些是需要避讓的、哪些是極度危險的，深度學習的結果用以指導計算機設計駕駛速度和路線，這是無人駕駛系統安全性的最基本保障。人工智慧與機器人結合會創造真正會思考、能學習的機器人，這會極大提高機器人的使用體驗，不僅提高工業領域機器人的生產效率和安全性，在商業場所和家庭，機器人也能夠更好地為人類服務。