欧洲科学院院士乌思克尔特：AI应用中的直觉与行为

欧洲科学院院士汉斯·乌思克尔特

　　新浪财经讯 2017年11月16日-18日，“第十九届高交会-中国高新技术论坛”于深圳举行。本次论坛的主题为“聚焦创新驱动、提升供给质量”。欧洲科学院院士、DFKI科学总监、德国人工智能研究中心科学总监，AITC院长，联想集团人工智能首席顾问汉斯·乌思克尔特先生出席并发言。他认为，对于AI的研究者来说，我觉得现在的革命不是真正的，只有当世界一起努力的时候，我们才能真正能够迎来AI的革命。

　　以下为会议发言实录：

　　汉斯·乌思克尔特：女士们先生们，各位亲爱的同仁同道，非常感谢大家，我在这里要给大家打开一扇小小通往研究领域，特别是AI应用方面的小窗口。想要从AI现在的一大挑战开始，在我的演讲最后我也会呼应一下这个挑战，挑战是什么？知识、直觉和行为之间的最佳组合在哪里？

　　今天有太多的对话是聚焦于这样的话题，我们知道像阿法狗，包括现在已经有阿法狗zoe最新的版本，他们已经吸引了大家的注意，可能要比最早的时候像这样的IBM沃尔森的机器人，我们知道它也是非常具有智慧，是IBM发展出来的，他们打赢的战役就是电视的猜游戏的猜谜，所以作为语言学家我们当时感觉到这是巨大的突破，它真的是打赢过，在那个时候没有那么地吸引大家的事情，但是IBM研究的沃尔森的人工智能系统已经吸引大家的眼光。

　　之前有两种AI的系统，首先是基于知识，它背后的工程发展是由人设定规则，对于给定的输入规则进行编程，让程序机器人给他指挥命令，会产生行为，机器人可能不知道他们的行为。在这里机器学习是能够在这两个系统上能够有很强的学习能力，这中间的边界超越我们的想象，甚至是超越我们直觉告诉我们的，因为很多系统看起来有很多的知识，但是实际上从人们的行为上学习，比如说今天的翻译一样，如果他们不能理解他们的翻译内容或者背景是很难做出正确的输出，但是大家也要相信，对于像谷歌翻译器，他们能够理解的东西甚至是他们能够做的翻译工作背后是要了解各种不同的行为模式是基于过去的翻译经验，差不多是什么都知道，他们都是基于之前所获取的行为来学习的，而不只是从知识的层面。

　　这些行为也包括阿法狗最新的版本已经超越了人类，可以进行不断的相应修整，也有沃尔森的人工智能系统，包括我们也在德国的人工智能的研究所，也做了很多的研究，我们把机器学习和行为组合在一起，背后再加上海量的知识，如果再进一步看这中间有一些蓝色的泡泡，就是所学的知识，也有深度学习，也有基于行为的学习。我们看到现在对于AI的系统基本上都要把这样的深度学习基于行为的学习放在一起，而对于行为的系统背后没有显性的知识，没有事实，没有解释，如果你告诉一个自动驾驶活动，你的道路规则发生变化了，它理解不了，你要从零开始对它进行重新培训，翻译系统也一样，你不能告诉谷歌翻译现在开始我的一些术语开始变一些变化，你要使它进行完全的自动翻译，重新从不同的内容进行翻译，需要不断地再培训再学习。

　　我们知道阿法狗zoe背后强调的是直觉，不仅是直觉，我们也知道像医生也会用直觉进行判断，遇到知识方面的困惑或者背后遇到的症状，要你说出一些判断测量或者其他的生物科学方面，他们没有办法去解释，他们也不知道这个道理是什么，他们没有办法做出一个非常显性的诊断甚至一个年轻的医生也会问是老医生，如果一个资深的医生可能使用的也是超越层面的，也就是直觉层面，因为他之前是看过数以万计的患者，是他们职业生涯当中基于直觉给出的判断，我们的AI里面直觉也是要很早就进去，可能你会问他们为什么他们会做出这个决定，他可能自己都不知道，然而他们在一个很好的系统里面，背后总有相应的局限，我们来看一下整个人工智能它的革命性的发展，为什么他现在开始大行其道，除了AI以外还有重大的趋势正在重新发展，还有大数据，包括机器学习，也包括深度学习，包括能够让这个机器实现更深度的学习，另外知识本身也有一系列的技术，比如说知识图谱包括背后相应的能力，包括互联网的技术，也像物联网。最后是硬件，也是大家提到的智能硬件我回过头看20年之前完全没有现在的机器学习能力。

　　我的研究和分享也会比较聚焦于我们德国人工智能中心，我们有五大不同的位置地点或者说分布所做的一系列围绕人工智能的工作，这个也简单介绍我们背后的股东，包括谷歌，包括今天也有很多的讲者所在的公司是我们的股东，也感谢你们，你们之前已经讲了很多您所在的企业所做的人工智能工作。我们做各种不同类型的研究，在这里我会强调我们如何能够把不同技术的优势进行组合，也要适用于德国，德国也有一个特别的在IT方面的角色，我们所产出的不仅是最大的计算机，我们也不是智慧手机智能手机的生产商，但是我们的车做得不错，我们的机械设备做得不错。

　　这是工业4.0公司这中间包括人工智能技术，包括物联网技术，当然也包括商业智能，BI，也包括网络、虚拟物理系统等等，还有一系列其他的发展或者开发，有的也是之前谷歌的讲者百度的讲者提到知识信息大的组织，能够让每个人触手可及。这中间带入越来越多的技术，越来越多的知识，包括语义网，包括一系列的图谱，在这里还有两个，我们感到非常振奋的发展。

　　这一张图是从工业4.0的开发当中的一个最先介绍的册子里面所摘取而来，当时负责工业4.0的CEO跟我一起就是从一开始就进行了工业4.0的研究，包括智能工厂里面的移动性的楼宇都是互相联系在一起，能够通过数据的分析器，能够有一个完整的数字化数码化的制造流程，工艺流程。

　　对于企业来说，对于工厂来说，可能体现在其他的方面，因为对于公司它最重要是注重消费者，还有银行、物流企业、监管当局还有其他的不同工人，还有他们的家属等等，所有公司不仅仅包括工厂，还包括以上种种的利益相关者，我们要看一下商业的分析器还有人工智能，要涵盖不同的数据，不同的知识，能够更好地去汇集这些资源。这样的话传感器就可以收集这些数字，融入这个过程当中，并且能够在公司的内部不断地收集这些数据。

　　今天的AI其实很多时候都能够符合我们的要求，但是我们也受到一个障碍的阻挠，就是我们的行为，我们的直觉力可以怎么样更好地去开发？去适应工业4.0，能够监测这个过程进行分析，并且用一致性的信息去分析不会有偏差。这包括了工艺流程的优化，进行预判性的生产分析还有功能的战略自动化实行等等。

　　我们需要汇集不同的方法进行优化，我刚刚提到不同的方法，有非常好的金融科技的讲者谈到了，金融科技的重要性，还有对于数据、销售、市场的动向，商品的价格进行分析，都可以利用金融科技解决，如果能够进行预测或者预判的话，就能够知道这些数据能够释放出一些很重要的信号，能够让不同的利益相关者更好地进行选择，决定自己的倾向。这里面的红色和蓝色的圈圈代表最新的进展还有向上升的势头，如果你问一个分析师，他会跟你说为什么会出现这个上扬，他会跟你说那一天有地震的消息，所以出现大波动。如果你早期能够从不同的西班牙或者其他的美国媒体听到这个新闻，留意那些预测的话，就可以进行预判可以预防不良的后果。这里面是智利的铜矿，还有冶炼厂，如果你能够通过数据去收集，就可以知道这里面地震的发生频率很高，每一次有偏差的话，就可以要知道哪个行业，哪个矿产跟这个地震带是相关的，如果地震发生又会影响哪种金属，会影响哪个行业等等。我们讲到一些公司，他们在进行国际的合作比如说在中国进行进出口的业务的时候，我们就可以通过深度学习来进行这些贸易行情的预测和预判，我们跟深度学习进行融合的话，可以更好地事半功倍。之前王海峰代表百度进行致辞，自然语言处理能够让我们进行一些预判能够更好地去了解这些文本的语义是什么，我们不可能100%理解，但是尽可能理解更多。

　　我们把上述提到的技术融合在一起，包括了最新的一些进展，包括了自然语言的处理，还有学习的最好方法，我们可以跟一些知识的背景，以及非常好的一些资源的结合，包括在柏林的一些图书馆还有在维基百科的线上书库还有欧洲项目的执行者，他们可以就所谓的自然语言还有语义的处理进行互相连接论文的处理，这些都是自然资源，我们可以用于机器的预判还有交易的预判，以及对于产品的设计，许多的资源会有中文、英文、法文等等都可以获得，之前西门子在供应链的管理时候就跟其他的公司基于全球的试调进行数据挖掘，他们在医学方面进行了病人数据很好地分析。

　　接下来分析我自己的洞见，能够把显性和隐性的结合是很强有力的格局，让这个结合让人类变得更加强大，我们可以对于一些知识是显性获得或者隐性获得，我们希望具有说服力的方法把这两方面的方法结合在一起，我们可以选择一种跟人脑不同的结合方法，因为人脑其实它能够有一定的处理极限，但是IT的处理不会有极限也不会疲劳，我们可以模仿大脑的功能，但是对于大数据和神经网络的处理能力结合起来，对于显性知识的了解就能够帮助我们解决问题，并且能够建立一些更好的数据的收集和利用；能够结合原来既有的知识和新收集的数据，再加上我们讲到的深入学习，就能够带来AI的下一波革命，对于AI的研究者来说，我觉得在未来我们都能够有更加好的真正意义上的革命，我觉得现在的革命不是真正的，只有当世界一起努力的时候，我们才能真正能够迎来AI的革命。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。