从感知到无感知的全面渗透，如何领略人工智能的“尖端智慧”？

2018-11-26 00:51

“交叉学科”的成立有利于AI技术发展

人工智能如今随处可见，它已经扎根于我们的生活，触及我们生活的方方面面，从我们在网上决定购买什么书籍或机票，到保险申请是否成功，甚至罹患癌症后要接受何种治疗方法，都离不开它。

然而除了技术这个“硬件”之外，就目前而言，人工智能还需要面对其他问题。机器学习领域的先驱彼得·诺维格曾提出——人工智能面临的最大挑战不是技术，而是要想出新的办法，来监控或者审核人工智能目前正在发挥重大作用的众多领域。

黄教授告诉记者，人工智能应用技术发展的另外一个瓶颈，是交叉学科带来领域知识鸿沟，这一点在我们国内尤为明显。

简单来说，科学研究体系很多以单一学科进行划分，这样会造成交叉学科的应用技术研究进展困难。“例如，当人工智能应用在金融或者医疗时，AI科学家需要研究金融与医疗领域知识的‘数字化表示’，这必然需要相关领域专家比如说银行家、医生等支持。”他说，“然而，目前这种‘跨领域合作研究’的方式，还没有得到业界重视。所以部分人可能会误认为，AI的问题仅靠某个单一学科就可以解决，如此一来，便为AI技术产业化过程中的投资和运营带来了高风险。”

黄教授表示，所幸我国目前非常重视“交叉学科”的发展，不少知名高校和研究所都设立了交叉学科研究院，并且在科研经费资助上，也鼓励交叉学科的融合发展。

人工智能涉及领域，未来将继续延伸

AI并非神人利器，也有软肋；AI也并非洪水猛兽，很多方面均有建树。虽然AI技术的崛起，将来可能会令一些人面临失业问题，但我们不得不承认，在某些方面，AI的能力甚至远远超过了人类。

即使如此，卡内基梅隆大学机器人教授金出武雄仍认为，我们不应该把AI视为与人类竞争的东西，而应该看作是可以增强我们自身能力的武器或工具，因为AI不仅能做好单调乏味的工作，还能够识别出模式。

据黄教授介绍，相对于以往的固有模式来说，AI科技近年来有了不少新的突破，比如说神经网络技术、生物特征识别技术、对话式人工智能系统以及智能资源调配技术：

神经网络技术：尤其是深度学习技术通过GPU（图形处理器）并行，使得其在许多工业应用上出现了大量的应用，包括智能翻译系统、语音识别系统以及图像处理等多个领域；

生物特征识别技术：包括人脸识别、生物动作分析、轨迹追踪等多个方面的研究；

对话式人工智能系统：包括语音识别、人机交互、自然语言处理分析等多个方面的内容；

智能资源调配技术：主要应用于货物运输频繁行业，对于资源的调度运输有着严格的要求，根据现实交通运输和产品库存情况，实现产品的实时高效的调度。

“以上提到的只是一些应用技术层面的概念，从科学本质上看，AI的研究进展主要是‘知识表示’的研究进展。换句话说，当出现新的计算载体，例如量子计算、类脑计算和DNA计算等，AI的研究进展就会以不同的形式，在我们眼前闪亮登场。”黄教授补充道。

在未来，人工智能可以涉及的领域，还将继续延伸。

<上一页 1 2