樂觀與審慎并舉 理性看待AI浪潮

樂觀與審慎并舉 理性看待AI浪潮

■ 張澤明

目前，以深度學(xué)習(xí)為代表的人工智能技術(shù)發(fā)展，需要依靠算法、數(shù)據(jù)和算力這三者多輪驅(qū)動(dòng)。算法形成智能模型，數(shù)據(jù)提供智能訓(xùn)練素材，算力滿足人工智能高并行大數(shù)據(jù)量的計(jì)算，三者缺一不可，他們也共同制約了深度學(xué)習(xí)的進(jìn)一步拓展應(yīng)用。

深度學(xué)習(xí)的技術(shù)制約，首要是深度學(xué)習(xí)的算法決定模型適配度不高。深度學(xué)習(xí)其實(shí)是模擬了人腦神經(jīng)元的感知模式，將感知分為多個(gè)層次，每個(gè)層次的神經(jīng)節(jié)點(diǎn)都賦予不同的權(quán)重，從而將輸入信號層層識別得到較為滿意的結(jié)果。深度學(xué)習(xí)數(shù)據(jù)訓(xùn)練的結(jié)果就是要找到合理的各項(xiàng)權(quán)重，從而獲得滿意的輸出識別結(jié)果。

但是深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)是一個(gè)“黑盒系統(tǒng)”，也就是說人工智能自己依靠數(shù)據(jù)訓(xùn)練，為什么得出這個(gè)結(jié)果人類確實(shí)全然不知，結(jié)果是概率學(xué)與統(tǒng)計(jì)學(xué)原理等共同運(yùn)行得出的。一言以蔽之，依靠數(shù)據(jù)，人工智能的輸出結(jié)果你無法預(yù)知，輸入與輸出的邏輯因果關(guān)系也不明確。

況且，人工智能的神經(jīng)網(wǎng)絡(luò)模型針對的是特定的數(shù)據(jù)、特定的場景，經(jīng)過訓(xùn)練得到表現(xiàn)良好的深度學(xué)習(xí)系統(tǒng)很難移植到另一個(gè)不同場景中。南京大學(xué)的機(jī)器學(xué)習(xí)專家周志華教授甚至一針見血地指出：“神經(jīng)網(wǎng)絡(luò)有很多缺陷?！彼f：“凡是用過深度神經(jīng)網(wǎng)絡(luò)的人都知道，要花大量的精力來調(diào)參數(shù)，因?yàn)檫@是一個(gè)巨大的系統(tǒng)。這會(huì)帶來很多問題，首先調(diào)參數(shù)時(shí)，經(jīng)驗(yàn)是很難共享的；這帶來第二個(gè)問題——不管是科學(xué)研究、技術(shù)發(fā)展，都希望結(jié)果可重復(fù)，而在整個(gè)機(jī)器學(xué)習(xí)領(lǐng)域中，深度學(xué)習(xí)的可重復(fù)性是最弱的。”他還舉例說，經(jīng)常會(huì)遇到這樣的情況：有一組研究人員報(bào)告了一個(gè)結(jié)果，但其他的研究人員很難重復(fù)——哪怕用同樣的數(shù)據(jù)、同樣的方法。

目前市場中已經(jīng)出現(xiàn)不少深度學(xué)習(xí)人工智能產(chǎn)品，如智能音箱、政務(wù)服務(wù)機(jī)器人、教育機(jī)器人等，但大都表現(xiàn)不佳，遠(yuǎn)遠(yuǎn)達(dá)不到大眾的預(yù)期。究其根本，就是訓(xùn)練好的模型用在變化的環(huán)境或領(lǐng)域，其普適性能出現(xiàn)明顯下降。

簡而言之，深度學(xué)習(xí)與場景耦合度過高，普適性較差。首先，這不僅對技術(shù)發(fā)展形成制約，也讓技術(shù)移植耗費(fèi)大量成本。其次，深度學(xué)習(xí)需要大量的人工標(biāo)注的數(shù)據(jù)來進(jìn)行算法訓(xùn)練。所以深度學(xué)習(xí)天然是要跟大數(shù)據(jù)聯(lián)系在一起，數(shù)據(jù)是否適合分類、分類準(zhǔn)確與否，不僅決定了深度學(xué)習(xí)方法是否可以使用，也決定了深度學(xué)習(xí)的結(jié)果走向。經(jīng)過精確標(biāo)注的“干凈”數(shù)據(jù)，也將成為深度學(xué)習(xí)發(fā)展的瓶頸。再次是算力的優(yōu)化。深度學(xué)習(xí)需要的大規(guī)模算力，已經(jīng)超出了通用CPU架構(gòu)的承受能力。在GPU概念推出并應(yīng)用于圖像處理后，其也不能很好滿足深度學(xué)習(xí)人工智能的需求。因此， 人工智能專用芯片的研發(fā)正在進(jìn)行中，國內(nèi)也涌現(xiàn)出了很多相關(guān)初創(chuàng)企業(yè)乃至是獨(dú)角獸企業(yè)。不過，這種芯片的研發(fā)仍然在路上，且芯片處理深度學(xué)習(xí)大規(guī)模并行計(jì)算產(chǎn)生巨大的熱量，而熱量又限制了芯片的進(jìn)一步表現(xiàn)。這一矛盾目前為止，還是沒有商用的完美解決方案。最后是深度學(xué)習(xí)推廣的邊際成本。深度學(xué)習(xí)使用的卷積神經(jīng)網(wǎng)絡(luò)，是一個(gè)多層的神經(jīng)網(wǎng)絡(luò)。且深度學(xué)習(xí)隨著層次的增多，識別能力會(huì)出現(xiàn)一個(gè)極限，系統(tǒng)復(fù)雜度的急劇上升將不會(huì)帶來等比例的識別能力提升。

深度學(xué)習(xí)的原理綜合性很強(qiáng)，門檻很高。同時(shí)，實(shí)現(xiàn)深度學(xué)習(xí)的成本很高，數(shù)據(jù)、算力、算法帶來的技術(shù)瓶頸，又導(dǎo)致人工智能難以實(shí)現(xiàn)規(guī)模化發(fā)展，這反過來又嚴(yán)重制約了技術(shù)的實(shí)際應(yīng)用與推廣。

一方面人工智能給人們帶來了巨大的便利，另一方面技術(shù)的發(fā)展也給隱私和安全問題帶來新的挑戰(zhàn)。

今年初，網(wǎng)友運(yùn)用人工智能換臉技術(shù)Deepfake 把《射雕英雄傳》里黃蓉的臉由朱茵換成了楊冪。視頻里換臉后人臉的輪廓、表情都一樣，動(dòng)起來的效果也很真實(shí)，幾乎看不出破綻。這樣的技術(shù)也引來了一些恐慌，一旦這項(xiàng)技術(shù)被濫用在其他地方，后果將不堪設(shè)想。

同時(shí)，深度學(xué)習(xí)人工智能需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，這些數(shù)據(jù)往往牽涉?zhèn)€人的隱私，比方說醫(yī)療領(lǐng)域的個(gè)人數(shù)據(jù)。這些數(shù)據(jù)一旦泄露，將產(chǎn)生難以估量的惡果。人工智能系統(tǒng)甚至可以通過對數(shù)據(jù)的再學(xué)習(xí)和再推理，導(dǎo)致現(xiàn)行的數(shù)據(jù)匿名化等安全保護(hù)措施無效，個(gè)人隱私變得更易被挖掘和更易暴露

柯潔因?yàn)檩斀oAlphaGo，曾經(jīng)被調(diào)侃，“柯潔他走在了我們普通人的前邊，我們還沒有享受到人工智能的服務(wù)呢，他就已經(jīng)被人工智能傷害了。”然而保障人工智能不被濫用，不傷害人類，并不是一個(gè)遙不可及的問題。這既需要技術(shù)上的審慎，也亟待法律的約束。

《新一代人工智能發(fā)展規(guī)劃》提到“舉全國之力，搶占全球人工智能制高點(diǎn)”。 規(guī)劃到2020年，我們?nèi)斯ぶ悄墚a(chǎn)業(yè)競爭力務(wù)必要進(jìn)入國際第一方陣。實(shí)現(xiàn)人工智能核心產(chǎn)業(yè)規(guī)模達(dá)1500億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超萬億。到2025年，我們?nèi)斯ぶ悄艿睦碚摵图夹g(shù)務(wù)必達(dá)到世界領(lǐng)先水平。實(shí)現(xiàn)人工智能核心產(chǎn)業(yè)規(guī)模達(dá)4000億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超5萬億。到2030年，我們?nèi)斯ぶ悄軇?wù)必要占據(jù)全球人工智能制高點(diǎn)。實(shí)現(xiàn)人工智能核心產(chǎn)業(yè)規(guī)模達(dá)1萬億，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超10萬億。

國家層面對人工智能認(rèn)識是清醒的。為此，更需要我們采購人在具體使用人工智能技術(shù)時(shí)，保持謹(jǐn)慎樂觀。不妨以習(xí)總書記的要求來自勉——正能量是總要求，管得住是硬道理，用得好是真本事。

（作者單位：大連海關(guān)）

本報(bào)擁有此文版權(quán)，若需轉(zhuǎn)載或復(fù)制，請注明來源于中國政府采購報(bào)，標(biāo)注作者，并保持文章的完整性。否則，將追究法律責(zé)任。