人臉識(shí)別、聲紋識(shí)別、智能機(jī)器人、無人駕駛汽車……當(dāng)下，人工智能已進(jìn)入到人們?nèi)粘Ｉ畹姆椒矫婷?。然而，就在一二十年前，人工智能還是一個(gè)十分科幻的話題，甚至有不少人擔(dān)心人類將被人工智能所取代。

從科幻到現(xiàn)實(shí)，人工智能這一質(zhì)變用時(shí)并不算太長(zhǎng)，但已經(jīng)讓人們產(chǎn)生了心理落差：實(shí)際應(yīng)用中缺陷不斷的人工智能，原來并沒有想象中那么智能。

人工智能也有強(qiáng)弱之分

人工智能這一概念最早可以追溯到1950年，被譽(yù)為人工智能之父的圖靈，在著作中提出用圖靈測(cè)試來測(cè)量機(jī)器的智能程度。隨后，科學(xué)界逐步對(duì)人工智能的概念形成共識(shí)：人工智能就是能夠和人一樣進(jìn)行感知、認(rèn)知、決策、執(zhí)行的人工程序或系統(tǒng)。

嚴(yán)格來說，被包裝出來的人工智能并非是很主流的新技術(shù)，直到幾年前李世石跟阿爾法狗(AlphaGo)下完棋后，各界對(duì)人工智能的熱情也被徹底引爆，但公眾對(duì)人工智能的認(rèn)知和思考基本還是建立在科幻作品的基礎(chǔ)上。

不過，當(dāng)前的人工智能頂多只能算是一個(gè)聽話、精力充沛的“笨小孩”。

“人工智能原本就有強(qiáng)弱之分，這也是人們對(duì)人工智能產(chǎn)生些許失望的根本原因?！蔽臏Y智庫(kù)研究員王超告訴記者，很多人對(duì)人工智能的想象是建立在“通用人工智能”之上的，而現(xiàn)在落地應(yīng)用的人工智能都是基于大數(shù)據(jù)驅(qū)動(dòng)，它對(duì)小概率和偶然性事件缺乏應(yīng)對(duì)機(jī)制，特別是在面對(duì)這個(gè)充滿變動(dòng)的世界時(shí)，就不知道該如何應(yīng)對(duì)了。

王超說，從技術(shù)發(fā)展趨勢(shì)來看，人工智能被區(qū)分為弱人工智能、通用人工智能、超級(jí)人工智能。弱人工智能也被稱為狹義人工智能，是專攻某一領(lǐng)域的人工智能;通用人工智能也叫強(qiáng)人工智能，指的是一臺(tái)像人類一樣擁有全面智能的計(jì)算機(jī);至于超級(jí)人工智能，目前只是人們對(duì)科幻作品中智能機(jī)器人所擁有能力的期待。

通用人工智能還沒有成熟的案例

目前人工智能發(fā)展到什么階段了?

王超說，當(dāng)前的人工智能已經(jīng)在弱人工智能階段停留了過長(zhǎng)的時(shí)間，通用人工智能才是接下來技術(shù)發(fā)展的方向和人們對(duì)人工智能的期待?！暗珓?chuàng)建通用人工智能比創(chuàng)建弱人工智能難多了，現(xiàn)在還沒有成熟的案例?！碑a(chǎn)業(yè)界的初步共識(shí)是，通用人工智能要大幅提高神經(jīng)網(wǎng)絡(luò)的泛化能力。

“然而，當(dāng)前的人工智能主要還是基于深度學(xué)習(xí)?！碧厮孤?lián)首席科學(xué)家邵嶺博士告訴記者，一方面，深度學(xué)習(xí)使得人工智能在視覺、語(yǔ)音、自然語(yǔ)言處理等許多相關(guān)領(lǐng)域的應(yīng)用性能大幅提升，性能甚至已經(jīng)能超過人類;另一方面，人工智能的能力仍基于“暴力算法”及大數(shù)據(jù)——智能參與的程度并不高。

過去幾年里，預(yù)訓(xùn)練大模型越來越受到歡迎，通過預(yù)訓(xùn)練的大模型，僅需要有限的數(shù)據(jù)即可實(shí)現(xiàn)對(duì)模型針對(duì)新場(chǎng)景的調(diào)優(yōu)。但邵嶺提醒，一些人工智能專家認(rèn)為這是通往通用人工智能的一大步，其實(shí)這跟通用人工智能沒有任何關(guān)系?！按祟惸Ｐ筒⒉痪邆涑ＷR(shí)，也沒有思考與邏輯能力，其優(yōu)越的性能主要源于海量的訓(xùn)練數(shù)據(jù)，也可以說僅僅是具有一定泛化能力的記憶儲(chǔ)存而已”。

對(duì)于當(dāng)前的弱人工智能如何向通用人工智能邁進(jìn)，邵嶺的結(jié)論并不是很樂觀，“我們距離通用人工智能還很遙遠(yuǎn)，或許在未來也難以實(shí)現(xiàn)”。

大模型加速落地是產(chǎn)業(yè)首要任務(wù)

通用人工智能還很遠(yuǎn)，但并不影響當(dāng)下人工智能一直占據(jù)著“風(fēng)口”位置。當(dāng)然，產(chǎn)業(yè)熱度的不斷提升，同時(shí)也無法回避人工智能產(chǎn)業(yè)中絕大部分企業(yè)仍面臨著虧損的事實(shí)。

邵嶺坦言，企業(yè)無法盈利的主要原因在于，人工智能解決方案通常需要很高程度的定制化，且難以規(guī)?；a(chǎn)?！邦A(yù)訓(xùn)練大模型可以在一定程度上解決這個(gè)問題，但并非所有的人工智能初創(chuàng)公司能夠負(fù)擔(dān)訓(xùn)練大模型的成本?！?/p>

近幾年，大模型歷經(jīng)了探索期、突破期，現(xiàn)在已經(jīng)一定程度上到達(dá)推廣期。百度集團(tuán)副總裁、深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程研究中心副主任吳甜認(rèn)為，今年是大模型落地關(guān)鍵年，“對(duì)于大模型落地而言，最關(guān)鍵要解決的問題是‘前沿技術(shù)’與‘真實(shí)應(yīng)用場(chǎng)景’之間的鴻溝”。

對(duì)于初創(chuàng)企業(yè)及中小型企業(yè)而言，邵嶺認(rèn)為，研究規(guī)模相對(duì)小且實(shí)用的預(yù)訓(xùn)練模型，以及對(duì)預(yù)訓(xùn)練模型的有效壓縮，或許能夠加速人工智能的落地盈利。

關(guān)鍵詞： 人工智能 智能機(jī)器人 科幻作品 大幅提高 解決方案