产业气象站|图灵奖得主、AAAI候任主席展望“AI未来10年” 经典人工智能方法在未来会得到关注吗？

文章图片
经典人工智能方法在未来会得到关注吗？经典方法和深度学习的关系将如何发展？新的突破点又在哪里？
就上述话题，北京智源研究院邀请张宏江、图灵奖获得者JohnHopcroft、AAAI候任主席BartSelman共论AI ，探讨“AI的过去和未来10年” 。在具体讨论过程中，采用了张宏江发问， JohnHopcroft、BartSelman回答的形式进行。在论坛最后，两位教授还向中国的学者提出了中肯的建议。
1
艰难的50年和腾飞的10年：经典AI和深度学习的不同境遇张宏江：今天我们非常幸运请到了图灵奖的获得者JohnHopcroft教授，美国康奈尔大学的计算机科学教授BartSelman 。今天我希望跟两位教授一起回顾人工智能过去几十年的发展，并且介绍他们对于人工智能未来十年发展的方向和途径的看法。今天的主题叫“人工智能新的10年” ，在谈新的十年之前，请两位先谈一下对过去60年，尤其是过去10年的回顾。
BartSelman：这个领域的最初工作主要是由对理解人脑的思维和认知感兴趣的研究人员完成的，在人工智能的早期有很多乐观主义者，但在实际研究过程中遇到了很多意想不到的困难。这个领域在近几十年来纯粹是一门学术学科，因为我们无法在任何可以与人类相比的地方获得很好的成果，第一个转折点是IBM在1997年开发出国际象棋AI深蓝的时候。深蓝在国际象棋中打败人类，这是当时的一个突破。
大约在2012年，多层神经网络即深度学习几乎都改变了整个领域，使得我们可以实现视觉识别和语音识别等任务。人们发现，深度学习算法几乎超越了所有类型的机器学习模型，算力的发展是这段时期改变人工智能领域的原因。 2012年，我们让AI实现了感知。我不会说感知问题已经解决，但我们离解决更近了一步。此外，这些技术还能和经典人工智能的技术结合，例如决策、规划、推理等。

文章图片
张宏江：JohnHopcroft教授，您能基于BartSelman教授的观点分享一下您的看法吗？
JohnHopcroft：上世纪60年代初，人工智能刚起步。当时约翰·麦卡锡创造了斯坦福大学的人工智能实验室，有大量高素质的研究人员在研究符号逻辑。 1964年，人工智能的研究者只能训练单一的权重，原因是根本没有算力，缺乏大型数据集，连手写字符数据集都没有。事实上我拿到博士学位时，才做出了一个包含1000个10x10像素手写字符的数据集，这和今天的数据集相比是很小的，但是在那时已经是很大的了。
2012年AlexNet出现了，直到那时图像识别错误率才开始显著下降。 AlexNet将图像识别错误率从25%降到了15% ，这是一个巨大的进步。 AlexNet有大约8个层级，在2015年图像识别大赛的冠军ResNet则有1000个层级，并且它只有3.6%的错误率，而人类识别这些图像时有5%的错误率。这些技术已经被应用到了非常多的领域，如医学、金融等。

文章图片
张宏江：在上世纪90年代，我们发现经典人工智能方法不管用，现在我们知道是因为没有足够的算力，在过去这几年，由于算力的发展，我们获得了极大进展。那么现在，我们在推理等经典人工智能方法的探索上处于什么阶段呢？
BartSelman：我觉得现在人们经常把AI等同于深度学习，或者把深度学习等同于AI 。过去十年来我们在推理等算法的研究上实际上已经有很大的进步，并且已经有了实践应用，例如英特尔、微软等企业，只是并不广为人知。在社区中，这些技术也被广泛应用。