算力（lì）说

人工智能已经可以（yǐ）自动生成以假乱真的人像（xiàng）照片“忽悠”人（rén）类（lèi）了。凭借“对抗神经网络”，人工智能从（cóng）“学习”和“识（shí）别”进（jìn）化到了“创造”。清华大学计算机系教授、博士生导师（shī）邓志东将此技术与深度卷积（jī）神（shén）经网络、AlphaGo并（bìng）称为人（rén）工智能的三大（dà）发展。当然，基于（yú）大数据和大计算的人工智能（néng）也存在着“先天不足”，至少在理解和“举一反三（sān）”方面还有很（hěn）长的路要走。

一个颇（pō）为无聊（liáo）的国（guó）外网（wǎng）站最近火（huǒ）了。

这一名为“此人不存在”（ThisPersonDoesNotExist）的网站没有任何界面（miàn）设计，输入（rù）网（wǎng）址后显示的只有一张（zhāng）人像大头照。新奇之处就（jiù）在（zài）于，每次打开或刷新页面，显示的（de）照片都不同，并且都不（bú）是真实存在的人物照（zhào）片。

换言之，所有照片都是随机（jī）“生成”的，而其背后正是人工智能的支撑。可（kě）以看出，人工智（zhì）能已经从“学习”和“识别”，开（kāi）始进（jìn）化到“想象”和“创造”。从（cóng）网站上的照片来看，不仅实现了无（wú）限“生成（chéng）”，而且还生成得不（bú）错——人物有男有女，有老有少，不同人（rén）种、不同角度、不同表情（qíng），甚至还有眼镜和佩饰，可谓以假乱真。

事实上，赋予（yǔ）人工智（zhì）能想象力和创造力的，正（zhèng）是被《MIT科技评论》评为2018十大科技突（tū）破之一的“对抗神经（jīng）网络（luò）”。

据《MIT科技评论》介绍（shào），“对抗”是指（zhǐ）两个神经（jīng）网络使用同（tóng）一个数据集（jí）进行训（xùn）练。其中一个（gè）神经网络叫（jiào）生（shēng）成网络（the generator），它的任务就是依（yī）照所见过的图片来生成新（xīn）的图片，而另外那个神经（jīng）网（wǎng）络叫判别网络（the discriminator），它的任（rèn）务则是判断它所见得图片是否（fǒu）与训练时的图片（piàn）相似。

慢慢地，生成网络创造图片的能（néng）力（lì）会强到（dào）无法被判别网络识破的程度。经过（guò）训（xùn）练（liàn）的生成（chéng）网络学会（huì）了识别并创（chuàng）造看起来十（shí）分真（zhēn）实（shí）的（de）图（tú）片（piàn）。这项技术已成（chéng）为过去10年最具（jù）潜力的人工智（zhì）能突破，帮助机器产生（shēng）可以“忽（hū）悠”人类（lèi）的成果。

portant;" width="469" height="469" align="" />

生成式对抗网络“创造（zào）”出（chū）的人像（现实（shí）中不存在此人）具有十足“迷惑性”

更令人惊叹的是（shì），这样的“生成”还不限于图像。清华大学计算（suàn）机系教授（shòu）、博士生导师邓志东近日在上海“张江·2019未来产业峰会”上（shàng）提到：“两个卷积神经网络通过相互对抗，生（shēng）成超分辨率真实感的原创图像、声（shēng）音、3D物体或自然时（shí）序数据，这（zhè）给AI带来一种类（lèi）似于人类（lèi）的想象力。”

AI的三大主义与三大发展

令人（rén）叹为观（guān）止的人（rén）像“创造”背后，必然是对海量原始照片的学习。

邓志东认为，生物智能的（de）一个主要特（tè）征就是（shì）学习，而新一（yī）轮（lún）人工智能的鲜（xiān）明特点就是学（xué）习（xí）能力。无论是生物智能还是（shì）人工智（zhì）能，智能的主（zhǔ）要（yào）特（tè）点就是感知能力、认（rèn）知能力和行动能力。

追本（běn）溯（sù）源，智能的这（zhè）三（sān）大特点源自连接主义（yì）、行为主义和符号主义。连接（jiē）主义是生物（wù）智能的（de）解（jiě）剖学基础，即生物神经系统所包含的（de）神经元、神经元的活（huó）性及其相（xiàng）互作（zuò）用。在此之上（shàng），行为主义（yì）通过奖励/惩罚进行自主学习，强化学习也是人类和（hé）动植物行为（wéi）学习（xí）的主要方式（shì）。最后（hòu），符号主义极大促进了人类的（de）智力发育（yù），尤（yóu）其（qí）是语（yǔ）言的（de）发明成为了人类智能远超（chāo）其（qí）他（tā）生物智能的分水（shuǐ）岭。

以“三大主义（yì）”为基础（chǔ），人工智能在最近（jìn）五六（liù）年取得了飞速发（fā）展。目前来看，在大数据和大（dà）计算的驱动下，深度学习已（yǐ）成为（wéi）计算机（jī）视觉、语音识别与合成、自然语言处理和大数据分析（xī）等的主流方法。以深度卷积神经网络（luò）为基础的新一（yī）代人工智能确实带来了更接近于人类视听觉的感知能力。

因（yīn）此，数据驱动（dòng）的方法已被视为继实（shí）验科学（xué）、理论（lùn）模型、模拟仿真（zhēn）之后的第（dì）四（sì）科学研究（jiū）范式（shì）——数据驱动的科（kē）学范式，其如同（tóng）网络技（jì）术，已逐（zhú）渐变革为一种通用赋能工具。从“互联网+”到“人工智能+”，新一代人工智能已（yǐ）经远远（yuǎn）超出了计算机科学技术的（de）范畴。

大数据和大计（jì）算让人工智能（néng）迎来了大发展（zhǎn），邓志东总（zǒng）结了人工（gōng）智能的三大进展（zhǎn）。

首先是深度卷积神经网络令大数（shù）据感知智（zhì）能取得突破性进展。人（rén）工智能（néng）已经能（néng）获得更加（jiā）接近于人类水（shuǐ）平的视听觉感知能（néng）力和对文本自然语言的模式分（fèn）类能力，从而（ér）赋能产品、流程和服务体验（yàn），引发了技术变（biàn）革和产业革命（mìng）。

这一领域最为人熟知的例子就是自（zì）动驾驶，以全（quán）球首个自动驾（jià）驶商用服务Waymo One为（wéi）例，其（qí）估值已超千亿（yì）美元。另外，在医学影像（xiàng）领域，谷歌的人（rén）工（gōng）智能深（shēn）度卷积神经网络已经（jīng）可以根据视网膜（mó）影像来准确判断（duàn）一（yī）个人的年龄、性别、血压、是否吸（xī）烟等，甚至可预测肺癌、乳腺癌（ái）等，达到了国（guó）际（jì）顶级医（yī）生的诊断水平。

其（qí）次是超人类水平（píng）的AlphaGo引发全（quán）社会强（qiáng）烈关注，在此基（jī）础上进化而来的AlphaZero更是带（dài）来了（le）无需大数据就可自主学（xué）习（xí）的（de）棋类（lèi）通用人工智能。AlphaZero经过8小时16.5万次训练，就（jiù）击败（bài）了AlphaGo战（zhàn）胜李世石的（de）版本。

第三大进展是对抗性（xìng）神经网络带来了超真实感的想象能力，也就是上述（shù）人工智（zhì）能“创（chuàng）造”人像的案例所（suǒ）表现的（de）。邓志东表示，生成式对抗（kàng）网络（GAN）是目前（qián）最为成功（gōng）的生（shēng）成式神（shén）经网络模型，通过与强化（huà）学习及蒙特（tè）卡洛搜（sōu）索（suǒ）等的结合，推动了半监督与无监督学习方法的（de）发展。

portant;" />

清（qīng）华大学计算机系教授、博士生导师邓（dèng）志东

大（dà）数据AI的（de）先天不足

邓志东坦言（yán），以大数据（jù）为燃料，喂食越（yuè）多，人工（gōng）智能越能获得（dé）更好（hǎo）的感知直（zhí）觉。但问题随之而来，首先是对大数据（jù）的清洗和标签需要（yào）付（fù）出很（hěn）高代价。

其次，在落（luò）地应用（yòng）中（zhōng），在开放环（huán）境下，实际是不存在完备的（de）大数据的（de）。对于各种应用场景（jǐng），大数据人工智能均只能（néng）获得较接近于人类水平的视听觉等感知能力，这与各种基于公开测评数据集（jí）得到的性能指标是完全不同的。简言之（zhī），人（rén）工（gōng）智能或（huò）许在测试状态下（xià）表现（xiàn）良好，但在实际落地（dì）应用中的表现却（què）可能差（chà）强人意。

此外（wài），基（jī）于深（shēn）度学习的（de）计（jì）算机视（shì）听觉感知（zhī）方法不仅（jǐn）依赖大（dà）数据的驱（qū）动，也缺乏人类举一反三的，基于小样本（běn）的学习（xí）能力（lì）和对目标的认（rèn）知水（shuǐ）平的理解能力，并且（qiě）缺乏记（jì）忆、没有常识（shí）、不能运（yùn）用经验，缺乏技巧和知识（shí）学习能力。

比如，人们（men）开（kāi）车转弯或（huò）掉头（tóu）就是过程性经验（yàn）。大脑记住后（hòu），每当转弯就（jiù）不（bú）需要再思考，而是可以条件（jiàn）反射地做出动作。

人（rén）类（lèi）的思维（wéi）方式并不完全依靠特征提取，很多时候是靠（kào）理解和（hé）推理，但目前（qián）人（rén）工智能并不具备这样的能力，也就不具有规划决（jué）策和（hé）思考（kǎo）能（néng）力（lì）。

邓志东把大数据人工智能面临的挑战归结为：人工智能缺乏自（zì）己（jǐ）的语言。相（xiàng）比之（zhī）下（xià），语言却是人类的“制胜法宝”。他（tā）表示，人（rén）类高层认（rèn）知能力其实是通过记忆语言去思考和推（tuī）理的（de）。记忆以及知识的运用，都是基于语言的。

另外，大（dà）数据人工智能的发展（zhǎn），还会带来法（fǎ）律、伦（lún）理、隐（yǐn）私安全和（hé）失业等方面的挑战（zhàn）。

尽管当下（xià）的人（rén）工（gōng）智能还非（fēi）常（cháng）弱，“落地”也只能在（zài）特定应用领域发挥（huī）作用，还极（jí）度依赖大（dà）数据。但随着人工智能的进一步发展，也就是认知智能和通用人工智能（néng）的（de）发展（zhǎn），或许会对（duì）技术与产业带（dài）来变革，甚（shèn）至威（wēi）胁到人类的安全。

“但总（zǒng）体来说，现在的弱人工智能对于人类是赋能（néng）和有益的（de）”，邓志东表示。

拥有自己语言的下一代人工智能（néng）

对（duì）于人工智（zhì）能的未（wèi）来突（tū）破点，邓志东认为，关（guān）键就（jiù）在于从感知智能向认知智能的进（jìn）化。目前人工（gōng）智（zhì）能主（zhǔ）要追求（qiú）看清、听清，能够识别但没有理解，属于（yú）感知智（zhì）能范畴。未来人工智（zhì）能（néng）的发展目标将是如何看懂、听（tīng）懂和读懂，从而具备基（jī）本的认知智能，这也是（shì）从弱人工智能向通（tōng）用（yòng）或（huò）强人工智能（néng）进化的（de）方向（xiàng）。

所谓认知智（zhì）能，就是指（zhǐ）对目标（biāo）或实体具（jù）有理解能力，理（lǐ）解事物的内涵和外延（yán）。其发（fā）展（zhǎn）趋势就是要探索举一反三的认知智能，即以大数据感知（zhī）智能+图模型/知识图（tú）谱为（wéi）基础，利（lì）用图卷积神经（jīng）网络从特征学习（xí）拓展到知识学习。

而通用人工智能则包含（hán）了多任务的自主学习、自适应与自组织能力。其发展趋（qū）势是基（jī）于连接主义的深度神（shén）经网络，通过与行为主（zhǔ）义的强化学习，特别（bié）是与具有（yǒu）学习（xí）能力的符（fú）号主（zhǔ）义的有机结合，从AlphaZero这样的新起点出（chū）发，发（fā）展（zhǎn）出具有（yǒu）更宽垂直领域的通用人工智能（néng）。

总之，通过深度学习与（yǔ）无监督学习、概率（lǜ）或（huò）模糊图模型知识图（tú）谱进行深度融合，让下一（yī）代人工智能拥（yōng）有自己的语言（yán），并能根据数（shù）据和常识自主学习（xí），是（shì）探索认知能力与（yǔ）通用人（rén）工智能的关键路（lù）径之一。