人工智慧的冬天是否將要到來？

11-16

如楊強教授的文章所說的，人工智慧的冬天是否即將到來？
要怎麼看待演算法本身的局限性，數據獲取的代價以及AI產品的落腳點？

http://3g.forbeschina.com/review/201502/0040890.shtml?from=timelineisappinstalled=0

冒昧回答這個問題，只是發表一點個人見解。接受任何正確地指正。

我做的事情，與AI關係不大，與大數據關係更大。但是對於AI也不是沒有了解。
現階段媒體或者公司的PR所熱炒的AI是不靠譜的事情，我們可以把它稱為「全功人工智慧」。這樣的熱炒，讓做的人感到一絲絲恐懼，有其是做學術的人，因為我們離AI，或者媒體所說的AI還太遠。

實現人工智慧之前，需要先翻越幾座大山，典型的兩座就是計算機視覺和自然語言處理，即讓計算機懂圖像和讓計算機懂語言（比如語音，不僅僅是識別）。目前來講，這兩個領域最好的結果也並沒有達到一個所廣為認可的程度。（很多人認為，圖像上deep learning很接近AI的近似解，但是06年開始這麼多年過去了，這份期待也在實踐中慢慢平靜；NLP問題下面也有解答）
相反，我更看好「特定場景智能」，可以叫specific domain intelligence。無人車、谷歌前兩天搞出來的那條狗...這些會是我們更加容易見到的，也是值得期待的。

關於問題中提到的那篇文章，我建議看一看原文的微博和轉發的評論，傳送Sina Visitor System。這個微博轉發的人多為學術圈的人，看了之後就可以理解，為什麼學者們會有這樣的擔憂。我摘錄幾個意見：

原文中，也有一些事實例證錯誤的地方，比如轟炸的那個例子也被很多人所指出。

相關領域，推薦關注兩個微博賬號：西瓜大丸子湯（個人賬號）和好東西傳送門（公共賬號）。利益無關，僅僅喜歡。

Anyway，我一直避免在任何場合展現出太多的戾氣和放群嘲，但是這次忍不住想說點，別他媽炒人工智慧和大數據了，現在聽到這倆詞真的想吐。Big data只不過讓我們有機會達到一個很好的結果，沒那麼神奇！特別是外行為了強行裝逼把數據分析叫大數據， WTF。

在聽TextMining一個project的時候嘗試答一下，歡迎指導討論，謝謝。

如果對於人工智慧發展是針對它最初被提出時候的定義「人工智慧就是要讓機器的行為看起來就像是人所表現出的智能行為一樣」來說的話，那麼人工智慧就從來沒有進入過春天更何談冬天。

其實就我接觸的感覺來說，在過去的很多年大家會去說自然語言處理，計算機視覺，圖像處理，機器學習等等，但是很少的人去會在討論這些的時候提到人工智慧。不知道其他人在做這些的時候是什麼感覺，我的感覺和我應用的方法其實還只是統計學習，統計推斷的方法。對於一定的數據，我們可以得到很有意義的結論，甚至可以支配機器自己去學習，但是歸根結底還是概率。

確實也許有人會想說，類似Read the Web :: Project Overview的這種CMU的Never Ending Learning的項目，最終能夠像人一樣學習。當數據量變大時候，模型複雜到了我們人類無法的地步，甚至已經可能產生了人工智慧而我們人類不自知。對於這種觀點，只能說，請相信科學。

就像我們現在做的很多演算法，效果很好結果很好，但也只是統計學習而已。Deep Learning很好用，但歸根結底不也是複雜神經網路。Siri可以聊天，Google Translate很好用，但也只是Machine Statistical Translation。Watson很fancy，但是也只是結合了自然語言處理，信息檢索，Knowledge representing, Automated reasoning和機器學習的問答系統。這還只是停留在數據分析，但還遠遠談不上智能。

現在的一個問題我理解其實就是是不是運算能力足夠強大的時候，是不是可以用運算能力去模擬近似人腦的理解過程。

不知道你們心中的人工智慧是什麼樣的，但至少我現在沒有看到到來的跡象，但我相信我們走在正確地路上。雖然沒有到來的人工智慧，但至少是很有意義的研究，更怎麼能算冬天呢。

想到這些，邏輯混亂，希望討論~

現在人工智慧，有人說是方興未艾的春天，有人說是如火如荼的夏天，有人說是碩果累累的秋天，您這裡居然是危機四伏的冬天。請問這個問題是否又稱為薛定諤的一年？

如果題主多關注關注論文～就知道現在正是雨後春筍的階段

我覺得，我個人覺得，今天的深度學習炒作得很過分，但是就連yoshua bengio這樣謹慎的學者，批評DL炒作的同時，也認為人類級別的人工智慧距離我們只剩下幾十年的時間。

這一輪，人工智慧熱潮，會不會像上幾次那樣兵敗如山倒，取決於，自動汽車能否成功，如果自動汽車成功了，能夠迅速普及，一大堆質疑將會減少。

可能，因為深度學習只是類腦計算的一個支流。而類腦計算實際上存在兩個技術層面：第1層面是「走出諾依曼框架」，主要屬於人工神經網路的大範疇；第2層面是「基於神經科學的計算機演算法」，試圖超越人工神經網路框架和擺脫權值計算模型，實現對生物腦的高逼真性模擬。所以歐盟都已經聯合開始研究人腦，都成立一個叫「人類腦計劃」，美國也開始關注類腦。所以類腦計算這個方向是前途無量的，希望我們這些新手可以一起互相交流學習，共同進步！

只說說導彈和波音747的問題。

美國的解釋則是「文森斯」號導彈巡洋艦把這架A300民航客機「誤認為懷有敵意」的伊朗F-14戰鬥機，我們知道，A300是歐洲空中客車工業公司於60年代末、70年代初研製的一種大型寬體客機，裝兩台渦扇發動機，F-14則是一種變後掠翼的多用途戰鬥機，也裝有兩台渦扇發動機。

從外形和體積上來說，A300翼展44.84米，機長54.08米，機高16.62米，而F-14最大翼展19.45 米，機長19.1米，機高4.88米，二者的大小完全不是一個級別，A300與F-14相比是一個龐然大物，不可能弄錯。

對於擁有最先進的雷達和電子探測設備的美國現代化導彈巡洋艦「文森斯」號來說，「誤認為」的說法顯然不能令人信服。

事實上：

1988年7月3日，伊朗航空公司的一架A300客機在波斯灣上空正常飛行時，被「提康德羅加」級3號艦「文森斯」號發射的導彈擊落，機上290人全部喪生。
事後的調查表明，宙斯盾系統工作正常，事件是人為失誤。在調查中，艦上人員聲稱伊朗飛機正在下降加速，進入攻擊狀態；伊朗飛機發射的識別信號是伊朗F14所特有的，所以「文森斯」號發射導彈自衛。
由於這正是兩伊戰爭後期，波斯灣內的油船戰正在高峰，美國海軍向波斯灣內派入軍艦為西方油船護航，但缺乏預警機的支持，於是調進「文森斯」號，利用其優秀的空情掌握能力，為艦隊提供防空保護。
「文森斯」號剛和伊朗武裝快艇交火，在追擊中進入波斯灣的伊朗水線內，全艦上下高度戒備到草木皆兵的地步，正好這架伊朗A300從班達爾-阿巴斯起飛，就以為是伊朗戰鬥機前來攻擊，急於先下手為強，結果釀成慘劇。
但宙斯盾系統的電子記錄顯示：伊朗航空655航班在事件期間一直在穩定勻速爬升，而且一直按規定發送民航識別信號。
不過，當時伊朗客機並沒有回應美艦在軍用和民用緊急頻道中的多次呼叫（資料顯示，兩個頻率上分別呼叫了4次和3次）。「文森斯」號上下被強烈的自我心理暗示所誤導，不按交戰規則仔細核查數據，甚至有說法艦長是一個草莽之徒，正在找茬子教訓教訓不知天高地厚的伊朗人，發生悲劇就不奇怪了，當然，也有報道說，這個美艦艦長有些神經質。美國在1996年同意賠償伊朗6180萬美元，但美國至今拒絕承擔責任和道歉。

不過我傾向於認為這是附近的一個平行世界的歷史，在那個世界裡海灣戰爭僅有美國參與，發生於上世紀80年代，而不是我們位面的1991年。在這樣一個世界裡，人工智慧上獲得的資源可能沒有侵略行為獲得的資源多，而受到了遏制……

參考資料：http://lt.cjdby.net/thread-949499-1-1.html

我的觀點是，
機器學習所代表的一票流行ai演算法，牛逼嗎？牛逼，爆了太多傳統任務的記錄。
能產生強智能嗎？只能說是扯犢子。

不請自來~

我們公司是做智能客服系統的。最開始，我們野心勃勃，對自己的人工智慧技術提出的要求是：讓機器人代替人工客服！

機器人=人工客服 ==》機器人=人

我們研究了很多著名的人工智慧聊天系統：Alice、小黃雞、simsimi……

要知道，聊天這個東西看上去沒什麼實際作用，卻是一門語言綜合的體現，考驗一個機器人智能程度的最高點。在這些系統裡面，Alice表現最好，小黃雞、simsimi雖然能句句答上，但60%答非所問。可即使只做到40%的正確率，也要巨大的數據支撐。

PS：Alice表現好的原因是，英語在處理上確實比漢語要簡單不少。

當時，我們剛創業，人少，想要達到這40%的正確率都幾乎不可能。

我們意識到，機器人和人的根本區別在於，人會舉一反三，機器人不行。面對無限的語言組合結果，它永遠會差一步。

所以，承認現實吧，人工智慧的春天還很遠…

人真是個矛盾的生物。

既希望機器人能取代人，又欣慰它確實不能。

否則，我們的存在還有什麼價值呢？

既然我們是做客服系統，那不如試著讓人工智慧技術退回到協助客服的位置。我們放棄了聊天的領域，轉向行業知識，因為這些知識是比較穩定的，讓機器人提前學習好，就能為客服所用。

在處理這個問題的時候，需要面對幾個問題：

1、用戶知道自己有哪些行業知識，且具備系統性條理性；

2、因為漢語本身的複雜性，需專業的數據處理人員來製作這些知識；

3、機器人能迅速學習知識。

第3點，沒問題，我們有優秀的系統架構師；

第2點，OK，我們有不少從業4年以上的數據處理人員；

第1點，需要用戶主動提供。

這個機制上線後，發現除了大企業找我們定製外，中小企業基本都用不動這功能。究其原因：

1、大部分企業沒有系統的知識，有的企業而剛起步，根本不知道知識在哪；

2、培訓機器人需要專業的數據人員，很多人不願花這成本；

3、預設的知識在使用時有效性偏低。

所以，我們又鼓搗了一套機器人主動學習的方法，就是不需要預設知識，而是讓它實時模仿客服：客服答一句，機器人立馬學習，下一個同義句，它就能自動推薦回復，客服只需要點擊就能發送。並且這個答案是共享的。即客服A回答一遍，B客服就能用上。

果然受到了用戶的青睞，在後期，我們還計劃讓機器人能自動把使用頻率特別高的知識保存到自己的庫，成為永久性的。即使人工不在，它也能獨自回答。

我們似乎離目標又近了一點~~

說了這麼多，不是吹噓產品，而是為了表達「讓機器人像人一樣思考」，這是一個理想。雖然目前人類一下子達不到這個理想。但這並不妨礙我們退而求其次，認清現實，走一條和現實相結合的道路，一步步付出努力。

理想一旦有了，是不會輕易忘記的，所以人工智慧永遠不會遭遇冬天。理想與現實也並不是排斥，只是前者來得晚一點而已。

一條道路走不通不等於就不走了。
一個人走不通不等於路不對。
路不對不等於目標不對。

現在站在17年的時間段，再重新看待這個問題，可以說人工智慧的冬天並沒有到來，反而發展的非常穩健。值得一提的是，在今年2月份舊金山的RSA安全大會上，前谷歌CEO施密特也敢用自己的名譽做保證，未來五年內AI一定會成為科技界的頭等大事。

現實也的確如此，從今年開始，關於人工智慧的討論一直不竭，依託於人工智慧技術的無人駕駛，智能醫療等新興領域的熱門報道幾乎每天都能看到，甚至是智能是否能被賦予人類情感的議題也吸引了大批網友參與討論。AI正在以一種不可逆轉的趨勢影響整個人類社會。

其實從BAT等巨頭的戰略布局中就能窺一斑而知全豹，人工智慧早已成為商業巨頭的必爭之地，百度，騰訊和阿里以及眾多互聯網公司都在將目標瞄準人工智慧，AI領域早已經展開了異常悄無聲息的混戰。而這裡不得不提到科大訊飛，對其也是去年才有所了解，訊飛在國內埋頭髮展人工智慧數十年積累了相當雄厚的技術和經驗。他們的靈犀和訊飛輸入法也是做得相當不錯。

而AI和去年被哄抬至神壇而又迅速衰落的VR所不同的是，AI經過數十年的發展，特別是自2000年後人工智慧的快速迭代，積累了雄厚的和龐大的數據資源。正是有了堅實的技術支撐，AI的大潮絕不是隨浪起和伏。

關注人工智慧，http://www.varkr.com

暫時性的波動有可能，說冬天就太過了。只是商界對它的期望值過高了。實現強人工智慧的方法有很多種，但不論哪一種都需要大量的投入。深度只是實現了商業運作罷了，在學術界沒那麼牛的。

遠沒有。Vision, Natural Language等等領域還有很多可以開發的地方，更好的feature，更快的algorithm，更方便的Human-computer interaction，太多太多了。從工業界的角度說，你覺得人工智慧很普及么？車，房子，道路，它們都可以利用AI的，但是現在還沒人為他們寫代碼。

技術的發展應該是會有一段寒冬，而在這段時間裡面，誰的演算法更好就能挨過冬天，迎來春季

現在是人工智慧的秋天，果實累累。秋天過後，人工智慧成了人類最後一個發明，冬天終於到了。

千年以內，人工智慧的冬天不會來臨，現在還只是個開始。