“目前的AI技术，还远谈不上已经达到了人类的智能水平。”
12月29日，图灵奖得主、康奈尔大学工程学院原院长约翰·霍普克罗夫特（John Hopcroft）在上海市科学学研究所向财视传媒表示，当前的AI浪潮只有短短数十年时间，深度学习技术还不能算实质上的“智能”，至少就目前而言，AI还更多地只是一个高维空间当中对于图象的识别，而并不能够真正抽象地理解事物的本质属性。
对此，霍普克罗夫特从文明史的视野与高度，预测了AI下一轮技术革新的周期。
人类科学认知的进化及其对前沿技术的驾驭，是一个不断加速的过程。从智人阶段以来，人类耗费了十万年的时间才有了农业。此后，每一次巨大社会技术变革速度都越来越快，基本上是在以10倍速的频率缩短每一次技术革命的周期。
发轫于英格兰中部地区的工业革命至今已经有300余年。霍普克罗夫特由此相信，在AI领域的下一次技术革命，可能需要花费40年的时间。而当这样一场技术革命完成后，现有的深度学习技术或将迎来颠覆性突破。届时，人类或许可以从“让体力活动变得智能化”的阶段，正式向“让智力活动变得智能化”的阶段演进。
霍普克罗夫特也对财视传媒分析道，中美两国很可能将是从AI技术中受益最多的国家。这两个国家有充足的资金投入和政策支持，也有足够的大数据。不仅如此，在AI产业的基础设施与人才储备方面，中美两国也占据了可观优势。
深度学习的昨天、今天与明天
深度学习技术为AI领域当前日新月异的变化奠定了坚实基础，并由此走入了公众的视野。不过，它的发展源头却可以追溯到七十年前的图像识别竞赛。
在上世纪四十年代，由皮特斯等学者提出的神经元理论，让业界对于图像识别的研究水平突飞猛进。在由120万个元素以及1千个不同种类组成的图像识别竞赛中，计算机程序的识别错误率，基于深度学习算法的不断优化而持续保持进步。学者们会不时设计一些新的任务模型，来判断究竟我们的算法究竟怎么样才能更好处理这些数据和模型。
随着近年来大数据领域的跨越式发展，算法的升级速度也尤为可观。2011年与2012年，图像识别的错误率分别是25%与15%。2013年仅提高了0.2%，而到2014年的时候，GoogleNet已经可以把错误率改善到6.67%。2015年，ResNet则进一步将错误率降到了3.57%。
最后，学者们去对比人类判断的错误率和程序判断的错误率，发现其实人类的错误率大致保持在5%的水平。换言之，在今天，计算机程序在这方面已经超越了人类。目前，经由AlphaGo、AlphaGo Zero等AI围棋棋手对人类围棋冠军们不断对弈出碾压式比分，深度学习的颠覆性成果已经广为人知。
为什么深度学习可以取得如此好的效果？在霍普克罗夫特看来，是基于监督式学习的深度学习技术，给计算机网络提供了自我进化的项目。如此一来，AI便可以基于标签式数据进行自主学习。
然而，监督式学习也有其不足之处。
目前，它还没有办法萃取一个事物的精华，洞悉其表象背后的实质。所以，当有学者把一张猫的图像编辑几个基础元素后，尽管在人类看来与原图几乎没有差别，但AI却有可能就会把猫的形象识别成完全不同的事物，比如一辆汽车。
霍普克罗夫特表示，现在AI领域的一个新方向，正是非监督式学习。基于这种新兴技术的进步，或许，在业界为期40年的探索后，届时的科研成果，将能够令AI在刚刚看到某个事物时就能真正识别出来并理解其背后的机理。如同莱特兄弟在尚不知晓空气动力学作用机制的情况下发明了飞机，而后世的学者发现了其背后的系统理论一样，之前，AI领域的研究重点在于让程序运行，而今后业界也应该更多探索AI背后的深层原理。
如何成为AI研究领导者？
霍普克罗夫特在业界有一句名言，Being first has a tremendous advantage（第一名具有惊人的优势）。
而以这位图灵奖得主之见，中国在AI领域具备成为领导者的潜力：“如果能够进一步完善教育体系，中国将有望成为AI领域创新的重要引导者，助力全人类取得更多革命性进步。”
这是因为，在可以预见的未来，AI将有望为人类的方方面面带来颠覆性变革。甚至，霍普克罗夫特还不无前瞻性地提醒：“为一家企业工作这类概念，其实也只是人类文明史发展中最近的现象，只有大约 150 年的历史。在近代史以前，企业还远不是社会运转体系的一大支柱。所以，之后会不会仍有企业这种模式？未来的变化又究竟会以何种形态演进？这值得我们大家共同思考。”
由此，最重视AI研究成果及人才、也最有意愿为AI投入巨量资源的国家，将更可能率先抓住最前沿的趋势，并最早获取先进科研成果。
中国则于今年7月20日公布了《新一代人工智能发展规划》，详细提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务以及保障措施。根据这一人工智能发展规划，到2030年，我国人工智能核心产业规模预计超过1万亿元，带动相关产业规模预计超过10万亿元。
此外，国内业界对于AI领域重要学者的引进，也在愈发加快步伐。以上海为例。根据Linkedin于近期发布的全球人工智能人才数据，上海已经汇聚了国内33.7%的人工智能领域人才。
霍普克罗夫特也向财视传媒表示，要想真正成为AI领域的全球性领导者，中国还需要在教育领域做出更多努力。
对于教授AI相关领域课程的高校而言，一个重要的变革趋势应该是，不必再将学者们的论文发表数量与学者的在校考评大幅挂钩。“在早期，高校更关注的重点是数量的扩张。不过到了现在，目光已经逐步转向了研究的质量。问题在于，高校有时试图通过数字来衡量质量，比如发表论文的数量或是研究课题的数量。”霍普克罗夫特提出，学者本人的研究课题质量，以及国际同行们对于该学者的评价，其实更有可能综合反映学者的科研水平。
与此同时，举办更多的AI领域学术会议，鼓励更大规模的AI领域商业项目实践，以更多资金扶持当地AI企业的发展等，也将助力中国更快建立在AI研究层面的领先地位。而这一切的前提，都是中国首先得有足够多的AI领域杰出人才。只有依靠一批有想法、有能力的人才，中国才能真正成为AI研究的领导者。
此外，优秀的高潜力人才，也必须要找寻到能够让自己兴趣浓厚、保持巨大好奇心的探索领域，这将使自己今后的研究生涯受益匪浅。“真正能够研究出伟大成果的学者，往往都有强烈的好奇心。这将使他们由衷热爱的自己研究领域。”霍普克罗夫特总结道。
--------------------------------------
本文为财视media原创，转载需附上出处及原文链接
https://www.caishimv.com/index.php/web/web_archives/info_details.html?id=7870
更多精彩内容请关注：
财视传媒微信(ID:caishiMV)
Q群(418295218)