華為智慧工程部長張寶峰：人工智慧產業化的4大趨勢｜CITE 2017

雷鋒網按：雷鋒網4月9日消息，以“人工智慧+ 共創新世界”為主題的CITE2017人工智慧產業發展高峰論壇在深圳會展中心舉辦。本次論壇由工業和資訊化部、深圳市人民政府主辦，科大訊飛股份有限公司承辦。華為智慧工程部部長張寶峰就人工智慧產業化過程中面臨的一些挑戰，發表了他的看法。

雷鋒網對其演講做了編輯整理：

我十分認同，2017年應該是人工智慧產業化的元年。大家希望能把人工智慧真正用在產品中去，真正帶來實實在在使用體驗上的提升和產品的價值。我今天分享主要關於人工智慧技術本身的四個大趨勢，主要關於人工智慧目前面臨的挑戰。

目前，人工智慧是什麼並不是很清楚，我們不知道人作為一個智慧性的生命主體時，到底是怎樣產生智慧的。1963年兩個心理學家做了這樣一個實驗，兩個孿生小貓出生後，除了每一天一小時會放在旋轉木馬上，其他的時間都是在黑暗的封閉環境中生活。一個月後，一隻能夠自主行走，另一隻卻只能固定在一個位置上不能行動，對於一個生命體在三維空間活動而言，智慧感知深度是一個非常重要的資訊。所以八周後，只能感知環境卻沒法行動的小貓，其實就失去了對深度的認知。這給我們帶來的啟示是什麼呢？

一、可閉環、可成長的系統，“活”資料者贏天下

首先，我認為不管人工智慧到底怎麼產生了決策能力，回饋都是非常重要的。現在流行的對抗式生成網路、強化學習等演算法，其實強調的都是回饋的效果和價值。在人工智慧真正實現的時候，我覺得兩個因素非常重要，第一是資料逐步歸一。這裡並不是強調大資料分析挖掘帶來的價值，而是指真正信號的輸入，如果所有數位化的東西能夠完整地傳遞到資訊處理系統裡面，使得資訊系統能夠真正獲取全量資訊，就有可能產生真正有價值的回饋處理；另一個指業務閉環打通。我們在構建人工智慧系統時，一定要打造所謂“AI之環”。以穀歌搜尋引擎為例，當你輸入一個關鍵字時，首先調用了穀歌的搜尋引擎介面，使用者檢索之後，獲取資訊時候有一個很重要的回饋——點擊，如果使用者搜索到連結並點擊某一項，這就說明輸入的內容和點擊的內容之間有非常強的耦合關係，或相關性關係，而這樣的相關性關係經過演算法的分析之後，使得搜尋引擎的後臺重新進行內容的排序，這樣一個閉環系統才真正使用了人工智慧系統的學習能力，這也就是回饋系統的重要性。

很多人把大資料分析和人工智慧混為一談，但我的認知裡，大資料強調的是靜態資料的分析，而一個可成長的系統往往指的是動態的系統。一個存在閉環回饋的系統才能夠長期發展下去，甚至活下去。所以，這是我們在構建AI過程中一個非常重要的趨勢：一定要構建一個閉環性系統，使它能夠真正具備長期發展的學習能力。

二、炒作走向務實，搞定High Stake風險為規模應用

現在做人工智慧的人其實是越來越保守的，但說人工智慧的人是越來越忽悠了。當人工智慧引入到決策環節時，在如今的機器學習人工智慧體系下，我們是通過資料訓練模型的，那這個問題就會不可避免地出現：如果我們取得的資料資訊是不完備的，甚至有的時候我們自己都不知道資料資訊是否完備時，那你的模型一定會在某些場合下出現非常大的偏差，導致系統不可控。如果我們想真正把人工智慧產業化，就必須要發明或發現一種機制來控制偏差，能在異常情況時，不產生災難性後果。有這樣的基礎，才有可能真正把AI決策系統用到非常敏感或者高危的行業中去。

自動駕駛車輛一旦出現事故，後果非常嚴重，這對於投資決策也是一樣的，當用AI做千萬級甚至過億的投資時，一旦出現小概率的事件，其造成的災難性後果就會導致整個AI系統的崩盤。這是第二個趨勢，也希望大家能夠長期思考，把AI的系統應用到決策系統中時，如何解決不可控的問題？

三、監督學習走向非監督，小資料、自我學習成熱點

第三個問題，也是華為的一個很大的痛點，截止到去年，整個全球範圍內，華為發貨5～6億部手機，這樣海量使用者也積累了一些資料。但我們在做AI系統輔助時發現，海量資料的標注基本上是一個不可承受之重，海量資料的標注需要海量的人力。而且還有一個很大的挑戰，在機器學習系統裡，不管模型有多複雜，基本都是一些規則，當出現越來越多規則，越來越逼近整個演算法的極限時，規則本身也是互相衝突的，那麼如何真正把它變成一個知識，變成一個可成長、能夠自己適應的知識呢？

針對這種問題，現在業界出現了小資料學習。在小孩的學習過程中，很多時候並不是像機器一樣需要海量資料和海量的訓練形成定式，如果一個小孩碰火的時候被燙了，基本上第二次，他再也不會去拿手指頭直接去碰火了。在學習系統裡也一樣，就是我們可能能用更低成本的方式完成現在的學習任務。所以我們也付出很大精力關注小資料學習，看看其能不能實用。

四、從規律發現走向推理決策，人機協同興起

所謂計算能力，是指在一個非常複雜的資料環境中，電腦能非常快地計算出資料間的關係，比如歸類關係等，但它並不知道這些分類的意義是什麼？這樣的計算力是人無法達到的，但歸類抽象和因果推導是人非常擅長的。所以在電腦沒有具備像人一樣的智慧和學習能力之前，如果把人的一些能力和技術算計能力結合在一起，就可能使這樣的電腦系統真正給使用者提供有價值的服務，即所謂人機協同的方式。讓機器去學習，讓人去教育，使其變成當前階段真正可以使用的系統。