「」计算所山世光：AI方法论需升级，疫后 AI 将如何发展？
【「」计算所山世光：AI方法论需升级，疫后 AI 将如何发展？】
文章图片
文章图片
雷锋网 AI 科技评论按：曾被誉为人工智能的三驾马车——算法、算力、数据 ， 到了需要反思的时刻 。特别是深度学习在学术前沿的后续发展乏力 ， 恐难支撑AI能力继续升级 。
步入新的十年后 ， 如今 AI 可能已经到了一个拐点时刻 。
那么接下来 ， AI 技术将如何发展、应用？随着国内疫情的结束 ， 这逐渐成为领域内众多研究者和从业者亟需回答的一个关键问题 。
4 月 9 日 ， 中国科协学会学术部、中国科学报联合腾讯科协、腾讯发展研究办公室举办了一场非常及时的线上论坛活动 ， 主题为“人工智能：科技与经济融合新引擎” 。众多学者专家纷纷回答了疫后人工智能科技与经济融合发展的诸多问题 。
雷锋网 AI 科技评论本着对人工智能技术重点关注 ， 选取中科院计算所研究员、中科视拓创始人山世光的报告内容做以整理 ， 分享给大家 。
山世光研究员的报告分为两大部分 ， 先是从研究的角度 ， 他认为AI方法论将从「数据驱动」转向「知识+数据联合驱动」；在后一部分 ， 他从行业发展的层面提出了五大观点和建议 。这些内容具有深刻的洞见性 。
1、从学术前沿视角来看 ， 深度学习已成强弩之末
在过去十年里 ， 人工智能的研究从过去依靠规则、知识来设计人工智能算法这样一套方法论 ， 逐渐过渡到了以数据为主要驱动力的方法论 。
在这个方法论的指导下 ， 靠着“三驾马车”——算法、大数据、强算力 ， 支撑起了现在的AI能力 。算法上主要以深度学习为主 ， 数据则强调要足够大（且是有监督的标注数据） ， 由于深度学习动辄需要通过训练设定上亿的参数也导致了非常依赖强大算力的支撑 。
于是 ， 只要满足下面两个条件的AI任务 ， 都能够得到好的解决：
1）专用AI任务(而非通用AI) 。例如医疗影像中 ， 看肺炎的AI就只能看肺炎 ， 不能看肝炎；看CT的AI就只能看CT ， 不能看核磁 。
2）“好”数据肥沃(通过商业模式大量获取数据) 。所谓好数据 ， 一方面要有较大的规模 ， 另一方面则是要有好的标注 。
但这样的AI ， 离我们所期望的相距甚远 。
微软亚洲研究院院长洪小文博士曾提出如下的AI能力金字塔（黄色字体是山世光增加内容）：
文章图片
文章图片
按照这种金字塔层次 ， 目前的AI技术仍还停留在第二层的「感知和简单推理」上面 ， 也即相当于非人类灵长类动物的层次 。
如何更进一步 ， 向上做到认知、情感、创造 ， 甚至智慧呢？
山世光认为我们至少需要做以下几种能力的提升——
文章图片
文章图片
然而 ， 现有的AI方法论并不足以支撑AI能力继续升级 。
首先 ， 算法、算力、数据这三架马车已略显疲软 。算力提升和大数据收集都需要投入资源 ， 但算法却大多是一个模型对一个任务 ， 现在是问题很多 ， 方法却有限 。
其次 ， 深度学习在工业界还在靠大数据和大算力进行应用研究 ， 由于没有强大的理论支撑 ， 有些算力和数据会浪费在试错上 ， 这一点现在已经变得越来越明显 。
而另一方面 ， 在学术前沿上 ， 深度学习显示出的潜力有限 。为什么呢？因为它本身无法克服高度数据依赖问题 ， 无法像人一样基于“弱”、“小”数据进行精确而且鲁棒的学习！现有研究还都寄希望于基于深度学习来解决数据依赖的问题 ， 希望能够赋予机器学习从弱监督、小数据来学习的能力 ， 但从原理上来说 ， 如果没有别的数据或知识做支撑 ， 这几乎是不可能的 。我们必须找到全新的方法 。
![[惰惰林]个个都仙出新高度，哪一个你的最爱？，新古装四大美女出炉](https://imgcdn.toutiaoyule.com/20200414/20200414122244052664a_t.jpeg)
