專訪清華大學鄧志東：AI從邊緣到主流 機會到底在哪？
本文系網易新聞-智能工作室出品
聚焦AI，讀懂下一個大時代！
編者按：本期對話嘉賓為清華大學計算機系教授、中國自動化學會智能自動化專委會主任鄧志東，他如何講述20多年來對人工智慧研究以及相關技術的起起落落？又如何看待自動駕駛以及無人駕駛的發展？聽聽他怎麼說！
文 小羿
在網易AI公開課無錫站開講之時，鄧志東連夜準備了近百頁演示文稿。
雖然是一種普及性的公開講課，但鄧志東絲毫不會馬虎。自1992年進入清華大學從事博士後研究並留校任教以來，鄧志東20多年裡長期專註於人工神經網路與強化學習的研究。2009年開始，鄧志東在國家自然科學基金重大研究計劃資助下，在8年多的時間內，主持研發了3輛自動駕駛汽車。
公開課結束後，鄧志東接受了網易智能的獨家專訪，隨和安靜的他對於人工智慧卻侃侃而談。
曾經從事邊緣中的邊緣
現在已成為主流並代表未來
90年代初期，鄧志東開始用C語言自行編寫BP網路（由正向計算和誤差的反向傳播兩個過程組成），主要做誤差反向傳播學習演算法的性能改進，後來開始從事再勵學習（即強化學習）的研究。「與80年代知識工程和專家系統的火爆相比，那個時候人工智慧整體上開始趨向低潮、邊緣，而人工神經網路和強化學習又是人工智慧中的邊緣，實際就是邊緣中的邊緣。80-90年代人工智慧的主流研究是知識工程、專家系統和統計機器學習等，那時候的教科書像《人工智慧導論》等，只有很少篇幅介紹人工神經網路。當時很多人都認為神經網路沒有什麼實用價值，與人的水平（human level），差距也比較大。」鄧志東這樣描述那個年代的人工智慧研究。
在經歷了較長時間的低潮之後，人工智慧終於在2012年之後迎來了第三次復興。這一次，不只是學術界，包括谷歌、Facebook、亞馬遜、微軟、IBM、蘋果、百度、英偉達、英特爾、高通等在內的各大科技巨頭都紛紛押注於人工智慧，甚至要利用人工智慧重塑企業及對產品賦能，這充分反映了人工智慧對於人類未來的影響，有可能會變得非常之大。「對於巨頭型企業來說，最不能犯錯的就是公司對產業發展趨勢的洞察，這些重大戰略決策一旦出錯，整個「帝國」就有可能轟然倒塌，」鄧志東說到，「客觀地說，目前幾乎所有IT巨頭都把自己的未來之一押注在人工智慧之上，因此這一輪大數據人工智慧的興起，絕對不是空穴來風，也絕不僅僅是為了追逐熱點。」
「目前的大數據人工智慧是有商業價值的。」鄧志東堅定地說。
計算能力將突飛猛進，
演算法短期內難革新，要警惕泡沫
在鄧志東看來，這一波新的人工智慧熱潮，至少可以推動計算能力的進步，做到幾百倍、幾千倍的性能提升。現在的馮×諾依曼體系的計算機，CPU和內存之間存在著一個帶寬物理極限的問題，但是需處理的數據量卻在繼續呈幾何級數增長。鄧志東認為，對計算能力提升的強烈需求或許會導致類腦非馮×諾依曼體系計算機的出現，不但可同時支撐更大規模的大數據和更大規模的深度學習模型，而且還具有極低的功耗。「但是很多人鼓吹的千萬倍的計算能力提升，我覺得短期內還很難實現。」鄧志東坦言。
「我不否定目前人工智慧有一定的虛假混雜和泡沫成分，比如將上一波人工智慧熱潮中已被證明是能力有限或很難繼續走下去的東西，又在新的鎂光燈下進行不加發展的『復辟』與炒作，故意迴避或混淆這一輪人工智慧復興的真正緣由；又比如誇大宣傳，像強人工智慧、超人工智慧，目前來看這些都不太可能成為現實的，除非能夠進行多任務學習的通用人工智慧，確可取得實質性的突破。」鄧志東說，大數據與大計算驅動的弱人工智慧，目前確切地說，就是深度卷積神經網路和深度強化學習，對許多細分的特定應用場景，的確能夠達到甚至超過人類的水平，但它遠不完美。「比如目前的弱人工智慧可以看得清、聽得清，但是還沒有達到看得懂、聽得懂和讀得懂這一程度。又比如不能處理小數據，沒有推理能力，也不具有可解釋性等。」在鄧志東看來，這些極具挑戰性的前沿問題如果想要有所突破，就必須真正與神經科學的研究相結合。
如何結合，這是一個關鍵難點。
也就是說，迄今的人工智慧還沒有受到神經科學太多的啟發與貢獻，只是在早期的一些人工神經網路模型中才有所體現。事實上，我們對人腦的了解太少，很多複雜高級的智能行為，比如人的記憶、注意力、抽象、想像、推理、規劃、決策、知識學習、動機、意識等，大腦到底是如何工作的，這些我們都不甚清楚。用鄧志東的話來說，現在的人工智慧，其各種能力或表現只是形似而神不似。
另外，在演算法的發展上，鄧志東也認為短期內很難有革命性的進展，而目前的突破點是如何解決小樣本或小數據的學習問題，這也是目前深度學習演算法產業應用的突出問題之一。」鄧志東認為，前面說的沒有理解能力、不能處理小數據、黑箱式不可解釋、沒有推理能力、不能進行多任務學習等，解決這些問題，也正是下一步人工智慧需要努力的重要方向。
談自動駕駛：汽車產業將面臨五次變革
在清華大學的25年，鄧志東做了很多方向的研究，包括自學習控制、機器人、人工神經網路、強化學習、虛擬現實、複雜網路理論、計算生物學、無線感測器網路、計算神經科學、自動駕駛等。2009年，鄧志東開始從事自動駕駛的研發，迄今已有8年多的時間。
鄧志東向網易智能表示，最近8年多的自動駕駛研發是他研究生涯中做得最困難，也是挑戰性最大的一個項目。」因為自動駕駛汽車除了在實驗室進行演算法和關鍵技術突破之外，80%以上的時間還要在真實的道路和交通環境中進行測試、調校和改進。而且我們不是做其中的一個部分，而是做自動駕駛汽車的整體解決方案。「鄧志東解釋到。
鄧志東認為，汽車的變革會分為五個階段：
第一次變革是從內燃機汽車變革為電動汽車/新能源汽車，這個趨勢已經非常明顯，而且有很多國家已經開始制定內燃機汽車退市的時間表。
第二次變革是從電動汽車變革為智能汽車/信息化汽車，後者可以通過OTA（空中下載）進行功能的軟體定義與升級，目前的典型代表就是特斯拉。
第三次變革是從智能汽車變革為自動駕駛汽車（L4），而鄧志東認為SAE L2、L3級別只是一個過渡，只有到了L4級別才有商業價值，因為這時司機才被完全取消了。
第四次變革是從自動駕駛汽車變革為真正的無人駕駛汽車（L5），後者已沒有方向盤和油門/制動踏板，沒有後視鏡，也沒有區域和功能的限制，即人能去的地方它能去，人不能去的地方它也可能不能去。但這一天的到來還比較遙遠。
第五次變革是從自動駕駛或無人駕駛汽車變革為共享自動駕駛生態，它將催生新的商業模式和產業形態，徹底顛覆人類的出行方式。
「在我看來，第一階段的變革已經發生，第二階段的變革正在進行之中，而第三階段的自動駕駛已經看到產業端倪，例如很多人認為2021年前後將會是自動駕駛汽車的產業元年，但這必須有賴於人工智慧、雲服務、高精地圖、5G、車聯網、ITS等的共同推動。」鄧志東說到。
自動駕駛時代的來臨，並不是一蹴而就的，而是循序漸進的。鄧志東說，目前已經有L4級別的自動駕駛汽車應用在特定的區域中，比如場景相對封閉的開發區、景區、工業園區和機場等等，下一步將會在簡單的城區環境，或者高速公路上實現，最後自動駕駛可以在複雜城區環境下行駛。「所有這些都叫L4，只是它自動行駛的限定區域是逐步加大、逐步複雜的。」鄧志東表示。
談到自動駕駛未來的商業模式，鄧志東強調，未來的汽車一定是To B的而不是To C的。鄧志東認為，到時候用戶不會去買自動駕駛汽車，就和現在沒有人願意再去買共享單車一樣，這絕對不是因為買不起。主要就是太麻煩了，買車需要個人去面對上牌、車位、年檢、保險、保養等各種煩心事。「就像共享單車一樣，對共享自動駕駛汽車也是剛需，如果技術開始成熟，也會一夜之間出現，但可能是與叫車公司合作，又或者是由運營商獨自經營的。」鄧志東說到。
在鄧志東看來，現在自動駕駛還卡在技術上，包括人工智慧的滲透，雲服務、5G、固態激光雷達的普及等。「一旦這些條件具備了，未來自動駕駛汽車的普及就會像智能手機一樣，是一個很快的過程。」至於全球自動駕駛汽車市場，誰會搶得先機、佔據主導地位，是整車廠商，還是科技巨頭、Tier 1，或者是叫車企業？鄧志東表示現在還不得而知。
談人工智慧應用：速度在加快，
但每個領域都有很多機會
談及人工智慧的產業應用，鄧志東認為，人工智慧已經開始滲透各行各業，很多行業都在發生改變，人工智慧應用落地的速度明顯加快。
大數據大計算驅動下的弱人工智慧產業，垂直應用領域非常廣泛，包括現在很火的無人零售店、智能音箱、深度學習智能攝像頭、智能服務，甚至是庭審的速記，還有就是智能醫療、智能金融等等。
「大數據是基礎，演算法是關鍵，計算力是前提，人才最重要。」鄧志東稱，推進特定應用場景或者垂直細分領域的人工智慧研發，通過使相應的產品、流程與服務達到與人類相當的水平，這就具有商業價值，其中最重要的就是如何選定應用的場景。鄧志東建議，中國人工智慧的應用場景規模非常大，互聯網與雲平台的普及讓我們容易得到大數據，加上在中國商業落地速度更快以及政策的支持力度大。「短期內政府的大量資金投入，應特別注意導入市場的力量，即中國人工智慧產業的發展，應該走以市場為主導以企業為主體，產業為先之路。」
但鄧志東也同時指出了中國人工智慧發展的短板，就是原始創新能力不足，投資界過於追求短期盈利，還有體制機制的障礙，巨頭型人工智慧企業還比較少，缺乏高端基礎性研究人才和人工智慧工程開發人才仍需迅速壯大，以支撐中國人工智慧產業的迅速發展等等。
總之，時代的進步、歷史的巧合，讓大數據深度學習暫時佔據了人工智慧的舞台中心，也使人工智慧從失落走向產業革命的主角之一。數據智能，智能革命，未來可期。
註：《AI英雄》人物專訪內容版權隸屬網易智能工作室，每周四圍繞人工智慧領域講述一個人物故事，洞察技術趨勢，捕捉行業機會，關注人的價值。轉載請註明出處，違者必究！
TAG:網易智能 |