清華大學鄧志東談人工智能：既要仰望星空，更要腳踏實地

　　“不要談那些高大上的東西，不要對它賦予很大的期望，認為它是一個靈丹妙藥，找一個高人來，馬上就可以把這個人工智能遍地開花，這是不可能的”清華大學人工智能計算研究院鄧志東在由財經承辦的“2019中國制造論壇上”如是說道。

清華大學人工智能計算研究院鄧志東

　　以下是鄧志東的演講實錄：

　　第一問：新一代人工智能怎么理解它？還有它目前的主要進展是什么？

　　怎么去理解新一代人工智能，我覺得這很關鍵，因為現在我看大家都說人工智能，我們知道人工智能其實是有定義的。我們實際上是模擬、衍生和擴展人類智能行為的一種理論、方法、技術、系統，這么一個綜合性的學科。

　　人工智能主要包括感知智能，還有認知智能。感知智能，簡單說就是不需要思考的，一秒鐘能夠做出反應，對人類的直覺行為進行模擬，比如視覺、聽覺、嗅覺、味覺。另外一個叫認知智能，像現在我們的記憶、推理、決策、思維、意識等等。

　　新一代人工智能的進展主要包括三句話：

　　第一句，大數據驅動的感知智能取得了突破性進展。從2012年以來，短短的六年時間掀起了新一輪的產業高潮，因為人工智能前面也有高潮，但是前面高潮都沒有產業鏈進入。其次是真正有能力，但是這個能力是有限的，跟人類比較起來還有很多缺點。

　　第二句，以阿爾法狗為代表性的深度強化學習，在動態博弈類的決策問題上取得了超過人類水平的進展，但這屬于認知智能的范疇，在工業化的應用上其實很少，也不要指望他在工業上馬上能夠應用。

　　第三句，在深層次對抗神經網絡能夠通過對抗的方式生成超逼真度、超真實感的數據上面，最近這兩年也是取得了非常重要的進展。這三個其實概括起來對工業、產業、產品開發和產業發展，其實最重要的或者產業真正感興趣的，就是大數據的人工智能，能夠帶來感知能力的提升。

　　第二問：AI能夠做什么？尤其是能夠給產業帶來什么東西？

　　人工智能真正有產業價值的地方，實際上是大數據驅動的，或者大計算能力支撐下面的深度學習方法。AI真正能夠給我們帶來是直覺能力，或者通過學習的方法能夠處理，這種能力自動從大數據里面提取出它這種特征，多重特征，底層特征、中層特征、高層特征、局部特征、全局特征，這也是AI真正的產業價值或者真正的知識價值，我們主要也是運用這方面的價值。

　　所以AI的產業價值就是能夠帶來感知能力，視覺、聽覺還有直覺能力，包括我們的文本分類能力，簡單說就是計算機視覺、語音識別、文本分類，包括機器翻譯，端到端的，通過學習的，而不是以前通過人為設計特征這種方式的一種能力。

　　但是，它需要大數據，需要大計算能力。不能有小樣本的舉一反三的能力，識別結果是不可檢視的，不能從認知理解上去對識別理解給予它可解釋性，也沒有魯棒性，也沒有記憶能力，甚至連常識處理不了，什么能力都沒有，所以不要對人工智能寄予很大的期望。

　　現在人工智能是一個弱人工智能，是整個人工智能發展過程中一個非常初步的，但確實是能夠帶來產業價值的東西，他相對于人類的智能來說是非常初步的，大家可能對它寄予很大的期望。

　　第三問，怎么落地？怎么在制造業落地？

　　可能很多人認為，大家都在喊人工智能，真正具體做起來都知道，人工智能落地是如此地困難，就是因為我們現在對人工智能沒有深刻或者本質的理解，所以現在人工智能能夠做的事情是非常有限的。

　　現在人工智能主要包括四個維度，第一個維度大數據，第二個計算能力，第三個算法，第四個應用場景，其實現在最關鍵的是應用場景。

　　要選擇一個特別細分的垂直應用領域，這個領域就是要針對特別具體的問題，我們不去談人工智能做應用的時候，做產業化開發的時候，不要談那些高大上的東西，不要對它賦予很大的期望，認為它是一個靈丹妙藥，找一個高人來，馬上就可以把這個人工智能遍地開花，這是不可能的。

　　人工智能要做就做很細微的事情，做一個點點滴滴的事情，非常小的，因為人工智能可以有兩句話，現在所謂人工智能就是人工+智能，有多少人工就有多少智能，實際上它是把人工通過以標簽的形式轉移給機器，然后賦予它智能的，所以有多少人工就有多少智能。有多高水平的人工就有多高水平的智能，比如你要做標簽，做醫療，比如說你做CT，甚至看早期肺癌，這種標簽不是給普通人做，需要國際頂尖醫生來做標簽，這樣他得到的水平就是國際頂級醫生的水平，否則就是一個普通醫生的水平。

　　所以如何在制造業里面落地呢？其實就是要選定一個特定的問題，非常具體的問題，這個問題需要具有信息化技術比較好，做數字化、網絡化，能夠源源不斷產生大數據，然后對數據進行采集、積累、做清洗、標簽，控制它的標簽，對標簽進行審核的能力。

　　要做數據，基本上80%以上的人力或精力要投入到特定問題、細分問題上做標簽。舉個例子，零部件外觀質量的檢查，以前都是靠人，比如說看陶瓷產品是成品還是廢品，看外觀能看出來它的瑕疵是什么，以前靠高技能的工人看，現在人工智能就在這上面有能力，因為它就是能夠做計算機視覺的。

　　如果我們建立起大數據，建立一支團隊就做這么一個細分的問題，然后我們建一支團隊大量投入進去，做數據積累、數據標簽，建立高質量的數據，這是很笨的方法。但就是得靠這種笨方法，深耕場景和數據，打磨人工智能產品。實際上事情就是這么做的，而不是一個高大上，一個萬能的方法，一提出后，一撒到下面，所有就都成功了，這個根本沒有，這只是在認知水平的智能才可能成功。

　　但現在這上面沒有什么突破了，主要是在感知智能上面才有這樣的突破。所以這個時候只能用笨的方法，選中一個笨的問題，建立一個團隊，很多錢投進去，做到后面的時候，你會發現，越做越難。因為它的數據到后面，比如說正確率是99.999%，從5個9，增加到7個9，這么一點點的提高，需要的數據都是指數增長的，這就是我們所說的“長尾效應”。

　　所以，其實做到后面是特別難的，即使這么難，投入這么大的精力做數據，結果最后你發現還是做不到人的水平，我們是跟人比，比如說我們現在做人工智能，不管是產品也好，還是流程也好，還是服務體驗也好，就是要做人類水平。我們現在看到很多新聞報道，里面都說超過人很多，比如人臉識別超過人很多，這是一個完備數據節，這是作為學術研究的。

　　真正到人工智能落地的時候，是一個開放環境，是沒有完備大數據的，這個數據永遠沒有盡頭，而且數據越做到后面越困難，因為它有長尾效應。在這種情況下，還不一定能做到人的水平，這是現在算法的缺陷。

　　在這種前提條件下，我們做數據工程，做大數據，包括尤其做大數據的標簽，做高質量的大數據，去賦予它人的智能，把它轉移過去，讓它具有人的水平，在視聽覺這種感知能力上接近人的水平，它就有產業價值。

　　在感知層次上，其實有些方面它是不可替代的。你看到視覺能力、聽覺能力、語音識別、計算機視覺、外觀檢查，很多數據進去以后，它確實能夠達到熟練師傅的水平，師傅看到這個是成品還是廢品，他也能夠看到是廢品還是成品，就是到機器換人，他可以做到自動化的處理，不需要人去做這個事情，可以把人替換下去。

　　還有一部分是大數據洪流，不斷涌現大數據，特別大的數據，這個數據人是處理不了的，必須要用機器來實現自動化，必須要用人工智能賦能，用這種方法做數據的自動化，或者是知識的數據化。

　　從數據流怎么去提取信息流，提取語義流，都需要人工來做。另外，從產線的角度，比如說我們單批生產設備，要機器人化、自動化，可以代替人，提高效率或質量，還有整個產線，整個車間的生產設備本身的自動化，也是靠人工智能來實現。

　　實際上我們做的智能制造，包括做新零售、新制造都是在信息物理空間進行的，一部分是虛擬的信息空間，一部分是實體空間或者物理空間。一部分是網絡，比如說互聯網，一部分是實體，比如說生產設備，或者是實體店，或者實體的分銷商。一部分是虛的，一部分是實的，這兩部分都需要人工智能的賦能，就可以實現智能化，提高生產效率，同時帶來生產產品品質的提升。