Q1、人工智能的發(fā)展歷程是怎樣的？
人工智能的歷史可以追溯到物理學家薛定諤于1944年出版的科普書《生命是什么——活細胞的物理學觀》。這本書希望從物理學和化學原則的角度來解釋生命現象，它開啟了分子生物學的大門，也在人工智能的早期發(fā)展中起到了重要作用。在1956年馬文·明斯基組織的達特茅斯會議里，麥卡錫首次提出了“人工智能”的概念，這被公認為是人工智能誕生的標志。在這次會議中，大家一致認為“學習或者智能的任何其他特性的每一個方面都應能被精確地加以描述，使得機器可以對其進行模擬”。自此之后，人工智能伴隨著互聯網、大數據、云計算等技術的發(fā)展取得了長足的進展。這其中人工智能的理論思想演變?yōu)槿罅髋桑謩e是聯結主義、行為主義和符號主義。1995年，既有嚴密理論又有完美算法支持的統(tǒng)計學習理論提出之后，人工智能開始成為以統(tǒng)計學習和機器學習為主導的研究。
Q2、我國人工智能具體發(fā)展境況如何？
首先，我們得肯定，隨著國內研究能力的提高，國內科研機構在頂級期刊或會議上發(fā)表論文的數量較以往已經上了好幾個臺階，目前我國論文的發(fā)表數排全球第二便是很好的明證。然而，在原創(chuàng)性上，我國的科研創(chuàng)新還沒有占據國際主導地位，比如論文的引用數在國際上未排進前十名，說明論文的影響力不夠；在人工智能必需的硬件環(huán)境上，我們仍嚴重依賴于目前還無法國產化的GPU顯卡；在軟件平臺上，我們仍依賴于PyTorch、Tensorflow等國外軟件；在深度學習的核心算法上，國內提供的關鍵算法相對較少，多是在國外團隊設計的相關算法上的小修小改。
其次，對論文的過度看重，導致科研院校和行業(yè)偏好選擇“短平快、易產出”的方向進行研究，而對可能需要3—5年甚至更遠的5—10年才能有產出的研究方向不甚感冒，這從論文的引用率上就能看出一斑。而資本的進場，又容易讓原本可能可以按時間節(jié)點穩(wěn)步發(fā)展的企業(yè)產生加速擴張的心態(tài)，這多少會影響其對原創(chuàng)性研究的追求。如果這些企業(yè)缺乏專業(yè)的管理和財務團隊，則很有可能會導致投資方期望過高而實際產出偏低的結果。如果對此不重視，說不定第三波人工智能的熱潮會因為“AI經濟泡沫”的破滅跌回低谷。一旦出現這一現象，很有可能會有較二波寒冬更長的寒冬期。這些都是值得我們警惕的問題。
Q3、人類有哪些同智能相關的問題尚待解決？
第一，深度學習通過擴大模型來獲得預測能力的同時，也由于模型參數過多導致可解釋性變差，不太容易提取出可解釋的結論或規(guī)則。第二，常識智能尚無明確的解決方案。如人走路不會識別路面的精細細節(jié)但卻可以快速行走，出門時發(fā)現下雨后又返回家中拿傘，這些都屬于常識智能。然而，目前對于常識智能，仍缺少可以拿來分析的有效理論和模型。第三，小樣本問題。在很多情況下，樣本的收集是困難或昂貴的，甚至人工標注也不可行，如全基因組的測序、高性能計算芯片的參數檢測等。此時，依賴需要大數據訓練的深度學習就很難獲得好的性能。第四，硬件依賴問題。目前的深度學習嚴重依賴于GPU顯卡的并行能力，然而，并非所有環(huán)境都能提供具有高效運算的硬件。因此，有必要設計更有效、不依賴于GPU的模型和方法。第五，情感智能的研究。盡管在情感方面存在不少的研究，但多數研究是基于情感的預測來展開的，對真實情感的模擬還遠沒達到人類會難以區(qū)分的地步。結果就是，現有的服務機器人還難以形成真正的情感。
Q4、未來智能科學發(fā)展的突破點是什么？
人機智能融合將會是未來智能科學發(fā)展的下一個突破點。人機融合智能理論著重描述了一種由人、機、環(huán)境系統(tǒng)相互作用而產生的新型智能形式，它既不同于人的智能也不同于人工智能，而是一種物理性與生物性相結合的新一代智能科學體系。人機交互技術主要涉及人脖子以下的生理心理工效學問題，而人機融合智能主要側重人脖子以上的大腦與機器的“電腦”相結合的智能問題。人機融合智能中的“人”不限于個人，代表著以人為本的認知思維方式還包括眾人，機器也不限于機器裝備，還代表著計算機系統(tǒng)的機制機理。除此之外，自然和社會環(huán)境、真實和虛擬環(huán)境都會對人機融合智能的適應性產生影響等。人機融合智能著重于解決上述人機融合過程中產生的細節(jié)問題。
Q5、人機融合智能未來的關鍵問題有哪些？
目前人機融合智能的發(fā)展還在初級階段，人機融合智能的第一個關鍵問題，是如何將機器的計算能力與人的認識能力結合起來。目前處在應用階段的人機融合中人與機器分工明確，從而沒有產生有效的結合作用。人類在后天的學習中不斷拓展認知能力，所以人類能夠在復雜的環(huán)境下更為精準地理解態(tài)勢的發(fā)展。通過聯想人能夠產生跨領域結合的能力，而這種認知聯想能力恰恰是缺失的，如何使得機器產生這種能力是實現真正智能的突破口。人機融合的另一個關鍵問題是公理與非公理混合推理，直覺與理性結合的決策。計算機是按照嚴密的算法語言運行的。但是人類的決策不同于這個過程，人類的聯想能力還需要依賴于類比推理。類比推理為非公理推理的一部分，非公理推理決定了在弱態(tài)勢情況下的強感知問題。這種學習方法依賴于先驗知識，通過利用大數據與概率的方法實現。而實現機器的非公理推理是人與機器的區(qū)別之一，更是人的情感在機器上實現的重要途徑。通過先驗知識人類產生直覺，而理性的分析是直覺的對立面。機器總是在理性地處理數據，而如何讓機器產生直覺能力是人機融合的平滑性的關鍵。
人機融合智能的關鍵問題還包括介入問題。介入問題反映出人機融合的時機與方式問題，尤其是當人與機器存在對感知信息的不對稱，人與機器在決策的方向上出現矛盾時。同時人機融合中的介入問題體現在團隊態(tài)勢感知之中，而團隊任務的比重也逐漸偏向于人機群的團隊態(tài)勢感知。團隊態(tài)勢感知中團員之間的交互包括接受、容忍、信任、匹配、調度、切換、說服，這是保證“團隊大于個人”的條件。而人機融合中的介入問題和人與人之間的交互問題具有同樣的復雜度，從技術角度講，人機融合智能絕不僅是一個數學仿真建模問題，同時是一個心理學工效問題，還應是一個實驗統(tǒng)計體驗擬合的問題。人機融合智能的最后一個關鍵問題是倫理問題。人類本身擁有很多倫理道德困境，而隨著人工智能的出現給人類帶來了有關新的倫理問題的思考。與此同時，人機融合智能的范疇歸屬是人機融合智能倫理問題的關鍵。人機融合智能的倫理不僅包括人工智能的倫理，其中還包括人工智能的思想產生對于實際法律問題的影響，以及人機融合后的界定，所產生的行為是歸屬于人還是機器的思想。在思想之外，人機融合智能中設備作為人的一部分所產生的行為需要面對怎樣的法律責任，也是人機融合智能未來發(fā)展的重要問題。
