歐洲科學(xué)院院士、德國人工智能研究中心科學(xué)總監(jiān)Hans Uszkoreit

人物介紹

歐洲科學(xué)院院士、德國人工智能研究中心科學(xué)總監(jiān)、北京深知無限人工智能研究院院長、聯(lián)想集團(tuán)人工智能首席顧問

來源 | 盛景商業(yè)評(píng)論 ID | sjwl360

整理 | 許檬檬 美編 | sunny

▼

觀點(diǎn)：我們的顯性及隱性知識(shí)和人類的認(rèn)知，是一個(gè)非常強(qiáng)有力的資產(chǎn)，它是人類成功發(fā)展的一個(gè)基礎(chǔ)，也是人的智力和天分所在。

現(xiàn)在我們正在找到一個(gè)更幸福的方式把不同的知識(shí)種類結(jié)合起來，那就是AI。在AI領(lǐng)域，我們目前三個(gè)最大的挑戰(zhàn)就是我們要學(xué)習(xí)那些顯性的知識(shí)，同時(shí)也要去學(xué)習(xí)隱性知識(shí)的技術(shù)，以及未來的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)。

▌以下是根據(jù)Hans Uszkoreit院士現(xiàn)場演講稿整理：

大家早上好，我想要給大家介紹一下我們?nèi)绾文軌蜻M(jìn)一步拓展我們的知識(shí)，尤其是在AI技術(shù)的拓展方面以及我們?nèi)绾蝸響?yīng)對(duì)這方面的一些挑戰(zhàn)，包括在知識(shí)社會(huì)下，如何更好的部署AI。

所有在中國搞人工智能的人都應(yīng)該記得阿爾法狗擊敗了最牛的棋手柯潔，這個(gè)事件已經(jīng)造成了很大的轟動(dòng)。但另外一個(gè)事情卻沒有被大家所熟知，是2011年的一個(gè)特別轟動(dòng)的事情，是一個(gè)機(jī)器在一個(gè)特別大的電視的智力比賽當(dāng)中獲勝了。這是IBM的沃森這臺(tái)人工智能的電腦，把兩個(gè)北美知識(shí)最全面、最豐富的人給打敗了。

我們說AI分兩種，一種是知識(shí)型，有各種各樣的規(guī)則還有各種邏輯關(guān)系，還有一種讓機(jī)器人根據(jù)人們系統(tǒng)性的編程，讓他掌握人類某種動(dòng)作或者有某種肢體動(dòng)作，包括人的一些行為。如果把這兩種結(jié)合起來就很厲害了。因?yàn)閿?shù)據(jù)能夠給機(jī)器智慧，智慧都是從數(shù)據(jù)來學(xué)到的。人的智慧從哪兒來的？人是從人身上學(xué)來的。

阿爾法狗是從以前大量棋手身上學(xué)到很多東西，谷歌的翻譯也是這樣，從以前很多翻譯身上學(xué)很多東西，谷歌的翻譯機(jī)器根本不了解這個(gè)語言。無人駕駛汽車也是這樣，他學(xué)會(huì)怎么樣通過這種人工的無人駕駛汽車，他不懂交通法，不懂道路的狀況，根據(jù)隱含的知識(shí)和技能，他的行為和他的知識(shí)不相關(guān)系。包括語音識(shí)別，就是在識(shí)別這些語音，他根本不懂這個(gè)人在說什么，他并不懂背后的含義，但是他只是說從這一種文字怎么到另一種文字或者從語音到文字等等。像IBM的沃森這臺(tái)機(jī)器人，確實(shí)他是非常的聰明，百科全書計(jì)算當(dāng)中他已經(jīng)獲勝了。我們?cè)诘聡臉I(yè)界，我們把這兩個(gè)大數(shù)據(jù)知識(shí)和機(jī)器學(xué)習(xí)結(jié)合起來。

AI 革命的時(shí)代背景

深度學(xué)習(xí)不跟我們?cè)瓉硭x深度學(xué)習(xí)所一樣，它包括語音的解釋還有了解這樣的影像等等結(jié)合起來形成了深度學(xué)習(xí)。為什么現(xiàn)在才發(fā)生這一場AI革命而不是多年前就發(fā)生了呢？這跟有幾個(gè)領(lǐng)域重大的突破和成熟有關(guān)，尤其是跟大數(shù)據(jù)的成熟有關(guān)。

你首先要有數(shù)據(jù)，也有相應(yīng)的技術(shù)，有相應(yīng)的軟件。機(jī)器學(xué)習(xí)也必須要達(dá)到一定的深度才會(huì)有AI的革命，尤其是機(jī)器的深度學(xué)習(xí)。那么知識(shí)的技術(shù)，比如說是打造龐大的知識(shí)庫，不僅僅是數(shù)據(jù)庫，而是知識(shí)庫，能夠是把這一個(gè)知識(shí)還能夠連接起來，通過他們的意義和邏輯把各種知識(shí)連接起來，谷歌應(yīng)該是先鋒者，還有一些其他的知識(shí)公司都有知識(shí)圖譜，互聯(lián)網(wǎng)的技術(shù)要跟的上才行。還有要有在硬件領(lǐng)域重大的突破才行，現(xiàn)在才看到有AI的革命。

另外我想有兩個(gè)發(fā)展是激動(dòng)人心的，一個(gè)是德國的工業(yè)4.0，這個(gè)工業(yè)4.0是一個(gè)非常有遠(yuǎn)見的項(xiàng)目，誰提出來的呢？是科學(xué)家提出來的，同時(shí)是科學(xué)家和政客和企業(yè)界的人士一起提出來的。工業(yè)4.0就是說明了我們未來的企業(yè)，而且是在不久之后的企業(yè)會(huì)是什么樣子的，有關(guān)傳感器、物聯(lián)網(wǎng)、商業(yè)智能還有人工智能AI這些都能夠應(yīng)用到工廠，以后的企業(yè)是什么樣的呢？其中三個(gè)創(chuàng)辦者，一個(gè)是我所在的的研究所的CIO，還有一個(gè)來自政府，一個(gè)來自企業(yè)的代表。他們最早是提出來德國的工業(yè)4.0這個(gè)理念。

另外一點(diǎn)，就是越來越多的互聯(lián)網(wǎng)數(shù)據(jù)庫的開放，諸如萬維網(wǎng)這樣的開放的知識(shí)網(wǎng)絡(luò)。那么如何把那些非結(jié)構(gòu)化的知識(shí)變成是一種結(jié)構(gòu)化的機(jī)器能夠處理的知識(shí)，可以說是德國工業(yè)4.0的規(guī)劃當(dāng)重點(diǎn)研究的，未來企業(yè)是智能、是連接、每時(shí)每刻都有眾多的數(shù)據(jù)流在他們周圍，這些都是由人工智能對(duì)數(shù)據(jù)進(jìn)行分析、對(duì)工業(yè)進(jìn)行優(yōu)化、對(duì)未來進(jìn)行預(yù)測，從而形成的工廠運(yùn)行新流程。

工業(yè)4.0時(shí)代下，企業(yè)如何應(yīng)對(duì)AI 革命？

我剛才講了工業(yè)4.0跟我們AI有什么樣的關(guān)系？我覺得兩者有必然的關(guān)系，而且非常重要。

如今，工業(yè)4.0時(shí)代是數(shù)據(jù)化時(shí)代，在這樣的時(shí)代，對(duì)于任何一個(gè)企業(yè)來說，最重要的不在企業(yè)本身，而在于什么你是否知道知道你的外部環(huán)境？客戶、供應(yīng)商、監(jiān)管者、技術(shù)公司都是在外面，不在企業(yè)內(nèi)部。

晚上，工人下班回家后，他們所接觸的通信、交通也都是屬于外部。那如何把外部這么多的知識(shí)和數(shù)據(jù)與工廠連接起來呢？

你的客戶怎么想？監(jiān)管部門怎么想？外面出現(xiàn)什么新的物流技術(shù)？要把這些納入到你們工廠內(nèi)部的流程當(dāng)中，這比工廠自己的流程要復(fù)雜多了。一旦這些數(shù)據(jù)有偏差都會(huì)給我們的公司運(yùn)作帶來影響，但是這些數(shù)據(jù)都可以通過AI人工智能來完成。

接下來我想想講講知識(shí)，中國要成為知識(shí)型的社會(huì)，發(fā)展知識(shí)型的經(jīng)濟(jì)。全世界就是一個(gè)大家庭，我們現(xiàn)在有百度，有百科全書，它們都是知識(shí)的薈萃。但是我們現(xiàn)在很多知識(shí)仍然停留在字面的意義上。

為什么我要講到這件事情？因?yàn)橐粋€(gè)人可以拿一本書看看，但是你會(huì)發(fā)現(xiàn)不僅是說要把知識(shí)放在一起，他們得有一個(gè)結(jié)構(gòu)才行，才會(huì)有價(jià)值。數(shù)據(jù)庫越多，知識(shí)也會(huì)越多。我們?nèi)绾伟堰@些數(shù)據(jù)進(jìn)行系統(tǒng)化，形成知識(shí)是AI領(lǐng)域的重點(diǎn)研究課題。例如，我們?cè)诎亓值囊粋€(gè)數(shù)據(jù)項(xiàng)目，就是希望能夠讓人工智能能夠接受、分析知識(shí)。

讓企業(yè)連接數(shù)據(jù)產(chǎn)生價(jià)值

現(xiàn)在，有的人打造所有電影的數(shù)據(jù)庫，有的是打造所有物種的數(shù)據(jù)庫，還有的人是打造美國國家圖書館的數(shù)據(jù)庫，德國也有德國國家的圖書館的數(shù)據(jù)庫。這些都是大型的數(shù)據(jù)庫，人們用語義的方式把他們進(jìn)行連接，但沒有跟我們企業(yè)界的知識(shí)進(jìn)行聯(lián)系，我說德國工業(yè)4.0這么重要及我們要想把企業(yè)內(nèi)部的知識(shí)跟別的外部環(huán)境產(chǎn)生的知識(shí)，無論是交通、社交還有其他方面的知識(shí)連接起來，從而讓企業(yè)知道如何去規(guī)劃，這不是很重要嗎？

我們做供應(yīng)鏈管理，一個(gè)是應(yīng)用在市場調(diào)研方面，我們是要把企業(yè)內(nèi)外部所有知識(shí)匯總，打造數(shù)據(jù)網(wǎng)。數(shù)據(jù)網(wǎng)看起來像是一個(gè)知識(shí)社區(qū)， 我們首先要求搜集跟企業(yè)有關(guān)的這個(gè)數(shù)據(jù)，另外我們需要讓知識(shí)能夠自動(dòng)去生成，不能老是依賴別人，把這些知識(shí)用結(jié)構(gòu)化的方式呈現(xiàn)給你。

最好是機(jī)器能夠自動(dòng)生成知識(shí)，為此像谷歌有好幾個(gè)團(tuán)體跟他一起合作，做語言理解這個(gè)項(xiàng)目。谷歌本身也是我所在的德國人工智能研究中心的股東之一，這些聰明的科學(xué)家總在想如何才能夠讓諸如人們的輿論、社會(huì)活動(dòng)等數(shù)據(jù)以一種結(jié)構(gòu)化的方式把他們做成一種知識(shí)，這對(duì)企業(yè)來說是有意義的知識(shí)，這些外部知識(shí)可以和企業(yè)內(nèi)部的知識(shí)相聯(lián)合。

你可能會(huì)聽說一個(gè)企業(yè)收購另外一家，更重要的是他們的數(shù)據(jù)庫能不能夠整合起來。你會(huì)發(fā)現(xiàn)其實(shí)方法也是很多的，也就是說有這么多的方法，機(jī)器應(yīng)該都是可以去進(jìn)行學(xué)習(xí)。首先你需要知道一個(gè)企業(yè)收購另外一個(gè)企業(yè)的數(shù)據(jù)。其次，你要知道收購的規(guī)律，企業(yè)家真正需要的是規(guī)律，但規(guī)律是基于數(shù)據(jù)的處理，數(shù)據(jù)的分析，需要有神經(jīng)網(wǎng)絡(luò)，最后數(shù)據(jù)才能夠生有價(jià)值。

未來AI領(lǐng)域的三大挑戰(zhàn)

最后，我們展望一下未來，前面我們說數(shù)據(jù)就是用來生成知識(shí)的。但是我們還可以讓他有功能。

比如說無駕駛就是從數(shù)據(jù)那里學(xué)到了駕駛的方法。但是他們還需要有新的知識(shí)，比如說他要知道哪個(gè)地方堵車，或者哪個(gè)地方下大雪不方便。這一轉(zhuǎn)變的提升需要整個(gè)數(shù)據(jù)體系的日趨匯總，包括知識(shí)的數(shù)據(jù)和行為的數(shù)據(jù)。

我本人相信，我們的神經(jīng)網(wǎng)絡(luò)不見得是最擅長處理大量的數(shù)據(jù)的一個(gè)網(wǎng)絡(luò)。為什么這么說？因?yàn)槲覀兊纳窠?jīng)網(wǎng)絡(luò)至少現(xiàn)在沒有辦法百分之百的優(yōu)化，而且即使是再進(jìn)化，人的大腦也就這么大。你能夠記住幾百萬個(gè)名字，幾百萬個(gè)事實(shí)嗎？不可以，但機(jī)器可以，機(jī)器能夠這么做，是因?yàn)樗麄兏覀內(nèi)祟惖纳窠?jīng)網(wǎng)絡(luò)的運(yùn)作方式不一樣。我們把人的大腦和機(jī)器大腦進(jìn)行連接，這樣我們?nèi)说拇竽X就像得到一個(gè)新的武器變得更加的強(qiáng)大。

當(dāng)然你會(huì)說是不是以后機(jī)器會(huì)取代我們?nèi)祟悾肯癜柗ü纺菢?，不?huì)的。這些機(jī)器有一天會(huì)學(xué)會(huì)兩條腿走路，他們也能夠把兩個(gè)非常重要的事實(shí)是組合起來，一個(gè)是有關(guān)理性，知識(shí)的數(shù)據(jù)和行為的數(shù)據(jù)組合起來。但是他們并沒有動(dòng)機(jī)，他們也沒有感情、沒有欲望，這不只是神經(jīng)網(wǎng)絡(luò)的問題。我們需要看到機(jī)器比我們?nèi)烁鼜?qiáng)一點(diǎn)，我們需要更好的去利用他。

我們的顯性及隱性知識(shí)和人類的認(rèn)知，是一個(gè)非常強(qiáng)有力的資產(chǎn)，它是人類成功發(fā)展的一個(gè)基礎(chǔ)，也是人的智力和天分所在?，F(xiàn)在我們正在找到一個(gè)更幸福的方式把不同的知識(shí)種類結(jié)合起來，那就是AI。在AI領(lǐng)域，我們目前三個(gè)最大的挑戰(zhàn)就是我們要學(xué)習(xí)那些顯性的知識(shí)，同時(shí)也要去學(xué)習(xí)隱性知識(shí)的技術(shù)，以及未來的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)。