从著名的图灵测试末尾，人工智能便在跌跌撞撞中找寻本人行进的道路。
近年来，经过深度学习，人工智能在某些范畴曾经可以与人类智能相媲美，甚至超越人类。即便如此，它依然无法了解我们的感情，依然无法像个十岁的孩童一样感知世界。它的局限，就好像它的“神通”一样明晰明了。
那么，人工智能的“将来之光”终究会如何照亮理想呢？
6月5日至6日，一场人工智能范畴的大咖盛宴——2021全球人工智能技术大会在杭州将来科技城举行。国内外最顶尖的相关专家济济一堂。本报记者走进他们的研讨世界，探求人工智能范畴的最前沿。
深度学习——
大数据技术的成效
深度学习为人工智能带来了什么？
在全球人工智能技术大会上，中国迷信院院士、西安交通大学教授徐宗本提出了这样一个结论——“坦率地讲，如今的人工智能仍次要以深度学习为基础”。
长久以来，围棋被看作是人类发明中最复杂、最具开放性的智力游戏之一。许多专家曾预测，电脑在几百年的工夫内都不能够在围棋上打败人脑。
2017年，乌镇的一场“人机大战”，吸引了全世界的目光。自从智能机器人AlphaGo以4:1的成绩打败韩国棋手李世石九段当前，中国棋手柯洁九段再度迎战AlphaGo，试图为人类扳回一局。
最终的比分定格在0：3——横空出世的AlphaGo让很多人真正看法到了人工智能和深度学习的弱小力气。它拥有以深度神经元为代表的智能系统，意味着人工智能可以在某些范畴应战人类智慧的极限。
深度学习是机器学习的一种。它在本质上是一种包含多个隐含层的人工神经网络。它从大量数据中学习表示（或特征），以便在分类和预测时从中提取有用信息。实际上，参数越多的模型复杂程度越高，容量就越大，也意味着它能完成更复杂的学习义务。
现场有专家告诉记者，这里的“学习”本质上是认知的过程，从未知到已知的探求和思索。“比如1+1=2，一根手指是‘1’，再伸出一根手指，数一数，两根手指那就是‘2’。”这里的“1”和“加号”就是输入，而得到的计算结果“2”就是输入。所以，任何的从曾经有的信息，最终获得一个认知的过程都可以称为“学习”。
在柯洁与AlphaGo对弈过程中，下一步的棋子落在什么地方，是一种选择成绩。当前迷信家正用一种叫做“神经网络”的学习策略，来处理这类成绩。这相似于在人脑中担任活动的基本单元“神经元”，互相衔接成一个更庞大的“神经网络”。
而“深度”就是从“输入层”到“输入层”所阅历层次的数目。层数越多，学习深度也越深。所以，越是复杂的选择成绩，越需求深度的层次多。当然，除了层数多外，每层“神经元”数目也要多。例如，AlphaGo的策略网络是13层，每一层的神经元数量为192个。
由此也可见深度学习的局限性——计算的局限，模型的局限，以及过度地依赖标注数据。“有人说，这几年人工智能的发展是大数据发展的成果，也就是以为我们的模型更多还是依托数据。”现场有专家表示。
人机混合——
从模拟脑到衔接脑
或许我们早就用想象力为将来指明了方向。
科幻电影《阿凡达》中，人类可以借助机器，为本人的思想“穿上”阿凡达的躯壳。这个躯壳既可以是机械体，也可以是生命体，甚至可以是信息体。
回望人工智能发展的60余年，符号主义、衔接主义、行为主义的侧重点各不相反，但皆是计算机模拟人类智能或行为。它们或多或少处理了一些实际运用成绩，但局限于以“机器”为中心的视角，只思索由机器构成的智能系统。
如今，将人引入，并将其作为系统的重要组成部分——经过人机混合，有望可以充分交融机器智能和人类智能的优点和缺陷。
专家表示，人类智能和机器智能的混合是必然的发展趋向。了解大脑的运作方式，是人工智能将来发展的一个重要出路或出路之一。
就在去年，SpaceX和特斯拉等公司创始人埃隆·马斯克用三只小猪展现了最新一代脑机接口技术和产品——一枚硬币大小，可植入大脑的芯片，以及一台可完成自动植入芯片的手术设备。
研讨人员不只可以经过植入的芯片读出大脑活动，对小猪行为做出预测，还能向电极发送信号并刺激它们的大脑。神经元细胞会根据电极发出的信号产生反应。
科幻正在变为理想，虽然预测和控制一只猪的行为听上去是如此颠覆认知。
脑机接口意味着脑机交融，也就是脑和机构成循环。机器从大脑或生物体当中读取神经信号，并且经过系统解释、处理、再处理神经信号，再经过外部信号重新输入干涉脑的过程，
在这个过程中，人机接口变为脑机接口。我们不再经过键盘或视觉等其他行为来构成链接，而是经过植入和非植入晶体芯片的方式，直接链接人与机器。
实际上，脑机接口设备可以被等待用来处理很多成绩，比如视障、听障、帕金森综合症等。脑部损伤患者有能够因此重新获得对世界的某方面感知。甚至，电影《黑客帝国》里一个神经理想的世界能够完成。
这种从计算机范畴提出的人机交互的新途径，为脑机智能形状的交融提供了一个双向、系统的信息通道。这也是用一个全新的角度，来对待人工智能——从模拟脑到衔接脑。
在纪念“人工智能之父”图灵诞辰百年的文章中，国际顶级期刊《自然》明白提出，将来人工智能的一个重要发展方向，就是脑机体在一同交融并协同工作。
近年来，微丝电极、犹他阵列、密歇根阵列、记忆神经假体等前沿成果相继诞生，众多专家学者跨专业、跨学科投身脑机接口研讨的大潮之中，它已然成为人工智能范畴的热土。
与会专家以为，脑机交融的智能有望成为兼容生物智能体的环境感知、记忆、推理、学习才能和机器智能体的信息整合、搜索、计算才能的新型超强智能形状。
2021全球人工智能技术博览会展出的人工智能产品
“超智能”——
有创造力的人工智能
许多年，学术界对人工智能的看法照旧：机器的高级认知才能很初步，人工智能的运用路阻且长。
清华大学计算机迷信与技术系教授孙富春在接受记者采访时说：“深度学习仅仅处理了大规模数据到标签的映射成绩，次要做分类；它还是底层的计算，还没有办法达到高层认知层面。”
这也就意味着，目前的人工智能还是只能针对特定对象、特定场景。它的学习过程处于一个黑箱之中，见不着光、探不着底。
我们如何从狭窄的、特定范畴的智能迈向真正可以解释的、更通用的智能呢？
通用智能并不一定意味着人类智能，但我们希望机器能做出人类的判别和决策。这并不一定意味着机器将完成创造力、直觉或天分等没有数字类比的概念。它将具有处理多种类型的义务，和顺应不曾预料的情形的才能，并且毫无疑问可以辨认“正义”和“公平”这样的概念。
与会专家以为，通用智能要么将分明慢于人类思想，难以经过硬件或软件加速，要么将经过大规模并行和硬件改进而获得疾速提速。“我们将从数千个内核 GPU，扩展到数千个芯片上数以万亿计的内核。其数据流来自数十亿的传感器。在第一种状况中，当加速变缓时，通用智能能够不会那么风趣。在第二种状况中，其增速的斜坡将会非常峻峭、非常快。”
超越通用智能后的下一步是“超智能”。从某种程度下去说，这是一种具有创造力的人工智能。
有围棋专家称 AlphaGo 的一些落子是“创造性的”。但它们源自与其他一切落子完全一样的过程和形式，而并非以一种新的视角对待这项游戏。异样算法的反复运用能够会产生让人类感到诧异或不测的结果，但仅仅的诧异并不是我们所说的“创造力”。
面向人工智能范畴的发展将来，科大讯飞董事长刘庆峰向记者提出了本人的展望：一是深度学习的“黑盒”变“白盒”。让深度学习从关注程序外部结果到深化程序外部逻辑结构，从数据结构化、网络可视化到推理过程化，衍生出“具有可解释性的人工智能”。这样的需求是当下非常迫切、也是将来人工智能的攻坚方向。二是人机共存时代到来，人机共存愈加和谐、自然。人机交互将愈加以人为本，人工智能将愈加顺应每个人的发展，包括多模态感知和呈现，可编辑的人工智能人设，场景自顺应的交互等。三是人工智能和多学科交叉研讨，将加速促进人工智能在更多行业中引发颠覆式的革新。如人工智能和脑迷信的结合，人工智能的基本算法在材料迷信和生物制药范畴都将起到宏大作用。
之江实验室结合浙江大学研发的亿级神经元类脑计算机
记者手记：人工智能影响下的媒体发展
在2021全球人工智能技术大会“发展与应战”专题论坛上，技术创新与媒体发展能否更好地交叉交融，推进传媒行业迎来新的变革，成为参会专家讨论的焦点。
过去几十年，随着人工智能技术的不断晋级、媒体技术的发展，许多有关媒体质量、传输和接收的成绩曾经基本得到了处理。中国传媒大学脑迷信与智能媒体研讨院院长曹立宏说：“媒体的进脑入心成绩还面临着许多应战。过去处理的是媒体的传输成绩（多、快、好、省），如今要处理媒体的交融与吸收成绩。要从脑迷信与人工智能的角度对待这些应战，并讨论能够的途径。”
媒体智能化晋级，意味着媒体运营效率的提升，以及对人脑的解放。但是，不能忽略的是，人是无情感、会思索的，人脑一直是旧事价值的判别者，新浪AI媒体研讨院院长王巍以为：“我们必须在发展智媒的同时，平衡好人脑价值与智能效率的关系。只要协同发展，才能使人工智能赋予媒体更大的价值”。
他举例，新浪从去年末尾打造的基于热点的旧事产品——“新浪热榜”。热榜经过 “鹰眼大数据平台”疾速抓取并搜集包括微博在内的多信源资讯榜单，根据热度值等元素归因后重新整合，每10分钟更新一次。除了机器抓取外，热榜还必须经过人工做词条编辑，提高热点事情的陈列优先级，用户点击每个热点词条后，能看到与之婚配的丰富内容，包括深度解读、相关旧事、知识科普等长尾内容。
“我们的很多用户曾经构成了新的热点消费习气：每天上微博热搜刷一刷当天的热点；看到感兴味的热点旧事，就来新浪热榜看深度解读和延伸新知。”王巍说，“新技术对媒体平台的赋能才刚刚末尾，正如大会的主题‘交叉、交融、相生、共赢’，这将是将来很长一段工夫的主旋律。”
行业发展大事记
|
