随着“人工智能”作为重要发展导向被国家正式列入《“十三五”国家战略性新兴产业发展规划》、《“十三五”国家科技创新规划》，习近平总书记提出推进新一代人工智能健康发展的重要政策指导，人工智能行业在国内迎来集中研究兴盛期。而在这一大时代下，今天我们有幸请到了AI独角兽企业深兰科技集团深度学习科学家方林博士，为我们揭秘人工智能领域的领先科技及研究成果，解读行业趋势和发展方向。
深兰科技集团深度学习科学家 方林博士
记者：您进入AI领域有多久了？
方林：我从1990年开始学习人工智能，1992年开发了人生第一个人工智能程序——五子棋人机对弈。自博士毕业后，已经致力于人工智能的研究长达20年。
记者：您为什么会投身AI领域呢？
方林：在众多的计算机理论中，人工智能是我最感兴趣的理论之一。她是研究如何让计算机具备人类智能的学科，由数学家和计算机科学家们提出的众多理论和算法组成。比如A＊算法、Alpha－Beta剪裁、梯度下降法和反向传播算法等等。研究她们并付诸于实践，就能够帮助我们编写出神奇的程序，从而控制计算机做出不可思议的事情。比如与人类棋手对弈并战胜人类。这多么有趣啊！
所以，从事AI理论研究和实践能够给我带来无穷的乐趣。我常常觉得那些算法和数学公式代表的也许是一种他人无法理解的美，而我乐在其中。
记者：您一直从事哪些方面的研究？
方林：我研究的方向包括搜索算法、博弈算法、机器学习、深度学习、遗传和进化算法等。
记者：众所周知，人工智能已经成为业界乃至全社会重点关注的行业，大家都知道人工智能是最新前沿科技，但是对人工智能本身并不了解。您可以通俗易懂地给大家介绍一下什么是人工智能吗？
方林：简单地说，人工智能就是让计算机或者机器具备像人类一样的智能，完成以前只有人类，尤其是人类智能才能完成的任务。比如驾驶车辆、与人对弈、识别人脸等等。
城市发展、产业升级、生产生活 离不开人工智能
记者：目前，您主要负责哪个方向的研究？
方林：目前，我在深兰科技进行一项称作“结伴学习”的研究。原理是将样本成对地输入到模型中进行训练。学习过程中，两个样本之间互相促进、互相提高。
记者：能否结合实例解读结伴学习研究？研究能够产生什么实际作用？
方林：近期，我们团队正在研发一个人工智能时装设计系统。在这个系统中，结伴学习能够准确地抓取时装的特征。基于这些特征生成的时装走秀图的质量要比目前流行的GAN（生成式对抗模型）要高得多。并且模型的参数少，结构简洁，训练速度快。比如结伴学习1个小时训练的结果比GAN1天的训练效果还要好。
记者：那么结伴学习能使哪些科学研究受益呢？
方林：结伴学习是一种通用的学习方法，在图形图像处理、自然语言处理、语音处理和视频处理中都可以发挥作用。
传统深度学习模型中，样本之间是没有联系的。模型只会对一个个的孤立样本进行处理。结伴学习则不同， 她处理的是一对一对的样本。模型在训练时，不但从样本中学习知识，还从样本的差异中学习知识。这大大提高了学习效率，提高了学习精度。这就像两个中学生在学习时互相帮助、互相促进，共同提高。
结伴学习的另一个特点是对样本的复制。我们知道，自然界中遗传和进化的基础是子代对父代的复制。结伴学习通过对样本的编码和解码实现对样本的复制，并在这个过程中获得样本的语义信息。自然界中，遗传和进化的基础是基因；结伴学习中，编码和解码的基础就是语义。所以结伴学习可能可以在遗传和进化算法研究中发挥重要作用。
记者：在您眼中，您认为人工智能目前的发展现状和未来发展趋势如何？
方林：人工智能的前景十分广阔，是最有希望赋能几乎所有行业的技术之一，将在生产、生活和科学研究的各个方面发挥积极的作用。
目前，我国在人工智能理论研究方面的水平相较国外最先进水平还有一定的差距。比如人工智能基础框架几乎都是国外科研人员开发的。但我们正在积极赶上，步步紧随。许多新理论、新方法、新算法都是中国科学家首先提出的。深兰科学院提出的结伴学习就是这方面的一个例子。
相对于理论研究，我国人工智能应用已经走在了世界前列。比如我国在移动支付、智能物流、电子商务、共享单车、高铁等等领域内的人工智能应用已经把美欧日甩在了后面。我认为，这是继以蒸汽机为代表的第一次工业革命、以电气化为代表的第二次工业革命和以信息化为代表的第三次工业革命后，中国首次在以人工智能为代表的第四次工业革命中领跑。其意义远大于前三次工业革命之和。
人工智能未来助推：遗传算法和进化学习
记者：这个领域有哪些尚未攻克的难点，是否有希望解决？
方林：目前，对于遗传和进化算法的理论研究还没有取得实质性的突破，对进化学习和强化学习的研究仍处于摸索阶段。在对抗学习的研究方面还存在诸多难点。
不过，越是逼近困难，越容易出现突破。1986年台湾应昌期出资120万美元用来奖励2000年之前战胜人类专业棋手的围棋程序。当时有人认为这样的围棋程序在50年内都无法实现。但仅仅30年后，Alpha Go 就解决了这个问题。
关于遗传算法，目前我们需要研究和攻克的关键点是如何实现模型的自我进化。当前，我们的科学家们还只能人工优化模型，耗时耗力，模型的结构也不会自动发生变化。神经元之间的一些奇特的连接方式可能永远也不会被人脑发现，除非让电脑来思考这个问题。就像人类棋手战胜不了Alpha Go Zero的一个重要原因就是后者常会走出一些人类看不懂的棋。
将来，如果我们能够在进化算法方面取得突破性的进展，这将带动人工智能的发展进入一个新阶段。这是全世界，包括深兰科技在内的科研团队正在共同努力的方向。我们对于将来攻克上述难点持谨慎乐观的态度。
记者：您对人工智能未来的研究有哪些展望？
方林：未来的人工智能研究主要有两个方向：第一是人工智能应用。即如何更广泛更高效地把人工智能应用到某个具体场景中。
第二是人工智能理论研究的突破。这主要是指对抗学习、遗传算法、进化学习和强化学习理论的突破。目前的人工智能还只能解决一些功能性问题。比如Alpha Go，只能下围棋。在不更改模型结构的情况下她不能学习和实现其他功能。另外，目前的人工智能还不能真正做到一边学习一边使用。我们通常只能在训练完成后才能使用模型。
黑盒推理如何成为白盒推理，是未来AI研究重点
记者：在尚未涉足的领域中，AI未来还有哪些内容值得深耕？
方林：有两个方面。一是机器定理证明，第二是逻辑推理。目前的深度学习仍是黑盒推理。我们可以通过深度学习的模型获得推理结果，但仍无法了解或者判断出得出这个结果的过程是怎样的。我们希望未来能够把黑盒推理转变为白盒推理，从而让我们能够清楚了解推理的过程。
当下，科学家们发现在深度学习模型当中，每个神经元激活情况跟人脑中真正的神经元的表现高度一致，这是目前人工智能科学家发现的最好的结果。但这只能说明深度学习的方向是对的，但仍无法解释推理的过程。
至于机器定理证明，尽管很少有人提及，她其实是人工智能皇冠上的明珠。涉及自然语言理解、知识图谱、知识语义、逻辑推理和归纳推理。其中的逻辑推理恰恰不是现在的深度学习技术所擅长的。如果机器定理证明能够取得突破，人工智能就具备了自学人类记载在书籍中所有知识的能力。
人工智能 改变未来
记者：作为AI领域的深度研究者，您最希望人工智能能够帮助您解决什么样的问题？
方林：因为平日工作繁忙，疏于对家人照顾，而太太在家中操持家务非常辛苦，所以就我个人而言，我迫切希望能够发明出一个家务机器人，买菜烧饭、洗衣叠被，什么家务活都能干，还能辅导我女儿学习。
除此之外，当前的智能家居是功能型的。比如智能台灯就只有台灯的功能，最多我们能通过手机App远程控制它，还算不上是家务机器人。我所说的家务机器人是全智能家务机器人，可以做各种家务活，能够学习，可以交流，能够自动适应不同家庭的实际需要。
记者：目前，隐私安全也是公众比较关注的，AI技术能否借助当下研究，帮助人们解决这些方面的问题？
方林：当然可以。目前深兰科技主导提出的人体生物识别技术，是国内行业领域比较领先甚至是独有的生物感应技术，通过活体识别取代信息数据加密技术，更好地保护公众信息安全和隐私，实现欺诈预警。具备了很好的实用价值。
创新创造 人工智能是人脑的得力助手
记者：AI除了助力“理性”业务外，它是否在“感性层面”的创新创造上，起到一些更好的作用？
方林：目前的人工智能技术可以让计算机创作出不逊于人类艺术家的艺术作品。比如音乐、绘画、摄影等等。深兰科学院的人工智能时装设计系统还能够进行时装设计。
再比如Alpha Go，不仅击败了人类围棋高手，它对围棋的认识也远远超越了人类。人类围棋高手目前考虑的不是如何击败Alpha Go，而是如何从她的棋谱中获得启发。
所以人工智能成为人脑很好的帮手，补充人类思维和认知纬度的不足。
新兴行业衍生新职业 人工智能也一样
记者：您认为人工智能行业或者说企业最迫切需要什么样的研究人员呢？
方林：我认为是数学和计算机理论相结合的专业人员。有人认为，软件开发（包括人工智能研究）就是编程序，编程只需要懂得计算机语言的语法就行了。我认为，计算机理论和数学的每一门学科都代表了一个认知纬度。就像刘慈欣在《三体》中所说的那样，二维世界的人根本就无法理解和抗衡三维世界的人；三维世界的人根本就无法理解和抗衡四维世界的人。认知纬度的重要性于此可见一斑。
我从来不认为微积分只有在使用微积分时才发挥作用。数学带给我们的，是我们对世界看法的根本性改变。没有这种改变，人类无法从事人工智能科研，也不可能取得有意义的成果。
同样的，计算机理论也很重要。为此，我建议大家重视对《数据结构》、《操作系统》、《编译原理》等计算机理论课程的学习。书到用时方恨少，这些理论绝不仅仅只是在各自领域内发挥作用。
记者：最后跟大家分享下您的研究心得？
方林：第一，科学研究没有捷径，只能一步一个脚印潜心探索，无法一蹴而就。大家要坐得住，耐得住寂寞，耐得住无人理睬；第二，要重视计算机基础理论和数学的作用。工欲善其事，必先利其器，用高中数学是不可能解决哥德巴赫猜想的；第三，要学会与其他科研人员交流，学会站在巨人的肩膀上。我们呼吁更多研究爱好者投身于这个行业，共同用人工智能创造未来新世界。
雷锋网版权文章，未经授权禁止转载。详情见。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/134713.html