AI基础理论研究的新方向

2018年，世界人工智能大会上，姚期智教授为与会嘉宾分享了他近年来在AI（人工智能）领域的研究工作进展，并对AI基础理论新的研究方向进行了大胆预测。姚期智教授1998年当选为国家工程院院士，2000年获得图灵奖，兼任美国国家科学院院士、美国艺术与科学学院院士、中国科学院院士、中国香港中文大学计算机科学与工程学系教授及清华大学-麻省理工学院-中国香港中文大学理论计算机科学研究中心主任。

姚教授指出，基础研究是非常重要的。人工智能现在非常热门，并在医药、无人车和机器人等各个领域产生了非常大的效果。世界上不论是工业还是其他行业都在进行人工智能的研究。在国内，上海交通大学、清华大学等都成立了人工智能研究中心。以清华大学为例，很多老师近四五年来在人工智能于健康医疗、金融科技、安全、网络、数据中心、电力市场、机器人、智能制造和政策与管理等方面的应用做了大量工作。如在精准医疗中进行了关于基因疾病突变分析、药物反应预测和旧药的二次开发的研究；在蛋白质三维结构的重建中，进行了基于大数据的高效重构算法和二维颗粒图像的全自动化挑选的研究；在基于深度学习的医学影像诊断中，进行了关于肺部结节、颈动脉斑块基于大数据的高效重构算法及二维颗粒图像的全自动化挑选研究等。人工智能现在应用非常广泛，对整个社会产生了很大的效益。以后若干年中，现有的技术一定会继续发挥作用，并不断产生新的效果，进入新的领域。但是我们也可以预见，象其他各种技术一样，三五年后，这些技术的发展会面临瓶颈。深度学习也是一项老技术，开始时是基础研究，现在时机成熟了，突然之间能产生突破，造成很大的效应，这也说明了科学发展的规律，即基础研究上投入的足够多，适当的时候才能实现量变到质变的转换，有机会表现出它的力量。希望后面人工智能基础研究在四五年后能有新的突破。

那么，突破的具体方向在哪里呢？我们对深度学习其实并不太了解，与传统理论在算法设计上不太相同的地方是：通常，我们以某个特别的问题或特别的领域来设计算法，事先对于它的理论研究很清楚，对它的数学结构也有非常深刻的了解，然后才能设计出非常好的的算法。深度学习有些象实验性的科学产物，我们并不能确定它的效果到底有多好，但在很多方面，它确实令人惊讶，这对科学家来讲是个难题：用深度学习能做成功一件非常重要的事情，但是你却解释不清它为什么能达到这些效果，这就会使用户产生一些疑问，甚至一些偏见，所以在应用上还存在薄弱环节。我们如果希望产生下一代人工智能的崭新技术，必须要了解现在的方法为什么能成功，因为这会为我们提供一些线索，在此基础上改进、设计一些新的理论。这件事在科学界的重要性在过去的四五年中已经引起了人们的广泛关注。

世界上有不少从事基础研究的科学家，他们对于这个问题的研究成果已有相当程度的积累，并达到了一种渐进突破的境界。产生下一代人工智能技术，在科学界是一个具有可行性的方向。这里有个非常有趣的现象，与普通计算机科学研究的不同之处，是要研究为什么深度学习能达到这么好的效果。答案可能是：AI研究在整个世界上，在报纸、杂志中经常报道，因而吸引到的不仅仅是计算机科学家，还有其他专业领域的专家学者，譬如说信息论学家甚至是物理学家。不同的学科会用他们独特的视角和知识来看待这件事，这些研究是真正的跨学科研究。如果把眼界放的更广一些，我们必然会想到人工智能和自然智能之间的关系。从人工智能研究的初期到现在，会有不同学派的不同想法，我们做人工智能的目的便是希望它能够做的比人类更好，而且越来越好。人类的自然智能与机器演化出来的智能性质完全不同。我们期待一个不一样的世界，这个世界不会受到生物学的限制。从人类的逻辑和数学能力出发，是不是有更好的、更智能型的方法，超越人类所能做的任何事情？我们研究问题应该从一个具体的方向切入，比如要讨论哪一派别的学说是更加合理的，人工智能和生物智能有没有真正能够互相学习之处等等。如果我们站的再高一些，从一个哲学的视角来看，人类最大的好奇心便是对这个世界的认知能力可以达到何种程度。对于生物界、自然界中的问题，比如太阳是怎么产生的这类问题进行深刻思考。能把这类问题想清楚真的是一件匪夷所思的事情。但是如果机缘巧合，我们能把不可能的事情做到了，这就确实了不起了！

回到刚才讨论的主题：对于这个世界我们到底能了解到什么程度？这个世界中是不是有些事情我们无法了解？在这里要知道，一方面我们现在人工智能还是有很大的的突破；另一方面，与人工智能完全不相关的领域，是我们人类对于物理层面微小事物的控制能力。我们现在可以生产出量子计算机，这也是一个颠覆性的发展个案。从基础的角度来讲，可能是一个更深的层面。它使我们对整个计算机的基础有了革命性的新的认知。那么，这两个看起来完全不同的发展方向，是不是有方法能把它们结合起来？如果我们把人工智能和量子计算机结合起来，是不是能对整个世界产生更深刻的认知和了解？

从深度学习最初的发展到现在，已经过去了五六十年。它使用一个很基础的计算单位来模仿生物体神经结构的形成。在计算机领域，通常如果进来两个逻辑的 X和Y,计算机要做的事情只能说X 和 Y 或者 X 或 Y，然而图像处理时通常会有很多信号进入，也就是说个体神经元的一个基本想法会有很多个信号进来。如果这些信号强大到某个程度,就能够激发新的信号。有了这些，大家就能很自然地想到，如果不只是一个阈值门,把这些阈值门排列起来，变成两层的或者三层的、多层的，我们是不是有相似的方法能够刻画它？到底它能够学习到什么样的内容，我们需要关注：最初是信号如何进来的，最后当你要得到你所期待的结果时，有一个多层的架构。对于这样的数据，我们并没有非常充分的数学刻画和了解。所以说，大家把深度学习当做一个工具。虽然我们不知道它能不能做好，但是我们用它来做，看看它的效果如何。最近十年，由于有竞争者，加之计算机能力的快速发展，深度学习终于能够获得成功。

在宗教领域，我们也了解，其实我们的宗教做的非常好，非常有效，然而我们并不知道在科学上这到底是为什么。如果我们要了解深度学习能把很多工作都做的很好的原因，这个问题本身就是要把它变为一个数学方程式。这是一项相当重要的工作，如果我们要进入科学，就要从能做的开始。所以，最近四五年中，在一些基础科学的研究层面，大家所努力的方向，就是进行一个最自然的问题的研究。过去很多年，大家都不知道应该怎样做。最近，不少令人兴奋的结果都已经做出来了。这其中，中国的年轻科学家们扮演着一个相当重要的角色。我们的研究已经有了一些初步的结果，这是非常振奋人心的, 说明我们有能力达到对更多层的了解。所以说，人工智能是一个非常经典的由数学、统计学、计算机科学等学科进行自然交叉融合的案例。在不同的学科，如信息理论中,基本上任何一个计算的工具，都是帮助信息转化的工具。人工智能的出发点是神经网络,是把进入的信号带入一些统计信值，在一层一层经过的时候，这些信号不断得到强化。在这个过程中，人工智能对于这些信号和信息，进行了一系列的学习。这些信息经过不断转化，最后变成了我们想要了解的内容。而这些基础的自然的想法最终也变成了数学上的定理。

很多人对这方面的工作提出来一些特别的观点。他们说你学习的对象，你的信息栈有标记Y,我们称它为信息伙伴，它的作用就是把这些因果进行压缩, 变成另外的一些信息，而且压缩的越小越好。但是你希望你所压缩出来的信息、信号还是能够把标记Y所包含的信息尽量保存。利用信息论的一些基础观念能够把每个层面的理念关联起来。一些物理学家认为，神经网络的学习方式与物理学一些系统转换层面所关心的问题是有关联的。物理学家有这样一个系统，通过计算，发现神经网络从一层到另外一层之间的关系,非常详尽。他们在这方面有很多计算经验，所以由此发展出一门非常深奥的学问，和人工智能非常相似，这中间有一个非常精确的对应。他们的工作是不是能够帮助我们了解几年前的工作？了解深度学习网络是一件非常难的事情，因为不但要了解信息的形式, 还要了解它是不是已经转换的。因为神经系统中的计算单位是非线性单位，而在世界上，我们最有信心和能力处理的都是一些线性单位。一旦有了非线性的元素在里面，我们的数学分析就会有各种各样的困难。数学需要严格的证明，而对物理学家来讲，他们只关注事实真相,是不是有严格的证明对他们来讲并不是很重要。我们将来或许也会采用这种模式。

近年来，深度学习的一些方式和成果展示正逐步通过打破计算机科学和传统专业学科之间的壁垒实现。比如在医学领域，我们知道并不需要一个严格的证明。在这个世界上，一旦我们把心胸打开以后，它就会给我们一个很大的发展空间。最后的检验标准便是能不能解决我们在人工智能应用中遇到的问题。

让我们再来回顾下人工智能和神经科学之间的相互影响。80年代，美国已经开始研究怎样用机器的方法解决问题。同一时代，另外一批做AI系统研究的人，对神经网络也有比较正面的看法。他们认为机器能够判断、处理很多事情。十年过去了，由于计算机、计算速度的发展和大量数据的获取，神经网络忽然之间能利用数据做很多事情。神经科学的作用已经非常明显了。我们希望用计算机的方法来看神经科学。我们的科学家也正在进行这方面的研究，希望能跟一些企业进行合作。神经科学有很多个方向。人类对世界的感知能达到什么程度？我们有各种各样的方法来探索。我们可以把这件事当做一个计算问题，因为所有的知识基本上都可以用人的大脑变成计算机去发现，去了解。现在我们已经知道，有些真理是可以计算的，但是人类还没有发现方法，没有足够的神经动力来进行计算。大家都认为，人工智能其实是刚刚开始，我们现在需要把计算机语言变成一个自然的语言来看待。要把很多的学科诸如情报学、教育学等结合在一起，然而很少有人具备足够的学科专业背景来从事这种研究, 因为这确实是件很难的事情。要下苦工，要花很多时间，这些都是非常值得的。如果你能在不同的领域开展研究，将来就有机会做一些世界上很少有人能做的事情！