1.2 人工智能的發展趨勢

1.2.1 人工智能的發展程度

按照發展程度不同，人工智能可分為弱人工智能（Artificial Narrow Intelligence）、強人工智能（Artificial General Intelligence）及超人工智能（Artificial Super Intelligence）。

弱人工智能只專注于完成某個特定的任務，如語音識別、圖像識別和翻譯，是擅長單個方面的人工智能。也就是說，弱人工智能通常用于解決特定的具體類的任務問題，并且大都是統計數據，以此從中歸納出模型。

強人工智能屬于人類級別的人工智能，在各方面都能和人類比肩，人類能干的腦力活它通常也能勝任。強人工智能能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作，使人工智能在無監督學習的情況下處理前所未見的細節，并且能夠同時與人類開展交互式學習。在強人工智能階段，由于已經可以比肩人類，同時具備“人格”的基本條件，所以機器可以像人類一樣獨立思考和決策；而在智能集群出現之后，人工智能或許具有“道德性”，根據心理學理論，道德是具有社會性的。

超人工智能在很多領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能，等等。在超人工智能階段，人工智能已經跨過“奇點”，其計算和思維能力已經遠超人腦。此時的人工智能已經不是人類可以理解和想象的。

1.2.2 人工智能的應用

根據上述分類可知，目前還處在弱人工智能向強人工智能進階的過程中，目前的應用（投入商用）主要集中在認知識別領域，具體如下。

·在醫療領域，通過圖像識別對一些醫療影像做出識別從而能辨別病癥；在金融行業，通過一些量化策略對行情進行識別。

·在大型社交網站中，通過對用戶數據進行分析，對用戶畫像，勾勒出用戶的行為偏好。

·在保險方面，智能穿戴設備通過記錄佩戴者的心跳頻率等信息，建立用戶健康狀況模型，并與保險公司合作，建立保費/保額定價模型。

·根據車載GPS，建立用戶車主駕駛行為模型，并對車主的保費做出預估。

諸如此類還有很多，此處不再一一列舉。

如果將人的認知分為已知的已知、未知的已知、已知的未知、未知的未知4個象限，人類認知的活動領域大多集中在已知的已知（依賴經驗）。通過觀察思考或者一系列認知方法能夠將一些未知的已知（生成經驗）挖掘出來，還有一部分先驅則正在向已知的未知甚至未知的未知進發。

其實，符號主義通常是在已知的已知的基礎之上描述數據對象，通常以一些數理工具，通過編寫程序對現實進行建模——程序等于算法加結構。了解程序開發生命周期的讀者應該知道，程序在開發之前是需要給定需求的，而需求的給定是建立在已有的認知經驗之上的。

人工智能絕大多數的應用在于取代人類的經驗模型，而通過自身對于數據的學習形成自己的經驗。鑒于機器學習在算力上的可擴展性及高效性，機器學習在訓練的過程中，甚至能夠產生更有洞見的經驗。相對于人類而言，機器在處理數據的維度（不少模型都是千維甚至萬維）及數據的量級（千萬級到億級）方面更有優勢。所以，現階段機器學習的應用主要集中在對未知的已知的挖掘上。

機器學習在大方向上是走向強人工智能，甚至是超人工智能。但是在目前這種微觀層面，則是從認知感知走向主動能動，或許下一次行業爆發就集中在這個方面。

主動能動表現在以下幾個方面。

·自主識別——現在大多數的訓練方法都屬于監督學習，通過人為給數據樣本打上標簽，對數據的定義識別還是基于人的主觀設定，在更高級的模型（神經網絡模型）中存在一種模型能夠識別更加復雜的數據，從而對其合理分類。例如，Google X實驗室利用由16000多個處理器、10億個內部節點組成的虛擬大腦，分析了1000萬幀從YouTube上隨機抓取的無標簽視頻剪輯圖片，經過10天的運轉，“大腦”終于認識了什么是貓，并從接下來輸入的2萬張圖片中準確找出了貓的照片。當然，這僅僅是開始。

·自主決策——以強化學習為主流的學習，主導諸如無人駕駛等無人控制的諸多領域。在工業機器人高度發展的今天，無人化仍然是研究熱點，這是因為很多工業控制是以預編譯的方式將既定程序寫入機器人，在這個過程中缺少學習過程，盡管它會對識別的狀態做出響應，但是決策通過預設的程序做出的。而強化學習則是通過識別狀態→做出行為→獲得獎勵這樣一個循環過程完成學習的，最終能夠自主決策。

·自主生成——或許將來的設計工作是由人工智能實現的，而人作為一個貼標器，只需要負責選擇人工智能設計的作品。自主生成的方法很多，諸如生成性對抗網絡、自動編碼器等。圖1-3是利用生成性對抗網絡自動生成的適合患者口腔環境的假牙模型，通過錄入患者上下顎及牙溝寬度等數據生成咬合點，最終生成完整的牙齒模型。

當然，要實現強人工智能僅僅做到上述幾點是不夠的，此外，對強人工智能的認知判斷能力存在道德困境，在復雜場景中，存在多目標，而這些目標在特殊的狀況下可能存在沖突。例如，在自動駕駛過程中，卡車上載有價值1000萬元的貨物，如果在必經道路上突然出現一個行人，緊急避開會使貨物損毀，而采取緊急減速的方式也有可能會對行人造成危害且保險賠付金額可能高達100萬元，此時會遇到多個方面的權衡：人道主義的考量、交通規則的考量、自身損失的考量等，所以需要權衡這些不同維度上的狀態。如果不同維度上的狀態觸發不同的行為，這時應該如何決策？

強人工智能往往是在一個非封閉性場景中進行的，存在多個場景的疊加，如何能夠顧全“大局”，或者僅僅符合自身最大利益，對這樣的困境，即使是人類也無法給出滿意答案，而人工智能面臨的挑戰則更多。

當然，千里之行，始于足下，不積跬步，無以至千里。人工智能的發展是全人類共同努力的一個大方向，還需要眾多人工智能從業者的不懈努力。筆者認為，人工智能的發展將會深刻改變人類的生活場景、工作方式及生存狀態。