·編者按·

  隨著科技加速度不斷提升，人工智能的成熟也在加速。人工智能正在全面走進(jìn)人類生活。

  對于人工智能，人類心態(tài)復(fù)雜，一面苦苦探索，一面又深深恐懼。人工智能學(xué)習(xí)算法的本質(zhì)就是利用用戶提供的訓(xùn)練樣本對模型進(jìn)行訓(xùn)練。人類希望人工智能是什么樣的，它就能成長為什么樣。

  不過可悲的是，由于人類無下限的競爭，科學(xué)家們耗費大量精力去磨礪殺人技術(shù)，越來越多的尖端技術(shù)，包括人工智能被應(yīng)用于軍事領(lǐng)域。那么，人工智能超越人類智能的可能性、人工智能在軍事領(lǐng)域有什么樣的能力，成為我們必須了解的課題。本期我們試圖通過以下兩篇文章，來回答以上兩個問題。

  龔怡宏

  機(jī)器智能最終會超越人類智能嗎？未來智能機(jī)器會像電影《終結(jié)者》里所描述的那樣試圖主宰人類、甚至消滅人類嗎？

  本文通過對深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的簡單綜述，圍繞機(jī)器學(xué)習(xí)的本質(zhì)，對以上問題進(jìn)行探討。

  當(dāng)前，人工智能領(lǐng)域最前沿的分支學(xué)科當(dāng)屬機(jī)器學(xué)習(xí)分支。過去幾年里，深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)所取得的成就足以使它成為人工智能王冠上最光彩奪目的明珠?；谏疃葘W(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的語音識別系統(tǒng)把語音識別的精度提高到了產(chǎn)品級的精度，從而為人類與計算機(jī)及各種智能終端之間提供了一種嶄新的、更為便捷的交互方式。將深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像內(nèi)容及人臉的識別，科學(xué)家們?nèi)〉昧四軌蚺c人類視覺系統(tǒng)相媲美的識別精度。戰(zhàn)勝韓國棋圣李世石的谷歌圍棋軟件AlphaGo能夠取得如此輝煌的戰(zhàn)績，深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)也發(fā)揮了關(guān)鍵性的作用。

  腦神經(jīng)科學(xué)研究表明，人腦由大約1011個神經(jīng)細(xì)胞及1015個神經(jīng)突觸組成，這些神經(jīng)細(xì)胞及其突觸構(gòu)成一個龐大的生物神經(jīng)網(wǎng)絡(luò)。每個神經(jīng)細(xì)胞通過突觸與其他神經(jīng)細(xì)胞進(jìn)行連接與信息傳遞。當(dāng)通過突觸所接收到的信號強(qiáng)度超過某個閾值時，神經(jīng)細(xì)胞便會進(jìn)入激活狀態(tài)，并通過突觸向上層神經(jīng)細(xì)胞發(fā)送激活信號。人類所有與意識及智能有關(guān)的活動，都是通過特定區(qū)域神經(jīng)細(xì)胞間的相互激活與協(xié)同工作而實現(xiàn)的。

  早于1943年，美國心理學(xué)家W.S. McCulloch和數(shù)學(xué)家W. A. Pitts提出了生物神經(jīng)元的計算模型(簡稱M-P①模型），為后續(xù)人工神經(jīng)網(wǎng)絡(luò)的研究奠定了基礎(chǔ)。M-P模型的結(jié)構(gòu)含n個帶有權(quán)重的輸入，一個輸出，一個偏置b和一個激活函數(shù)組成。n個輸入代表來自下層n個神經(jīng)突觸的信息，每個權(quán)重W）代表對應(yīng)突觸的連接強(qiáng)度，激活函數(shù)通常采用擁有S-型曲線的sigmoid函數(shù)，用來模擬神經(jīng)細(xì)胞的激活模式。

  早期的人工神經(jīng)網(wǎng)絡(luò)大都是基于M-P神經(jīng)元的全連接網(wǎng)絡(luò)。此類網(wǎng)絡(luò)的特點是，屬于同一層的神經(jīng)元之間不存在連接；當(dāng)前層的某個神經(jīng)元與上一層的所有神經(jīng)元都有連接。然而，人們很快發(fā)現(xiàn)，這種全連接神經(jīng)網(wǎng)絡(luò)在應(yīng)用于各種識別任務(wù)時不但識別精度不高，而且還不容易訓(xùn)練。當(dāng)神經(jīng)網(wǎng)絡(luò)的層數(shù)超過4層時，用傳統(tǒng)的反向傳遞算法（Back Propagation）訓(xùn)練已經(jīng)無法收斂。

  上世紀(jì)90年代初期，貝爾實驗室的Yann LeCun等人成功應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)了高精度手寫數(shù)字識別算法，所提出的系列LeNet，都達(dá)到商用級識別精度，被當(dāng)時美國郵政局和許多大銀行用來識別信封上的手寫郵政編碼及支票上面的手寫數(shù)字。然而，受制于當(dāng)時計算機(jī)有限的內(nèi)存和弱小的運算能力，LeNet網(wǎng)絡(luò)采用了較淺的網(wǎng)絡(luò)結(jié)構(gòu)，每層使用的特征圖數(shù)目也很少。盡管它在小規(guī)模圖像識別問題上取得了較好的效果，但與傳統(tǒng)機(jī)器學(xué)習(xí)算法（如SVM，AdaBoost等）相比，優(yōu)勢并不十分明顯。此外，由于卷積神經(jīng)網(wǎng)絡(luò)擁有很高的自由度，設(shè)計出一款性能優(yōu)異的網(wǎng)絡(luò)需要靈感并配合豐富的經(jīng)驗積累，是一項極具挑戰(zhàn)性的工作。因此卷積神經(jīng)網(wǎng)絡(luò)在被提出后的很長一段時間里并未得到足夠的重視和廣泛的應(yīng)用。

  2012年，加拿大多倫多大學(xué)Geoffrey Hinton教授的團(tuán)隊提出了一個規(guī)模比傳統(tǒng)CNN大許多的深度卷積神經(jīng)網(wǎng)絡(luò)（簡稱AlexNet）。該網(wǎng)絡(luò)擁有5個卷積與降采樣層、3個全連接層，每個卷積與降采樣層擁有96384個特征圖，網(wǎng)絡(luò)參數(shù)達(dá)到6000多萬個。利用AlexNet，Hinton團(tuán)隊在國際上最具影響力的圖像內(nèi)容分類比賽（2012 ImageNet ILSVRC）中取得了壓倒性勝利，將1000類圖像的Top-5分類錯誤率降低到15.315％。在這次比賽中，獲得第二、三、四名的團(tuán)隊均采用了傳統(tǒng)機(jī)器學(xué)習(xí)算法。三個團(tuán)隊的Top-5圖像分類錯誤率分別是26.17%、26.98%和27.06%，相差不到1個百分點，而他們的成績和第一名相比卻低了超過10個百分點，差距十分明顯。當(dāng)前，深度卷積神經(jīng)網(wǎng)絡(luò)（Deep CNN）相對傳統(tǒng)機(jī)器學(xué)習(xí)算法的優(yōu)勢還在不斷擴(kuò)大，傳統(tǒng)學(xué)習(xí)方法在多個領(lǐng)域已經(jīng)完全無法與Deep CNN相抗衡。

  機(jī)器學(xué)習(xí)算法的基本原理及其本質(zhì)

  在幾千年的科學(xué)探索與研究中，科學(xué)家們提出了許多描述自然界及人類社會中各種事物與現(xiàn)象的數(shù)學(xué)模型。這些模型主要可以被歸納為以下三大類別。

  歸納模型：由少數(shù)幾個參數(shù)（變量）構(gòu)成，每個變量都具有明確的物理意義。這類模型能夠真正揭示被描述對象的本質(zhì)及規(guī)律，許多數(shù)學(xué)和物理定律都是典型的歸納模型。

  預(yù)測模型：用一個擁有大量參數(shù)的萬能函數(shù)來擬合用戶所提供的訓(xùn)練樣本。萬能函數(shù)的參數(shù)一般不具備任何物理意義，模型本身往往只能用來模擬或預(yù)測某個特定事物或現(xiàn)象，并不能揭示被描述事物或現(xiàn)象的本質(zhì)及內(nèi)在規(guī)律。當(dāng)代的大多數(shù)機(jī)器學(xué)習(xí)算法都是構(gòu)建于預(yù)測模型之上。

  直推模型：沒有明確的數(shù)學(xué)函數(shù)，利用所采集的大數(shù)據(jù)預(yù)測特定輸入的標(biāo)簽。此類模型認(rèn)為針對某個事物或現(xiàn)象所采集的大數(shù)據(jù)就是對該事物或現(xiàn)象的客觀描述。大數(shù)據(jù)的規(guī)模越大，對事物或現(xiàn)象的描述就越全面和準(zhǔn)確。當(dāng)新的未知樣本x出現(xiàn)時，我們可以在大數(shù)據(jù)中找到x的K近鄰，根據(jù)K近鄰的標(biāo)簽或?qū)傩詠頉Q定x的標(biāo)簽或?qū)傩?。由于不需要定義明確的數(shù)學(xué)模型，與其他模型相比，直推模型最簡單直接，但因為依靠大數(shù)據(jù)來決定未知樣本的標(biāo)簽，直推模型往往需要較高的計算量及使用成本。同樣，直推模型也不能被用來揭示事物或現(xiàn)象的本質(zhì)及內(nèi)在規(guī)律。

  隨著互聯(lián)網(wǎng)用戶數(shù)量的不斷增長以及互聯(lián)網(wǎng)技術(shù)的快速進(jìn)步，利用互聯(lián)網(wǎng)獲取內(nèi)容或用戶大數(shù)據(jù)變得越來越簡單廉價，利用直推模型來預(yù)測某個事物或現(xiàn)象也變得越來越普及。例如，許多互聯(lián)網(wǎng)搜索引擎利用每個網(wǎng)頁的用戶點擊率來改進(jìn)搜索網(wǎng)頁的排序精度，就是直推模型在互聯(lián)網(wǎng)內(nèi)容搜索領(lǐng)域的一個成功應(yīng)用。

  綜上所述，機(jī)器學(xué)習(xí)算法的本質(zhì)就是選擇一個萬能函數(shù)建立預(yù)測模型。利用用戶提供的訓(xùn)練樣本對模型進(jìn)行訓(xùn)練的目的，就是選擇最優(yōu)的參數(shù)集，使模型能夠很好地擬合訓(xùn)練樣本集的空間分布。通過訓(xùn)練得到的預(yù)測模型，實際上把訓(xùn)練樣本集的空間分布提取出來并編碼到其龐大的參數(shù)集中。利用這個訓(xùn)練好的預(yù)測模型，我們就能夠預(yù)測新的未知樣本x的標(biāo)簽或?qū)傩浴．?dāng)今大多數(shù)機(jī)器學(xué)習(xí)算法都是基于這個原理，谷歌公司的AlphaGo也不例外。

  針對某個事物或現(xiàn)象所采集的訓(xùn)練樣本，是對該事物或現(xiàn)象的直觀描述，蘊藏著大量與之相關(guān)的先驗知識。例如，ImageNet ILSVRC國際圖像內(nèi)容分類比賽所提供的訓(xùn)練樣本集擁有1000類、總共一百多萬張彩色圖像。每一類都對應(yīng)自然界中的一種常見物體，如汽車、飛機(jī)、狗、鳥，等等，包含大約1000張從不同場景及不同角度拍攝的該種物體的彩色圖像。利用這個訓(xùn)練樣本集訓(xùn)練出來的深度卷積神經(jīng)網(wǎng)絡(luò)，實際上是將每類物體的共性特征及個體差異等進(jìn)行信息提取與編碼，并記憶到其龐大的參數(shù)集中。當(dāng)新的未知圖像出現(xiàn)時，神經(jīng)網(wǎng)絡(luò)就能夠利用已編碼到參數(shù)集中的這些先驗知識，對輸入圖像進(jìn)行準(zhǔn)確的識別與分類。

  同樣，谷歌公司訓(xùn)練AlphaGo時，收集了20萬個職業(yè)圍棋高手的對局，再利用AlphaGo不同版本間的自我對弈生成了3000多萬個對局。3000多萬個圍棋對局包含了人類在圍棋領(lǐng)域所積累的最為豐富和全面的知識與經(jīng)驗。當(dāng)新的棋局出現(xiàn)時，AlphaGo利用被編碼于其龐大參數(shù)集中的這些先驗知識，預(yù)測出勝率最高的一步棋，以及這步棋所產(chǎn)生的最終勝率。由于AlphaGo針對3000多萬個對局進(jìn)行了學(xué)習(xí)與編碼，它對每一步棋的勝負(fù)判定甚至比九段棋手還要準(zhǔn)，人類棋圣輸給AlphaGo也就不足為奇了。

  人類智能的本質(zhì)與特性

  對于人腦及其高度復(fù)雜的智能，人類至今還所知甚少。關(guān)于“智能”這個名詞的科學(xué)定義，學(xué)術(shù)文獻(xiàn)中就存在著許多個版本。即使是少數(shù)幾個被深入研究的認(rèn)知功能（如人腦的視覺認(rèn)知功能）的工作機(jī)理，也還存在著各種各樣的假說和爭議。在這里，我們列出若干較具代表性、認(rèn)可度相對較高的關(guān)于人腦智能的假說及闡述。

  人類智能的本質(zhì)是什么？這是認(rèn)知科學(xué)的基本任務(wù)，也是基礎(chǔ)科學(xué)面臨的四大難題（Simon）中最后、最難解決的一個。每門基礎(chǔ)科學(xué)都有其特定的基本單元，例如高能物理學(xué)的基本粒子，遺傳學(xué)的基因、計算理論的符號、信息論的比特等。因此，“人類智能的本質(zhì)是什么”這個問題在某種程度上取決于“什么是認(rèn)知基本單元”。眾所周知，適合描述物質(zhì)世界的變量并不一定適合描述精神世界。因此，認(rèn)知基本單元是什么這個問題，不能靠物理的推理或計算的分析來解決，根本上只有通過認(rèn)知科學(xué)的實驗來回答。大量實驗結(jié)果顯示，認(rèn)知基本單元不是計算理論的符號，也不是信息論的比特，而是知覺組織形成的“知覺物體”。例如，實驗表明，當(dāng)人的視覺系統(tǒng)注意一只飛鳥的時候，它所注意的是整只鳥（即一個知覺物體），而不是鳥的某個特性（形狀、大小、位置等）。盡管在飛行過程中鳥的各種特征性質(zhì)在改變，但它是同一個知覺物體的性質(zhì)始終保持不變。諾獎得主Kahneman認(rèn)為，知覺物體概念的直覺定義正是在形狀等特征性質(zhì)改變下保持不變的同一性。中科院陳霖院士領(lǐng)導(dǎo)的團(tuán)隊在發(fā)展了30多年的拓?fù)湫再|(zhì)知覺理論的基礎(chǔ)上，提出大范圍首先的知覺物體拓?fù)鋵W(xué)定義：知覺物體的核心含義，即在變換下保持不變的整體同一性，可以被科學(xué)準(zhǔn)確地定義為大范圍拓?fù)洳蛔冃再|(zhì)。應(yīng)當(dāng)指出，上述大范圍首先知覺物體的概念，與人工智能領(lǐng)域廣為認(rèn)同與采納的由局部到整體，由特征到物體，由具體到抽象的認(rèn)知計算模型是完全

  P5