人工智能：美國DARPA的視角和認識

人工智能（AI）的基本原理是什麼？美國DARPA(國防部高級研究計劃局)信息創新辦公室主任John Launchbury試圖揭開AI的神祕面紗——AI可以做什麼、不能做什麼，以及AI的發展趨勢。以下是John通過討論“人工智能的三波浪潮”，以及發掘人工智能全部潛能所需的能力，爲我們更好地理解AI曾經扮演的角色、現在扮演的角色，以及未來可能扮演的角色而提供的一些分析。

DARPA一直處在人工智能的前沿，推動了這項技術的發展。因此，DARPA對它的走向有着相當明確的看法。最近媒體上有很多關於AI的炒作和咆哮，他們在談論一個“奇點”，擔心人工智能有朝一日會超過人類的能力，甚至可能取代人類。

事實上，第一波浪潮的AI系統在自然世界運行時會遇到故障。我們看到這一點，比如DARPA在2004和2005年間做了大量的自動駕駛汽車的研發工作。我們對正在開發自主駕駛汽車技術的汽車界提出了挑戰，看看他們如何將AI技術結合到汽車技術，讓無人駕駛汽車在加利福尼亞和內華達沙漠行駛150英里。 2004年，所有的挑戰隊伍都失敗了，沒有一輛車能自動行駛超過八英里。他們發現行駛中的識別非常困難，視覺系統甚至難以辨別出遠處的黑色物體是影子還是岩石。車子應該避開它嗎？還是通過它？系統老是作出錯誤的決定。然而，僅僅一年後，許多參加挑戰的汽車都獲得了成功，有五輛車完成了整個行程。這一年間，無人駕駛技術最大的變化是開始使用機器學習，這是一項用來處理信息的概率性技術。

（圖：DARPA自動駕駛汽車挑戰賽要求自動駕駛車輛在加利福尼亞和內華達州行駛150英里的泥土道路。2004年沒有一輛完成任務，2005年已有五輛車完成了全程。）

這類技術把我們引向AI技術的第二波浪潮——以統計學習爲特徵的技術。它在語音識別、人臉識別、照片分類等應用中非常有效。它獲得了很大的成功，以至於人們相信計算機真的能“學到東西”。但事實上，沒有什麼比這種看法更遠離真理的了。機器的表現完全歸功於我們在幕後大規模地創建統計模型來描述他們試圖解決的問題域。此外，他們還培訓特定數據的統計模型。

顯然，我們需要第三波AI技術浪潮。我們認爲這第三波是關於語境順應的。在這波浪潮中，我們將看到系統本身將隨着時間的推移建立解釋性的基礎模型，使他們能夠描述真實世界的現象。

i4CN（工業4.0中國簡稱），是中國最系統化、最全面的工業4.0、無人工廠領域的諮詢公司；公司整合華爲、博世、騰訊、美的等專家，首家提供工業4.0整合方案，包括i4技術項目、i4四大管理體系、十大思想變革的三層金字塔式諮詢架構；能夠指導企業實施專業化的工業4.0變革和無人工廠規劃建設與運營管理。助力國家實現中國製造2025的宏偉藍圖。