本篇文章2947字，讀完約7分鐘

虛擬仿真 【科技在線】

本報(bào)記者楊清透露了北京的報(bào)道

人工智能( ai )給人類帶來的驚喜還在繼續(xù)。

當(dāng)?shù)貢r(shí)間5月8日(北京時(shí)間5月9日凌晨)，谷歌I/o開發(fā)者大會(huì)開幕。 大會(huì)上，引人注目的是谷歌助手打電話撒謊，不是嗎？ 預(yù)約理發(fā)店時(shí)間時(shí)，谷歌助手不僅清楚地表達(dá)了自己的預(yù)約需求，還應(yīng)對(duì)了許多紛繁的談話場景。 例如，如果理發(fā)店的工作人員通知所要求的12點(diǎn)到店的時(shí)間已經(jīng)滿了，附近的時(shí)間是只有下午1點(diǎn)15分的時(shí)間段，則再次詢問是否有從早上10點(diǎn)到12點(diǎn)的列。

在前一次微軟build開發(fā)者大會(huì)上，微軟語音助理小娜也同樣展示了自己的演技。 在智能會(huì)議室的現(xiàn)場展示環(huán)節(jié)，演示者使用搭載小娜的智能設(shè)備預(yù)約了會(huì)議室。 并且，每個(gè)參加者一進(jìn)入會(huì)議室，小娜就可以讀名字，自己打招呼，進(jìn)行各種各樣的交流，和普通人沒什么不同。

但是人工智能真的像看起來那么聰明嗎？

當(dāng)今，由語音識(shí)別、拷貝翻譯、計(jì)算機(jī)視覺等技術(shù)支撐的人工智能，并沒有真正理解自己所接受的新聞的含義。 只是與默認(rèn)模型一致。 5月8日，在接受21世紀(jì)經(jīng)濟(jì)新聞?dòng)浾?以下簡稱《21世紀(jì)》)采訪時(shí)，微軟全球副總裁、微軟亞太研發(fā)集團(tuán)主席兼微軟亞洲研究院院長洪小文直言，那只是一個(gè)黑匣子，僅此而已

與之相對(duì)應(yīng)，人類可以理解。 除了了解自己知道的概念外，面對(duì)未知的事物，也可以根據(jù)自己過去的經(jīng)驗(yàn)嘗試?yán)斫狻⒖偨Y(jié)、舉一反三。 這就是所謂的白盒。

值得觀察的是，白盒雖有智慧，但有偏頗，黑盒雖機(jī)械，但更公正，其中各有優(yōu)劣。 因?yàn)?，洪小文認(rèn)為，ai可以幫助人類完成一點(diǎn)專業(yè)的任務(wù)，面對(duì)需要拆解決定的環(huán)節(jié)，需要人類的智力，ai+hi (人工智能+人類智能)很重要。

但是，盡管ai本身還處于黑匣子階段，搭載ai終端的智能邊緣計(jì)算卻出現(xiàn)了。 這幾個(gè)從今年微軟build開發(fā)者大會(huì)上頻繁提到智能邊緣計(jì)算，以及與大疆無人機(jī)、高通合作開發(fā)相關(guān)開發(fā)套件中也可以看出。 洪小文說，智能邊緣計(jì)算一定會(huì)發(fā)生，特別值得期待。

黑匣子和白匣子

《21世紀(jì)》:今年的build大會(huì)上現(xiàn)場展示了智能語音技術(shù)。 目前，國外智能語音技術(shù)正在尋找智能揚(yáng)聲器，營造普及的落地場景，但在國內(nèi)還在探索中舉步維艱。 這背后有中文語音技術(shù)本身的問題嗎？

洪小文:即使有方言，中文語音識(shí)別也不比英語難。 如果收集到了足夠的數(shù)據(jù)，就不是問題。 海外智能音箱，特別是搭載亞馬遜alexa的echo之所以普及，還是和亞馬遜的電子商務(wù)本身有關(guān)，外國客戶在亞馬遜購物后，打算采用更方便的智能音箱進(jìn)行購物。 另外外國客戶的家空之間喜歡廣泛地聽音樂，本身就有揚(yáng)聲器的訴求，所以這種形式的終端很容易普及。

關(guān)于國內(nèi)的客戶，平時(shí)喜歡和自己的高端智能手機(jī)互動(dòng)，體驗(yàn)用手機(jī)購物和聽音樂等功能。 對(duì)這些客戶來說足夠方便直觀，已經(jīng)養(yǎng)成了這種習(xí)性，所以智能揚(yáng)聲器在國內(nèi)并不普及。

《21世紀(jì)》:關(guān)于聲音技術(shù)，你說識(shí)別不是問題，現(xiàn)在的問題在哪里？

洪小文:目前，人工智能對(duì)語音的反饋有三個(gè)階段。 認(rèn)識(shí)、理解和提供服務(wù)。 問題的難點(diǎn)是理解。 因?yàn)槟阍噲D理解的副本本身有無限的組合。 因?yàn)闆]有模型，所以光靠構(gòu)建模型是無法進(jìn)行的。 這也是更復(fù)雜的言外有意的情況。 今天的ai只是一個(gè)黑匣子，但理解本身就是白匣子，也就是人類所擁有的能力。 不僅可以理解收到的新聞本身，還可以推測自己不知道的新聞，部分理解其意義。 這對(duì)今天的ai來說非常費(fèi)解，需要更新的技術(shù)。

《21世紀(jì)》:黑匣子和白匣子有應(yīng)用極限嗎？ 還是黑匣子需要改成白匣子？

洪小文:對(duì)于一點(diǎn)推理過程來說，一定需要一個(gè)白盒。 沒有白盒的系統(tǒng)不容易推理。 即使可以推論黑匣子，也只存在于某個(gè)輸出正好是下一個(gè)輸入的情況下。 這就是黑匣子的極限。

但是，黑匣子也有好處，從某種角度來說，它是不偏不倚的，是什么，很公平。 白盒推理有一個(gè)默認(rèn)的角度。 例如，人們的心理狀態(tài)多少有些偏見。 例如，關(guān)于墮胎和性別傾向等容易引起爭論的各種問題，都來源于每個(gè)人的既定角度。 用這個(gè)角度推論的東西必然是偏的。 不能打黑匣子。 法官這樣的角色需要黑匣子的思考，所以怎么輸入就怎么輸出。

因?yàn)?，現(xiàn)在的合理狀態(tài)應(yīng)該是ai+hi (人工智能+人類智能)。 雖然ai可以致力于過程性分解，但是深入的分解、理解、創(chuàng)造仍然需要依賴人類。

可解釋的ai

《21世紀(jì)》:盡管人工智能還處于黑匣子階段，但無法解釋和理解，無法正確了解內(nèi)部的結(jié)構(gòu)，從而導(dǎo)致對(duì)人工智能的不信任。 實(shí)際上，近歐盟也在謀求ai算法的透明化。 你怎么理解這個(gè)無法解釋的ai？

洪小文:首先，我們來談?wù)効梢越忉尩腶i。 可解釋的ai有兩個(gè)含義。 第一個(gè)意思是，從輸入新聞得出結(jié)果，可以知道得出結(jié)果的理由的角度來說，我想那就可以解釋了。 只是，解釋的過程非常多且復(fù)雜。 例如，阿爾法go在采用強(qiáng)化學(xué)習(xí)后，最后在棋盤上掉了下來。 雖然不能說明其背后的決定規(guī)則，但是我知道是采用強(qiáng)化學(xué)習(xí)邁出這一步的。 這一步的目的是贏得國際象棋。 只有不知道結(jié)果背后的規(guī)則是怎樣的，才能知道結(jié)果，而且一定有規(guī)則。 只是，這個(gè)規(guī)則復(fù)雜到不能包羅萬象。 這就是可以解釋的ai。

一般不能說明的ai，在我看來其實(shí)是第二層意思可以說明的ai。 也就是說，這是黑人識(shí)別為黑猩猩等普通人無法理解的結(jié)果。 我認(rèn)為這仍然是可以解釋的ai。 產(chǎn)生這樣的結(jié)果是因?yàn)橛?xùn)練數(shù)據(jù)有偏差。 因?yàn)檫@還可以解釋。

另外，設(shè)計(jì)ai系統(tǒng)的人能否預(yù)測輸入新聞、得出結(jié)果后的結(jié)果。 如果能夠預(yù)料到這個(gè)結(jié)果，一定會(huì)準(zhǔn)備一系列的理論進(jìn)行說明，即使遇到危機(jī)的情況也能有自己的邏輯。

《21世紀(jì)》:因此，從技術(shù)角度來說，一般意義上的ai不可解釋性是由于數(shù)據(jù)的偏差。 在這種情況下，ai技術(shù)人員可以做什么？

洪小文:數(shù)據(jù)偏差造成的后果很嚴(yán)重。 以實(shí)際生活為例，例如，當(dāng)某人判斷不能貸款時(shí)，由于該人來自平均收入較低的地區(qū)，根據(jù)該基礎(chǔ)規(guī)則設(shè)定的ai將進(jìn)一步招致偏見和歧視。 對(duì)于技術(shù)人員來說，事先知道有這樣不合理的漏洞，能否堵塞漏洞是其職責(zé)。

智能邊緣來了

《21世紀(jì)》:無論人工智能現(xiàn)在的實(shí)力如何，都已經(jīng)有很多應(yīng)用，也有在終端上的應(yīng)用。 與往年相比，今年的微軟build大會(huì)上智能邊緣計(jì)算頻繁出現(xiàn)，您對(duì)未來應(yīng)用的領(lǐng)域和場景有什么看法？

洪小文: ai APP剛發(fā)生的時(shí)候，大部分都發(fā)生在云端。 但是，現(xiàn)在以視覺APP為例，視頻拍攝裝置從4k進(jìn)化到8k，像素?cái)?shù)也相應(yīng)地大幅增加，數(shù)據(jù)量爆炸性增加。 即使今后5g技術(shù)迅速發(fā)展，也需要傳輸龐大的數(shù)據(jù)量。 因此，我們大膽預(yù)測，在多個(gè)視覺相關(guān)服務(wù)和智能工廠等場景中，將會(huì)發(fā)生大量的終端計(jì)算。

《21世紀(jì)》:邊緣計(jì)算場景的優(yōu)點(diǎn)是什么？

洪小文:大部分?jǐn)?shù)據(jù)培訓(xùn)發(fā)生在云中。 因?yàn)樵圃跀?shù)據(jù)收集和訓(xùn)練上很有特點(diǎn)。 但是，在智能工廠、智能安全等場景中，需要即時(shí)反饋，這大部分終端至少需要運(yùn)行和識(shí)別的能力，所以需要崩潰。

除了傳輸速度之外，還存在傳輸能量的問題，大量的數(shù)據(jù)傳輸必然存在大量的能量消耗。 事實(shí)上，在智能工廠中，即使終端與云交互，也會(huì)將短距離傳輸一起傳輸?shù)皆啤?既然有了匯總過程，在這個(gè)過程中可以給本地一點(diǎn)解決和智能的功能。 從能源消耗的角度來看，這種方式也是節(jié)能的。 所以終端計(jì)算必然會(huì)發(fā)生。