前沿新聞訊：6月30日上午，中國科學院院士張鈸出席世界智能大會，並以“基於大數據的人工智能”爲題發表了演講。在昨天的演講中，百度公司董事長兼首席執行官李彥宏表示，中國的人工智能發展已經走在世界前列。那麼，當前階段，國內外的人工智能產業發展現狀到底如何？還有哪些問題需要解決？張鈸院士在今天的演講中給出了他的答案。

　　人工智能有“三大法寶”

　　張鈸院士從1978年就開始研究人工智能，在他看來，中國的人工智能發展與世界先進水平相比還存在一定差距，要想解決這個問題，就要先認識一下基於大數據的深度學習。就以此前廣受關注的AlphaGo與人類的圍棋大戰爲例，這個奇蹟會不會不斷的發生？奇蹟來自何處，爲什麼機器下圍棋能超過人類，張鈸說：“它成功的因素，有三大法寶——數據，計算資源，算法。”

　　此前計算機在圖片識別、語音識別領域的突破，並沒有給人類造成衝擊，但AlphaGo卻給了人類很大的震撼，它在圖片和語音識別上的能力超越了人類，“一個是數據的力量，一個是計算機的力量，但是沒有看到背後算法的力量”，張鈸認爲，在深度學習的三大法寶中，大多數人沒有體會到算法的重要性。

　　AlphaGo的成功是算法的勝利

　　由於圍棋的複雜度遠比象棋高，因此這兩種棋類下棋的方法有本質的區別。下象棋與下其他棋類一樣，靠的是推理、預測，即往前看幾步。圍棋由於複雜度太高，不可能依靠推理與預測，主要靠“直覺”，即“棋感”與經驗。那麼，AlphaGo是如何戰勝對手的？“靠學習算法”，張鈸說，AlphaGo在兩個星期的時間裏，學習了3000萬個棋局，還通過自己與自己對弈，學習了幾億個新棋局。這就意味着，AlphaGo下過的棋是任何一位圍棋大師一生下過棋的幾百上千倍。

　　AlphaGo拋棄了傳統下棋程序的編程方法，創造性地利用機器學習來獲取下棋的經驗與直覺。AlphaGo利用計算機的超強計算能力，不僅把人類已經探索過的空間加以優化，而且還探索了新的空間。正由於此，人類棋手在AlphaGo面前才顯得那樣被動。

　　人可以“舉一反三”，AI只能“舉百反一”

　　張鈸認爲，AlphaGo的成功證明了人工智能在解決某一特定類型的問題時，可能做到甚至超過人類的水平。“特定”的條件包括：有充足的數據；完全信息；確定性；單領域。而當一個問題不滿足上述4個條件中的任何一個或幾個時，對計算機來講就變成十分困難的了，而這些問題對於人類來講反而相對比較容易。

　　以無人駕駛問題爲例，張鈸說，目前研發“無人車”的企業很多，但真正無人蔘與的“無人車”在開放環境(如繁忙的街道)下行駛，短期內還難以走向現實。

　　張鈸認爲，深度學習目前仍存在一些難以克服的問題，例如，人學習可以舉一反三，但是人工智能則需要大數據的支持，機器學習只能是“舉一百反一”，給幾百萬的數據，識別幾萬個目標。另外，魯棒性差，對於機器而言，學習過的內容和沒學習過的內容，在識別效果方面差距仍比較大。因此，可以說，現在的人工智能還有很長的路要走。(“津雲”記者—謝鳴馳)