人工智能的下一个五年计划

1、类脑智能在AI脑内开了个“意识小剧场”，深度学习“不是炼金术” AI还能学什么？AI开源框架国产化，百度、旷视相对抗谷歌、脸书。

2、《IT时报》记者试图探寻AI的下一个5年计划。

01类脑智能：在AI脑内开个“意识小剧场”

类脑智能，被誉为人工智能的终极目标。人工智能在过去十年中基本实现了感知能力,但却无法提高认知能力（推理、可解释等）。因此，从认知心理学、脑科学等领域汲取灵感，推动感知智能向认知智能演进是人工智能下个十年的重点。

意识图灵机：让机器感受疼痛愉悦

当前，我们仍处于弱人工智能阶段，尚不能制造出真正推理和解决问题的智能机器，机器也还没有自主意识。那么，人工智能要怎样产生意识？

      

 

人的大脑是如何产生疼痛、愉悦等各种感受的？有没有办法让机器模拟甚至体验这些感觉？

第三十届（1995年）图灵奖得主Manuel Blum与前美国卡内基梅隆大学计算机科学系杰出教授Lenore Blum是夫妻俩，他们试图通过数学模型来理解意识。受到认知神经科学家Bernard Baars的“剧院模型”之启发，Blum夫妇提出了图灵机器的正式模型意识图灵机（有意识的AI）。

短时记忆和长时记忆是认知科学里两个重要概念。在剧院模型中，意识相当于短时记忆“舞台”上所演绎的活动，坐在暗处的观众则代表长时记忆中的无意识处理器。在这个脑内小剧场里，演员和观众是怎样互动的呢？

      

 

Lenore举了一个例子，某天你在派对上见到一个人，可怎么都想不起她的名字，等半小时后回到家，那个名字才突然从脑海中蹦出来。也就是说，半小时后那个名字才出现在你的意识或短时记忆中。

这中间发生了什么？你可能回忆了两人第一次见面的情景，这个信息从短时记忆中广播出来，并传到大脑的各个长时记忆处理器上。其中一个处理器表示，她是做机器学习的。这个信息被传到意识中，再广播到各个处理器。接着又有一个处理器说，她的名字是T开头的，这个信息也被广播开来。于是半小时后，她的名字出现在了“舞台”上，然而舞台上的有意识自我对无意识自我在台下的工作是不知情的。

假如获得了胜利的是恐惧处理器，那么收到广播的语言处理器可能会激活喊叫机制，发出一声尖叫。由于一系列动态的下放，一些输出机制可能被激活。通过语言对恐惧的回应，两个长时记忆处理器之间产生了连接，不再像初始状态下那样只能通过短时记忆进行交流。

Lenore解释道：“这正是赫布理论提出的‘一起激发的神经元连在一起’，如果回应变多或者关联变强，就会产生更多的连接。这种连接允许原本经过短时记忆的有意识运算变得无意识，信息块可以在处理器之间传递，很多高负荷工作就是以这种形式进行的。”

让盲人有一天能看得见

虽然意识图灵机的研究者强调简洁性（simplicity），但是复旦大学类脑智能科学与技术研究院副院长林伟认为世界呈现出来的更多还是复杂性（complexity）。微观层面上，每一个生命个体都有相应的智能行为；宏观层面上，智能个体之间的互动会产生许多群体行为。而智能是怎么产生的？群体的智能行为又是怎样产生？

      

 

“在这个过程中，需要采集相关数据，进行相应的数据挖掘。在数据集里寻找形象的规律，甚至在这个阶段就直接可以到商业和工业中去检验结果。”林伟表示，除了挖掘大数据的规律，还需要结合模型去做模拟仿真，因为有了模型就可以去做进一步的预测研判。

好比在类脑人工智能中，首先要认识脑结构、解析脑机制，其后就是要模拟脑，将大脑中某些局部的功能在模型中表现出来，包括感知、认知、记忆、情感、情绪化表现等。这个模拟过程一定受到脑科学研究的启发，因为那些神经形态的基本结构实际上都可以为数学模型中最简单的动力学模型提供基本框架和思路。

“每个人的大脑都是有差别的，能替代的也只是一部分。从这个意义上来说，‘增强脑’可能更恰当。比如说某些病患有一些功能的丧失，帕金森、老年痴呆等。通过和生物医学工程的专家合作，可以把一些算法、控制器、芯片体系植入到相应的大脑。那样的话也许盲人也会有看得见的一天，类脑研究可以起到这样的作用。”林伟说道。

02深度学习“不是炼金术” AI还能学什么？

AI正在日常生活中渗透。无论是刷脸进门、机器人扫地还是和智能音箱对话，这些应用均可归类于人工智能的语音和图像识别。的确，这一代人工智能的发展建立于AI对人类感知的模仿。这得益于人工智能背后的深度学习，通过神经网络层层分类信息。“只是现在AI还在弱智能阶段，要让机器解决问题，首先需要人工定义问题和机制，转化为数学模型，并通过数据训练模型。”在一位阿里系技术人员看来，如今的AI只能映射，还无法产生联想，机器具备真实推理能力仍是人工智能的发展局限。

深度学习需要依赖海量的数据，与此同时，这一代人工智能的应用带来了对隐私、数据安全的担忧。还有没有针对这两个困局的更好解决方法？今年WAIC 2020上，联邦学习、迁移学习是两大热词，AI算法的演进版，在很多领域已经落地，他们为什么能解决深度学习的困境？《IT时报》记者一路探寻。

联邦学习：隐秘的数据 公开的模型

你的人脸信息，5毛一份。这是日前新华社记者在网络黑市上发现的非法买卖。一时刷遍朋友圈。

当人们越来越依赖于刷脸支付，但如果这些生物信息被泄露给不法分子，加之你的身份证、银行卡信息也被暴露，大众难免担心信息泄露的后果。

A方收集数据，B方清洗数据，转移到C方建模训练，最终卖给D方使用，每个环节都有着数据泄露隐患。