2022新智者大會｜王曉陽：自動獲取知識是人工智能新階段的重要體現(xiàn)

　　7月27日，由中國互聯(lián)網(wǎng)協(xié)會指導(dǎo)、微博和新浪新聞主辦、主題為“融合生態(tài) 價值共創(chuàng)”的2022新智者大會召開。作為人工智能領(lǐng)域的行業(yè)峰會，本次大會匯聚20余位人工智能及元宇宙相關(guān)領(lǐng)域的頂級科學(xué)家、企業(yè)家及學(xué)者。復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授、CCF/CAAI Fellow王曉陽應(yīng)邀出席大會，以《新一代人工智能的加速效應(yīng)》為題發(fā)表了主題演講，向觀眾們介紹了新一代人工智能的特性以及人工智能的加速效應(yīng)。

　　復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授，CCF/CAAI Fellow王曉陽做主題演講

　　以下為王曉陽先生演講實錄，內(nèi)容經(jīng)編輯略有刪減：

　　大家好，很高興今天能夠來到新浪的新智者大會。今天很有幸跟大家講講我的一些看法，今天我講的題目叫《新一代人工智能的加速效應(yīng)》，我希望從這幾個方面跟大家分享一下我最近的一些想法。

　　首先，我想從新一代人工智能的特性，從我的理解來稍微地講一下，之后講它的加速的效應(yīng)，人工智能的加速效應(yīng)到底體現(xiàn)在哪里。

　　之后我想專注一下，因為我是做計算機的，信息系統(tǒng)的構(gòu)建或者信息系統(tǒng)本身是我們研究的一個對象。我們在咱們的新媒體、咱們的所有的目前很多媒體的傳播當中，其實用到了非常多的信息系統(tǒng)。在這兒，我希望提一下信息系統(tǒng)在咱們?nèi)斯ぶ悄艿募铀傩��?yīng)下，它的一種新的構(gòu)建的方法論。

　　首先是這樣，咱們也都知道，老生常談，知識就是力量，我們知識是人類進步的一大源泉。知識目前的狀況是知識不僅以書本的形式出現(xiàn)。在計算機出現(xiàn)之前，我們的知識都是從口口相傳到書本的記錄，這個是很重要的一個方式。

　　現(xiàn)在的知識不僅是以書本的形式出現(xiàn)了，知識是以數(shù)字化，數(shù)字的模型化、編碼化、執(zhí)行的自動化、規(guī)�；瘉碚宫F(xiàn)在我們社會當中。咱們傳統(tǒng)上的體現(xiàn)就在于計算機的軟硬件上，這個是非常明顯的一個進步。也就是說我們知識有了一種新的形態(tài)，這是一個很大的轉(zhuǎn)變。

　　在咱們新的一代人工智能的情況下面，知識的模型、知識的傳播，以及知識的使用等等，這個已經(jīng)在一個非常新的狀態(tài)下面進行。

　　我們有新的知識模型的出現(xiàn)，我們的知識模型不再是之前的那種計算機代碼的形式，而以比方說神經(jīng)網(wǎng)絡(luò)這樣的一種編碼。

　　它的另外一個很大的改變，就是所謂的新知識的來源這樣一個不同。之前咱們新的知識大部分基本上所有都是人類去總結(jié)、去編寫，不管是以前書本上面也好，我們把它——知識總結(jié)出來寫在書里，傳給下一代，這是一種做法。還有就是咱們計算機的過程當中，咱們?nèi)祟惏阎�識寫成代碼，讓計算機去執(zhí)行。在我們新的一代人工智能知識的來源就改變了。

　　從人類的設(shè)計轉(zhuǎn)變成了一個自動學(xué)習的過程，這個使得我們新一代的人工智能它的特點就非常明顯。

　　原來最早的時候人類是知識的積累者、知識的傳播者，以及知識的執(zhí)行者。后來有了計算機的發(fā)展，使人類在這個過程當中可以把知識交給機器，交給計算機，由計算機去執(zhí)行。

　　而目前一種發(fā)展的方式，是說知識的積累也不需要人了，人從整個知識的這樣一個閉環(huán)里面，可以撤出，從機器當中自己去總結(jié)知識，形成編碼，然后自動地執(zhí)行，這是咱們目前人工智能一個新階段的重要體現(xiàn)。

　　這個跟之前幾次人工智能的風波、幾次的浪潮不太一樣，很有特色。目前重點的手段，咱們是向數(shù)據(jù)要知識，知識哪兒來?機器可以像科幻一樣，這個機器人到處走走，它就把知識給積累起來了，但是目前可能還沒有做到這一點。目前重要的手段是向數(shù)據(jù)要知識，就是人把這個數(shù)據(jù)交給機器，機器在數(shù)據(jù)里面去總結(jié)出知識來，把這個知識變成編碼等等。

　　知識數(shù)據(jù)的重要性，以及存儲介質(zhì)的價格持續(xù)的下降。

　　以及我們各種各樣新的通信的形態(tài)，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等等，使得我們數(shù)據(jù)的積累達到了很大的程度，使得我們目前這一階段的人工智能能夠做到向數(shù)據(jù)要知識這樣一個過程。

　　成功案例也很多，我們其實也是老生常談了，大家也知道AlphaGo是一個典型的向數(shù)據(jù)要知識的做法。我們還有很成功的，像自然語言理解、機器翻譯、圖像識別等等，都是因為我們有了大量的數(shù)據(jù)的積累，使得我們整個的人工智能能夠形成這樣一個閉環(huán)。

　　現(xiàn)在我們其實人類可能也搞不清楚圖像是怎么識別的，就是這個人過來能認得出這是誰。

　　但是機器能夠從大量的數(shù)據(jù)里面總結(jié)出來這樣的一些知識，然后把它編成一種代碼。這個代碼可能是一個像我剛才說的，用神經(jīng)網(wǎng)絡(luò)的方式來編碼，編了之后還能去做所謂的推理，能夠推出來眼前這個人是不是某某某，這樣的一個做法。所以整個的環(huán)路，都由人工智能來做。

　　自動駕駛目前是一個好像進展比較慢，但是我相信在不斷收集數(shù)據(jù)之后，向數(shù)據(jù)進行學(xué)習，我們的人工智能完全能夠做到我們所謂的自動駕駛這樣一種方式。所以成功的案例非常地多，整個使得人工智能給了我們一個美好的向往。

　　那么它的加速效應(yīng)也就是我剛才講的這些，咱們傳統(tǒng)的信息系統(tǒng)里面，以代碼的形式來進行知識的編碼。我們計算機其實弄到最后不復(fù)雜，都是一些If  and  else，就是如果這樣就做這個，如果那樣就做那個，這種一連串很復(fù)雜的縱橫交錯的組合，形成了我們知識的一種編碼，這就是我們寫的代碼，我們寫的計算機的Code雖然非常多，但是最終的形態(tài)還是非常簡單的。但是這種簡單的代碼，就能夠執(zhí)行很復(fù)雜的一些計算、各種各樣的輸入輸出。

　　我們傳統(tǒng)的計算機代碼是由人類的程序員做的，我們的工具是我們的編程語言。

　　我們最早是簡單的很低層的代碼，之后我們的編程語言越來越高級，能夠講幾句話計算機可以執(zhí)行很復(fù)雜的指令。但是無論如何，它還是一種人類來編碼的這樣一個過程。

　　這樣的話這個代碼能不能交給人工智能去構(gòu)建呢?能不能學(xué)習呢?這個肯定是可能的。這個加速其實我們已經(jīng)看到了，我剛才給的例子里面，我們已經(jīng)看出來人工智能應(yīng)該是可以替代整個知識的獲取，以及編碼等等這些功能。雖然可能它的編碼目前不是以我們?nèi)祟惥幋a的這種形式，但是它以它獨特的形態(tài)，比方說神經(jīng)網(wǎng)絡(luò)這樣的形態(tài)來進行工作。

　　所以新一代人工智能它的加速其實就是在這兒，就是把很慢的這樣一個人，把它從知識的積累到知識的編碼、知識的執(zhí)行等等，都把人給去除了。這樣的話，可以大大地加快速度，能力也大大地提升。

　　也就是說新一代的人工智能給咱們知識領(lǐng)域帶來這樣一個重大改變，就是知識得以自動地獲取。我們需要的所謂知識原來是比較慢，人類還是一個慢動作，從計算機的角度來看它是一個慢動作的東西。世界上事物在不斷地變化，知識其實應(yīng)該隨著事態(tài)的變化來更新。

　　在新一代的人工智能的情況下，我們可以做到更深層的、更及時的來調(diào)整我們的知識認識，把這個編碼經(jīng)常變。不像我們編好一個程序之后，要改變的話是非常難的一件事，如果說把整個的環(huán)路能夠由計算機來完成，這個就是非�？焖�，能夠使得我們知識隨事態(tài)來實時的做調(diào)整。

　　最重要的，當然我們之前也都有，這個編碼了之后，我們的知識可以直接加以自動的應(yīng)用，這是計算機開始以來就有這樣的一個能力。加速使得我們這三個階段、三個層面上都能夠自動地來做。

　　使得我們新的一代知識方面的應(yīng)用、知識的工作，能夠大大地加快，它的能力大大地加強。所以咱們今天的主題，也就是要加快對我們?nèi)斯ぶ悄苄螒B(tài)的改變。

　　新媒體其實是最早的人工智能的一個成功的案例，搜索系統(tǒng)，為什么Google能夠很成功?其實就是在于它自己自動的搜集、學(xué)習、匹配、排序等等。不需要人了，Google一出來就把Yahoo給打敗，為什么呢?Yahoo還是靠著人來收集的，那就是典型的之前的用人工來編碼的一種計算機系統(tǒng)。

　　Google的代替，就是把人工編碼給替代掉了。

　　這樣的話整個的發(fā)展速度就非常地快。這是一個非常成功的案例，這也是咱們最早的一個在數(shù)據(jù)量巨大的情況下面，能夠發(fā)展出一種新型的人工智能的東西。

　　我們后面發(fā)展出來的很多，像各種各樣的推薦系統(tǒng)，咱們微博也有自己的推薦系統(tǒng)，熱搜，像頭條的抖音等等，他們都是使用了人工智能的手段，把整個的閉環(huán)都由人工智能來推進，使得我們整個的發(fā)展非常地快。

　　這種我把它叫做自動的知識系統(tǒng)，它不斷地收集數(shù)據(jù)，抽取組織知識，形成一個反饋。

　　這個是我們目前的一個新的狀態(tài)，它所需要的技術(shù)當然就是大數(shù)據(jù)、深度學(xué)習、云計算等等，這些技術(shù)手段來推進我們?nèi)斯ぶ悄苓@樣一個快速的發(fā)展。

　　另外一個案例是在風電預(yù)測方面，不光是新媒體也受益咱們事態(tài)的推進，像實業(yè)上面，這里有一個比較簡單的例子風電預(yù)測。風電需要預(yù)測它，最好是每時每刻都知道，下一階段每時每刻它能發(fā)多少電，這個對整個電網(wǎng)的調(diào)度非常地有用、非常關(guān)鍵。你這個風電能不能被用到，其實是一個很關(guān)鍵的事。

　　這個風電的預(yù)測設(shè)計了非常多，以前如果要做編碼的話，還是相對比較難和比較復(fù)雜的系統(tǒng)，而且它應(yīng)該是要隨著機器不斷地老化，機器的效率模型也應(yīng)該是不斷地改變。天氣，Local的天氣，就是比較局部風力的預(yù)測，其實也是瞬息萬變，這個也是一直在不斷地改進它自己的一些預(yù)測的方式。

　　所以這里其實是一個很好的人工智能應(yīng)用的場景，它的風電的效率的模型建�？梢圆粩嗟剡M行對局部天氣的預(yù)報，尤其是風力的預(yù)報，能夠不斷地更新，使得我們整個現(xiàn)場的風電的預(yù)測能夠順利地進行。

　　這就是要比我們之前的那種進步快很多，因為這個模型由于大量數(shù)據(jù)的反饋，使得我們這個模型能夠不斷地更新、學(xué)習，跟著事態(tài)來變化。這樣使得我們整個風電的預(yù)測能夠更準確，能夠在整個的場景里面有效地進行。

　　所以不僅是新媒體，在各種各樣的系統(tǒng)里面，人工智能的應(yīng)用其實都可以見到這樣一個足跡。

　　回到信息系統(tǒng)，信息系統(tǒng)就是我們新媒體，我們各種各樣的現(xiàn)代社會基本上都是建立在一個信息系統(tǒng)上面。信息系統(tǒng)有很多，我這里舉幾個例子。

　　比方說機器學(xué)習本身，人工智能一個最基本的能力就是機器學(xué)習。

　　機器學(xué)習需要一個系統(tǒng)。機器學(xué)習系統(tǒng)本身也是一個我們編碼的過程，它本身就是一個知識的采集，就是怎么進行學(xué)習，它是比機器學(xué)習本身再高一層的，怎么進行學(xué)習這樣一件事其實也是可以由人工智能來幫助我們進行。數(shù)據(jù)庫系統(tǒng)就是存儲數(shù)據(jù)的，軟件工程本身怎么編碼這個事也可以由人工智能來幫助。那計算機網(wǎng)絡(luò)就更不談，計算機網(wǎng)絡(luò)是一個很復(fù)雜的系統(tǒng)，在人工智能這樣的手段下面能夠做的更好，網(wǎng)絡(luò)空間安全也是。

　　人工智能在逐漸地侵入到各個領(lǐng)域當中，這一點和前面的我們說人工智能已經(jīng)發(fā)展了有60年了。

　　這前面的60年只有在最近的5年、10年當中，我們才看到大規(guī)模的人工智能的手段進入到我們很多的計算機本身、信息系統(tǒng)本身的領(lǐng)域當中，這是一個很大的改變，這也是使得我們整個技術(shù)的更新迭代、技術(shù)的發(fā)展能夠非�？�，可以加速的發(fā)展。這也是一個很有意思的現(xiàn)象，我們把人工智能用到我們做人工智能的那些系統(tǒng)里邊去了，這也是一個新的現(xiàn)象。

　　我們以計算機網(wǎng)絡(luò)為例，來看看它到底是怎么弄的。因為計算機網(wǎng)絡(luò)其實是一個數(shù)據(jù)的高速公路系統(tǒng)，可以這樣說。那么所謂的SDN，現(xiàn)在比較流行的SDN，就是所謂的軟件定義的網(wǎng)絡(luò)，它形成了一個很靈活的網(wǎng)絡(luò)的底座。

　　你可以把它看成是一個活的復(fù)雜系統(tǒng)，你可以隨便地搭建，去重構(gòu)它的網(wǎng)絡(luò)的這種連接。

　　這個時候人工智能在這里就可以發(fā)揮巨大的作用，網(wǎng)絡(luò)要適應(yīng)Traffic，就是你這個數(shù)據(jù)怎么傳的，怎么去適應(yīng)它。反過頭來，這個Traffic要去適應(yīng)網(wǎng)絡(luò)，數(shù)據(jù)怎么傳、從哪里走。另外就是網(wǎng)絡(luò)的設(shè)計、網(wǎng)絡(luò)的維護、網(wǎng)絡(luò)的監(jiān)控等等，以前我們?nèi)绻�完全用人工去做編碼的話，有很多的情況我們是沒法預(yù)測、沒法很快地去適應(yīng)(adapt)，這樣的話使得我們這個網(wǎng)絡(luò)的效率不會達到最高。

　　現(xiàn)在的這個手段當然也是傳統(tǒng)手段和現(xiàn)代手段結(jié)合的一種方法，但是現(xiàn)代的人工智能所帶來很多的遐想�？梢哉f我們在計算機網(wǎng)絡(luò)的設(shè)計當中，在這個系統(tǒng)當中，融入我們的AI，就可能帶來非常多的好處，我這里就不再贅述，這是計算機網(wǎng)絡(luò)，只是一個例子。

　　可以看的出來，在我們的計算機系統(tǒng)里面，在復(fù)雜的系統(tǒng)當中，由于我們AI的出現(xiàn)，我們AI技術(shù)的體現(xiàn)，可以使得我們整個的技術(shù)發(fā)展的非常快。

　　如果這樣看來，我們現(xiàn)在的信息系統(tǒng)，包括我們新媒體用到的很多信息系統(tǒng)當中。我們在構(gòu)建這個信息系統(tǒng)的時候，在新一代AI的條件下面，我們怎么來做?有沒有所謂新的方法論?這個是我想跟各位探討的。

　　目前的人工智能，至少是目前吧，它是在復(fù)雜環(huán)境中自動獲取知識的能力非常地強。但是它的準確性，只能是一個所謂的統(tǒng)計概念。我們理想的信息系統(tǒng)不太一樣，我們理想的信息系統(tǒng)是可解釋性要很高，我們是嚴格按照某種邏輯性來做我們的工作的。

　　但是我們還需要在不確定的環(huán)境下面要適應(yīng)環(huán)境，這里尤其是可解釋性和嚴格邏輯性方面，與我們現(xiàn)代的人工智能有點統(tǒng)計意義的做法，有一定的矛盾。

　　我們怎么樣在這樣的情況下面，又能保證我們理想的信息系統(tǒng)的構(gòu)建，又能夠利用到大量的人工智能的這種技術(shù)呢?

　　這兒是不是可以提出一種新的所謂的方法論，能不能利用AI，利用人工智能提供的統(tǒng)計意義上的準確知識，為嚴格可解釋的邏輯執(zhí)行所謂的保駕護航。也就是說它作為一個支撐的，或者是作為某種輔助。就是作為兩條腿走路，一方面是有人工智能的支撐，一方面是嚴格邏輯的支撐，這樣子的話使得我們在整個的信息系統(tǒng)里邊能夠達到更優(yōu)。

　　這個其實我們在信息系統(tǒng)的人工智能應(yīng)用當中看到很多這樣的例子，它就是提供這種所謂的保駕護航，可以看作是我們提供這樣環(huán)境的知識，這是一種看法，不一定完全，但是至少它是可以提供某種環(huán)境的知識，為嚴格的邏輯在所謂限定的范圍內(nèi)，以可解釋的形式呈現(xiàn)。

　　就是說因為我們知道如果用嚴格的邏輯來推導(dǎo)所有的情況，我們的計算量就會承受不了，不管你有多大的計算機，都是不太可能執(zhí)行。但是如果我們由人工智能學(xué)習的這種統(tǒng)計意義上的這些知識，能夠提供一個所謂的環(huán)境，一個環(huán)境知識，這樣就可以做到我們更有效的工作。

　　比方說推薦的文章、產(chǎn)品等等，其實我們可以兩個加在一起，也就是說我們推薦不光是一個統(tǒng)計意義上的推薦，而且還可以做一些嚴格邏輯上面的推理。這樣的話，使得我們整個推薦的工作能夠更智能、更貼切，而且它的可解釋性可能會更強一些。

　　比方說Network里面的Routing，你如果說把所有的可能性都試一遍再去推薦的話，那是不可能的，太多。但是我們?nèi)绻�能夠有一種人工智能的方法去做一些學(xué)習，能夠做一些所謂的統(tǒng)計意義上的一個總結(jié)的話，可能會有很大的幫助，這也是我們正在做的一些工作。

　　這樣的話我們可以想像出來，我剛才說是兩條腿，一個新的方法論。這里使得我聯(lián)想起來我們談的比較多的所謂的人腦，這本書比較有名，講到了人腦的系統(tǒng)一和系統(tǒng)二的問題。粗略地講，系統(tǒng)一講的是反應(yīng)，是一個非�？焖俚臈l件反射的系統(tǒng)，系統(tǒng)二指的是經(jīng)過了嚴密邏輯推理的系統(tǒng)。

　　據(jù)丹尼爾·卡尼曼(Daniel Kahneman)來說，我們?nèi)四X是這兩個系統(tǒng)協(xié)作的一個模式。

　　這樣的話，使得我們既能夠在很多的情況下面快速的反應(yīng)，也能夠在其他的情況下面做到嚴格邏輯的推斷這樣的一些工作。

　　這個其實就跟剛才我講的所謂的人工智能引入到我們的系統(tǒng)當中，它的作用我認為可以這樣考慮，也就是說把人工智能考慮成系統(tǒng)一，我們嚴格的邏輯在后面是叫系統(tǒng)二，這樣合作起來能夠達到一個更優(yōu)的系統(tǒng)。

　　這里有很多的挑戰(zhàn)，現(xiàn)在其實還不是太清楚到底是怎么來進行。比方說力度的挑戰(zhàn)，我們系統(tǒng)哪個力度引入系統(tǒng)一，這個確實不太容易。人腦是已經(jīng)形成的一個系統(tǒng)，我們在做一個系統(tǒng)的時候，我們怎么樣引入?

　　我們原來的系統(tǒng)基本上都是要么是系統(tǒng)一，就是人工智能的就結(jié)束了，要么就是系統(tǒng)二的，那么系統(tǒng)一和系統(tǒng)二怎么結(jié)合在一起，這是一個非常有意思的挑戰(zhàn)。力度的挑戰(zhàn)、數(shù)據(jù)的挑戰(zhàn)、模型的挑戰(zhàn)，系統(tǒng)到底應(yīng)該長啥樣，就是我們現(xiàn)在的神經(jīng)網(wǎng)絡(luò)還是什么?效率的挑戰(zhàn)、整合的挑戰(zhàn)等等，很多的挑戰(zhàn)使得這兩個系統(tǒng)能夠合到一起。使得我們這種目前所用的系統(tǒng)，包括新媒體所用的各類的系統(tǒng)，能夠在這樣的一個環(huán)境下面更快地推進我們的進步。

　　這個就是我想跟大家探索這種新的人工智能的特性下面，因為這個知識的自動獲取，這是一個非常大的飛躍。

　　使得我們整個的信息系統(tǒng)能夠自己形成一個閉環(huán)，使它的發(fā)展速度會非�？�，自動地采集、自動地執(zhí)行、自行地迭代，這樣加速效應(yīng)非常高。

　　在這種情況下面，我們的信息系統(tǒng)的構(gòu)建，是不是要有一種新的方法?我們也看到這種新的方法在不斷地呈現(xiàn)，這個新的方法我們有沒有一個新的方法論?這個新的方法論是不是就是系統(tǒng)一、系統(tǒng)二結(jié)合這樣一個新的方法論，來進行我們?nèi)斯ぶ悄艿南到y(tǒng)，或者我們下一代的新媒體系統(tǒng)也好，通信系統(tǒng)也好，計算系統(tǒng)也好等等，能不能用這樣的方法。

　　總之，人工智能還有很大的進步空間，另外一個口號就是系統(tǒng)二在整個的進步當中，好像讓位給了系統(tǒng)一。

　　但是我覺得系統(tǒng)二的回歸是我們下一代的人工智能總體發(fā)展的必要的步驟。

　　我今天就跟大家分享這些，謝謝大家!