“這就是科學和科幻的區(qū)別。”人工智能協(xié)會首位華人會員、第四范式首席科學家、香港科技大學計算機系主任楊強教授20日接受《第一財經(jīng)日報》記者專訪時表示。

　　和霍金等科學家的擔憂不同，所謂人工智能產(chǎn)生意識、“奇點臨近”，在楊強看來并不存在。

　　但人工智能的確會對人類工作和生活創(chuàng)造便利。“比如說未來的智能機器人，它可以看你怎么工作、模仿你，你覺得重復性的工作都可以被它取代，而你只需專注作一些創(chuàng)造性的工作。”楊強說。

　　20世紀60年代，人工智能先驅(qū)圖靈提出著名的問題:“機器可以有思維嗎?”圍繞這個問題，人工智能的先驅(qū)開展了諸多探索。

　　他們有一個假設(shè):智能包括計算機可能賦予的智能，來自于計算物理符號的排列組合，只要能很聰明地把這些物理符號排列組合，人類可以從一系列的零和一的組合來得到“智能”。前三十年，眾多人工智能領(lǐng)域的科學家研究圍繞符號搜索展開。

　　“前三十年圍繞符號搜索領(lǐng)域開展人工智能研究的顯著成果，就是深藍計算機，”楊強說，“包括這次的AlphaGo，一半算法都是搜索算法，另一半算法是機器學習。”機器學習，正是人工智能研究后三十年的主要成果，特別是新世紀以來，以“神經(jīng)網(wǎng)絡(luò)”為代表的機器學習技術(shù)不斷獲得突破。

　　一些人工智能技術(shù)已應(yīng)用于多個領(lǐng)域，例如廣告、智能客服。同時也可應(yīng)用于金融領(lǐng)域，幫助人們更好地做出金融決策。

　　不過，盡管人工智能技術(shù)發(fā)展取得了許多里程碑，但依然面臨“瓶頸”。

　　在楊強看來，人工智能當前面臨的一項瓶頸是過于依賴大數(shù)據(jù)，“現(xiàn)在的AI只是很初級的AI，因為它利用大數(shù)據(jù)來補足算法的不足，只要數(shù)據(jù)足夠大的話，很多算法上補丁都不用打了。如何在小數(shù)據(jù)情況下也能發(fā)展人工智能，這是我們當前的一個關(guān)注焦點。”

　　“遷移學習”，就是解決大數(shù)據(jù)對人工智能制約問題的一項關(guān)鍵技術(shù)。

　　什么是“遷移學習”?“比方說你建了一個薦書網(wǎng)站，又建了一個推薦食品的網(wǎng)站，那么我們可以拿薦書網(wǎng)站模型遷移到新場景下應(yīng)用。如果不用遷移學習，就得等很長時間獲得足夠多的數(shù)據(jù)來做智能推薦。”楊強向記者舉例說。

　　除了“遷移學習”，科學家還試圖賦予人工智能更多能力，例如“終身學習”。

　　未來，人類和人工智能的關(guān)系就像是“長機”和“僚機”，僚機會跟隨長機做一些動作。比如說未來的智能機器人，它可以觀察人類如何工作，并模仿人類的工作。“你覺得重復性的工作都可以被人工智能取代，而你只需專注做一些創(chuàng)造性的工作。”楊強說。

　　“總的來說，人有哪些能力，未來都會對應(yīng)著一個人工智能。”展望未來，楊強說。不過，人工智能在不同領(lǐng)域的應(yīng)用，需要一個領(lǐng)域一個領(lǐng)域地突破。