华为智慧工程部长张宝峰：人工智能产业化的4大趋势

4月9日，第五届中国电子信息博览会（CITE 2017）在深圳开幕。华为智慧工程部部长张宝峰就人工智能产业化过程中面临的一些挑战，发表了他的看法。

“现在做人工智能的人其实是越来越保守的，但说人工智能的人是越来越忽悠了”，张宝峰说道。那么，是什么让做人工智能的人变得越来越保守呢？人工智能产业化过程中面临什么样的挑战？如今人工智能发展有什么样的趋势呢？对此，张宝峰做了详细回答。

我十分认同，2017年应该是人工智能产业化的元年。大家希望能把人工智能真正用在产品中去，真正带来实实在在使用体验上的提升和产品的价值。我今天分享主要关于人工智能技术本身的四个大趋势，主要关于人工智能目前面临的挑战。

目前，人工智能是什么并不是很清楚，我们不知道人作为一个智慧性的生命主体时，到底是怎样产生智慧的。1963年两个心理学家做了这样一个实验，两个孪生小猫出生后，除了每一天一小时会放在旋转木马上，其他的时间都是在黑暗的封闭环境中生活。一个月后，一只能够自主行走，另一只却只能固定在一个位置上不能行动，对于一个生命体在三维空间活动而言，智能感知深度是一个非常重要的信息。所以八周后，只能感知环境却没法行动的小猫，其实就失去了对深度的认知。这给我们带来的启示是什么呢？

一、可闭环、可成长的系统，“活”数据者赢天下

首先，我认为不管人工智能到底怎么产生了决策能力，反馈都是非常重要的。现在流行的对抗式生成网络、强化学习等算法，其实强调的都是反馈的效果和价值。在人工智能真正实现的时候，我觉得两个因素非常重要，第一是数据逐步归一。这里并不是强调大数据分析挖掘带来的价值，而是指真正信号的输入，如果所有数字化的东西能够完整地传递到信息处理系统里面，使得信息系统能够真正获取全量信息，就有可能产生真正有价值的反馈处理；另一个指业务闭环打通。我们在构建人工智能系统时，一定要打造所谓“AI之环”。以谷歌搜索引擎为例，当你输入一个关键字时，首先调用了谷歌的搜索引擎界面，用户检索之后，获取信息时候有一个很重要的反馈――点击，如果用户搜索到链接并点击某一项，这就说明输入的内容和点击的内容之间有非常强的耦合关系，或相关性关系，而这样的相关性关系经过算法的分析之后，使得搜索引擎的后台重新进行内容的排序，这样一个闭环系统才真正使用了人工智能系统的学习能力，这也就是反馈系统的重要性。

很多人把大数据分析和人工智能混为一谈，但我的认知里，大数据强调的是静态数据的分析，而一个可成长的系统往往指的是动态的系统。一个存在闭环反馈的系统才能够长期发展下去，甚至活下去。所以，这是我们在构建AI过程中一个非常重要的趋势：一定要构建一个闭环性系统，使它能够真正具备长期发展的学习能力。

二、炒作走向务实，搞定High Stake风险为规模应用

现在做人工智能的人其实是越来越保守的，但说人工智能的人是越来越忽悠了。当人工智能引入到决策环节时，在如今的机器学习人工智能体系下，我们是通过数据训练模型的，那这个问题就会不可避免地出现：如果我们取得的数据信息是不完备的，甚至有的时候我们自己都不知道数据信息是否完备时，那你的模型一定会在某些场合下出现非常大的偏差，导致系统不可控。如果我们想真正把人工智能产业化，就必须要发明或发现一种机制来控制偏差，能在异常情况时，不产生灾难性后果。有这样的基础，才有可能真正把AI决策系统用到非常敏感或者高危的行业中去。

自动驾驶车辆一旦出现事故，后果非常严重，这对于投资决策也是一样的，当用AI做千万级甚至过亿的投资时，一旦出现小概率的事件，其造成的灾难性后果就会导致整个AI系统的**。这是第二个趋势，也希望大家能够长期思考，把AI的系统应用到决策系统中时，如何解决不可控的问题？

三、监督学习走向非监督，小数据、自我学习成热点

第三个问题，也是华为的一个很大的痛点，截止到去年，整个全球范围内，华为发货5～6亿部手机，这样海量用户也积累了一些数据。但我们在做AI系统辅助时发现，海量数据的标注基本上是一个不可承受之重，海量数据的标注需要海量的人力。而且还有一个很大的挑战，在机器学习系统里，不管模型有多复杂，基本都是一些规则，当出现越来越多规则，越来越逼近整个算法的极限时，规则本身也是互相冲突的，那么如何真正把它变成一个知识，变成一个可成长、能够自己适应的知识呢？

针对这种问题，现在业界出现了小数据学习。在小孩的学习过程中，很多时候并不是像机器一样需要海量数据和海量的训练形成定式，如果一个小孩碰火的时候被烫了，基本上第二次，他再也不会去拿手指头直接去碰火了。在学习系统里也一样，就是我们可能能用更低成本的方式完成现在的学习任务。所以我们也付出很大精力关注小数据学习，看看其能不能实用。

四、从规律发现走向推理决策，人机协同兴起

所谓计算能力，是指在一个非常复杂的数据环境中，计算机能非常快地计算出数据间的关系，比如归类关系等，但它并不知道这些分类的意义是什么？这样的计算力是人无法达到的，但归类抽象和因果推导是人非常擅长的。所以在计算机没有具备像人一样的智慧和学习能力之前，如果把人的一些能力和技术算计能力结合在一起，就可能使这样的计算机系统真正给用户提供有价值的服务，即所谓人机协同的方式。让机器去学习，让人去教育，使其变成当前阶段真正可以使用的系统。