埃隆马斯克带着新女友格里姆斯亮相了。据说，两人是因为这位女歌手三年前在MV里埋藏的一个关于人工智能段子结缘，马斯克无意间看到并看懂了，于是他联系上格里姆斯，开始了这段恋情。
一个送跑车上天的超级富豪，一个装扮走哥特风的女歌手，画风不搭的二人因为人工智能结缘。这是最新发生的与人工智能有关、影响力却远远超出专业人群的新闻。谁都不否认人工智能的重要性和光明前景，然而言必称人工智能的人，却未必能说明白何为人工智能、它离取代人脑还有多远。
人工智能是清华大学软件学院副教授邓仰东的主要研究方向之一。在他看来，虽然人工智能吊足了人们的胃口，但是大家还不必担心AI会全面取代人类。
“AlphaGo确实是成功的，但是围棋实际上远没有生活复杂。为什么这么说呢?围棋是一个确定性的世界：每一步下法的可能性是确定的，整个棋局的历史是公开的，现在的盘面中的关键棋子也是可知的。我们的生活就不一样了。每一个观测到的现象，背后可能都有多种可能性，而每一种可能性都设计到很多隐藏变量。这些不确定性，目前的人工智能技术还难以处理 。” 邓仰东正在研究怎样借鉴人脑处理不确定性的方法，构造新的人工智能技术，“人脑很擅长处理不确定性，特别是，人脑一方面能够通过分布注意力和施加动作，去主动降低不确定性，一方面还可以使用贝叶斯推理和增强学习，不断降低不确定性。”
邓仰东的研究方向，从一开始的集成电路、集成电路计算机辅助设计、到GPU通用计算逐步进入机器学习领域。在他攻读博士学位的卡内基梅隆大学，在人工智能方面的研究是全球顶尖的，特别是计算机学院的机器人研究所、语言技术研究所、人机交互研究所等，始终站在AI的前沿，只不过在他读书时“没有现在这么火。”
人工智能的发展漫长曲折。六十年前的达特茅斯会议奠定了学科的开端，最早出现的是用逻辑、概率推导数学定理的符号学派，在人们逐渐意识到人类本身就不全是靠逻辑解决问题后，这一学派已经不再是主流，取而代之的是模拟人脑的连接派。
“人脑就是一个大网络，有一百多亿个细胞，连接若干层的网络。”邓仰东说，最初模拟人脑的神经网络只有一层，由于发现一层网络无法拟合某些函数(例如异或)，六十年代成为人工智能的“冬天”，后来大家发现两层以上网络就能拟合任意函数，而杰夫辛顿等人提出用更深层网络可以降低网络整体规模， 但受限于上世纪80年代的计算能力，“虽然理论很好，算不出来也解决不了实际问题。”
直到2000年前后，计算能力提高，Yan LeCun构造了著名的人工神经识别网络LeNet，能够准确识别支票，让人工智能第一次进入了人们的生活。随后，斯坦福大学研究团队通过给几百万张图片打上准确标签的方式，组织了多次图像识别比赛，有力的推进了针对图像识别的人工智能技术。2012年，斯坦福大学建立的深度网络将机器图片识别的错误率从过去20-30%降低到12%，2015年微软将这一数字又降低到3.8%，超越了5%的人工识别错误率。“这是人工智能第一次超越了人类。”
AlphaGo打败人类围棋大师彻底点燃了大众对人工智能的热情。连接派基本成为主流，人们尝试用深度神经网络解决各种问题。人工智能正在融入各个领域，邓仰东表示，目前应用最多的是视频识别，比如交通领域对车牌的自动识别已经很成熟，其次是人脸识别，国内科大讯飞的语音也是比较成功的案例。很多人开始相信人工智能能解决任何问题，很快会超越人类，甚至上升到伦理的高度。
“人们总是把长期的事估计的过快发生，短期的事估计的过长发生。”在邓仰东看来，即使是AlphaGo, 所要解决的还是高度确定的事件，但人类生活环境并不是黑白分明的，有很多不确定性、不可预期的情况发生，这是人工智能处理不了的。包括他正在进行的高铁列车数据分析，也必须结合轨道交通领域的专业知识才可能把数据变成有价值的东西。
邓仰东指出，目前美国人工智能的相关人才比中国多，但中国的优势在于样本量大、可供机器学习的数据多。2017年，邓仰东的学生在PASCAL VOC和COCO两项图像识别竞赛中，击败了牛津、微软、Facebook等强劲对手，获得两项第一。这种比赛有点像人工智能的奥运会，但没有比赛现场，而是让选手们分头训练算法和模型，然后网上提交结果并使用不公开的测试数据进行评价。在邓仰东看来，这种竞赛对提高人工智能的能力非常重要。
今年他计划派学生参加自然学家竞赛，从40多万张图片中识别动植物，难点在于对物体的细微分类，甚至要具体到门纲目科属种。
造一台可以像人脑一样思考和学习，具有自我意识的机器(AGI，通用人工智能)，是邓仰东的远景目标，“人工智能的根本还在于人脑，目前自由能原理(Free Energy Principle)已经形成了一种从宏观上解释生物认知过程的可能理论，有点像阿西莫夫基地系列小说里面的谢尔顿提出了心灵史学理论的草稿，我们可以从对抗神经网络、贝叶斯推理以及计算机体系结构方面共同努力。”
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
