機器智能 16. 機器智能的發展方向 （轉）

機器智能的發展方向

今天是元宵節，祝大家節日快樂！

趁著今天這樣的美好日子，我們來大膽展望一下未來機器智能的發展方向。至今的討論我們大體知道了何謂智能，了解到機器智能是可以實現的，但同時，也知道了目前機器智能所麵臨的邊界。這一篇我嚐試著來預測一下近未來機器智能（人工智能）領域可能的發展方向。

1）進一步深挖已知的智能機製潛力
雖然我們大體知道了智能四大層級的機製，也知道了這一些機製都是基於物理化學反應而實現的，但這隻是意味著這一些機製是可掌握的，具體到實際的工程領域，還有很多工作要做，我們還需要不斷深入研究，搞清這一些機製的細節，然後通過模擬這一些機製，讓機器嚐試著掌握我們已知的智能活動。

 1.1）在條件反射層麵：會進一步完善基於可動態調整權重的神經網絡的決策算法，各類智能識別係統還會不斷湧現。另外，在算法優化的同時，相應的通用的神經網絡處理芯片（NPU）的標準製定與研發也會是近未來的發展方向（這一塊也是我國芯片突圍的方向之一）。

 1.2）在延遲判斷層麵：AI知識庫是另一個重要的發展方向。AI知識庫不但要實現基於概念連接的知識存儲，更要研究基於概念的信息處理，例如。概念的抽象，基於概念的匹配、基於概念的決策等等，這一整套的基於概念的知識體係建設都是重中之重。

 1.3）在過程反饋層麵：知識發現將是數據（概念）挖掘的目標，要研究與實現神經網絡的自組織機製，尤其是對忘記機製的研究，從而讓AI知識庫能不斷地自適應、自組織地發現、整理知識。

 1.4）在協同進化層麵：萬物互聯的物聯網是協同進化的最好平台，是各大產業進入智能時代的主要抓手，也是構建機器智能網絡，係統演化的關鍵所在（相信這一塊一定是我國的強項）。另外，分布式、去中心化是這幾年的熱點，今後在機器相互識別、機器溝通、作業協調等領域將有廣闊的發展空間。

2）突破底層邊界的努力
雖然對於機器自主地捕獲外部信息這一邊界，暫時看不到任何曙光，但這也不是意味著我們在這個領域無所作為，幫助機器感知外部世界，還是大有可為的，也是近未來重點要突破的領域。各類信息的形式化表達、數模自動轉換的基礎理論，都是需要不斷投入研發的領域，同時，各種感知器的研發與智能機器的連接與應用也大有可為。

3）突破高層邊界的努力

機器自溝通語言的演化創建應該是在機器智能大幅度發展成熟之後事情。但現在仍有很多工作可做。怎樣製定一個可擴充的機器自溝通語言的框架（ 類似與XML語言 eXtensible Markup Language），讓機器在這樣的語言框架之內，通過協同演化，不斷增加機器間的溝通標記（概念），然後建立機器“概念”間的連接，才是機器創造自身溝通語言的關鍵。另外，現階段通過借用人類自然語言，也可以在很大程度上達到人機對話、機機對話的效果，甚至對於我們人類而言，站在機器智能為人類服務的立場上，讓機器智能實現理解人類自然語言這一需求，也是非常迫切、實用的。

以上這一些都是我基於對智慧、智能理解基礎上的暢想，僅供關注人工智能的人士參考。

篇外：
這裏結合汽車自動駕駛行業的例子再來分析一下。對於自動駕駛，現存著兩條技術發展路徑。一是以汽車製造商如通用、沃爾沃、特斯拉為代表的單車“車端智能”技術陣營，另一個是以穀歌、百度等為代表的“車端智能”加“路端智能”結合的車聯網技術陣營。單車智能技術陣營主要從現有的駕駛輔助安全技術出發，配合感知和控製決策，逐步實現智能化自動駕駛技術；而“車端智能”加“路端智能”技術陣營則直接依靠智能計算及網絡通信實現對汽車的控製。到底哪一種技術路線更有未來性呢？其實理解了本係列的內容就會發現前一種技術路線是一種封閉的，希望一次性模擬人的所有駕駛行為的技術路線，它指望一個“全知全能”的車端智能係統像人一樣能解決所有的行車問題。我們先不談這是否可行，但從環境必然變化的角度來看，這種技術路徑是跟不上未來越來越多變，越來越複雜的駕駛環境的。事實也是如此，最近的事實證明單靠“車端智能”，它的局限性日益呈現，現在幾乎走向了死胡同。而“車端智能”和“路端智能”結合的車聯網互動方式，越來越成為了自動駕駛的未來方向發展。

?