@陈宗周

      回望历史，AI已经走过了60年历程，创造了无数传奇。而现在又开始的新征程，那将是充满更多传奇的美丽新世界。　　

进入AI 2.0

      AI科学家是务实的，面对AI威胁论的喧嚣，他们选择踏踏实实地规划和建设AI和人类的美好未来。

      与硅谷女科学家李飞飞认为AI经历了60年试管阶段，刚进入生物活体新阶段的看法相似，中国工程院院士潘云鹤同样认为AI正进入一个新阶段，即 AI 2.0阶段。他给出的初步概念是：信息新环境和发展新目标下的新一代AI。潘云鹤列举了AI2.0五个方面的技术特征：1.机器学习从大数据支持转向大数据驱动和知识指导相结合。2.从分类处理多媒体数据 (如视觉、听觉、文字等)迈向跨媒体认知、学习和推理。3.从高水平人机协同融合，走向混合型增强智能的新计算形态；4.从 “个体智能”到基于互联网的群体智能，形成网上群体智能技术与平台；5.从机器人转向更广阔的智能自主系统，从而促进改造各种机械、装备和产品，走上智能化之路。总之，AI2.0不但更接近人类智能，而且以提高人类智力活动能力为主要目标。

      谷歌公司DeepMindCEO哈萨比斯也认为AI进入了新阶段。2017年5月24日他在乌镇发表主题演讲时谈到Deep Mind的任务分两步走。第一步要从根本上了解智能是什么，然后用人工方法去创造它。

      第二步要解决AI的通用性问题。目前的单一机器系统或者算法组合并不能直接解决各种问题，更不用说以前没遇到过的问题。而人脑可以把相关经验应用于其他未遇到过的问题，即举一反三。DeepMind就是想赋予机器这种能力。这种通用机器学习系统即通用型AI。

DeepMindCEO哈萨比斯

      哈萨比斯说的通用型AI，与现在需要人工预设条件、预置程序的所谓弱人工智能不同，属于与人类智能相当、可以自主学习和决策的强人工智能，这是AI发展新阶段的新目标。

      AI在全球科学家共同设定的目标和共同努力下，正沿着路线图一步步推进。而对AI科学和相关技术的研究与突破，永远在艰难中前行。

探索未来

      深度学习虽然在今天取得极大成功，引领机器学习乃至于整个AI潮流，促进了产业发展和社会进步。但深度学习依然在探索自己的未来。2015年5月28日出版的《Nature》杂志专门开辟了 “人工智能·机器人”专题 ，专家们发表了多篇重要论文。其中最引人关注的，莫过于深度学习的最主要奠基人们首次联袂撰写的一篇名为《深度学习》（Deep Learning）的综述性文章。杨立昆（Yann LeCun）、约书亚·本希奥（Yoshua Bengio）和杰夫·欣顿（Geoffrey Hinton）三位开创者，在文章中介绍了深度学习原理、方法及其形成的脉络，也展望了未来。他们一致认为未来的深度学习要往无监督学习方向发展。自然界和人类社会在绝大部分数据都没有经过标注，而数据标注是一项繁重、有时是不可能完成的工作，如果机器学习永远需要大量的监督学习，即用标注数据来训练，那一定会影响AI得到更广泛应用，成为通用AI的发展障碍。但如何让无监督学习也能完满完成复杂任务，是AI科学家们面临的挑战。

      科学家也从另外的角度来思考机器学习的发展，迁移学习（Transfer Learning）是比较有希望的未来技术之一。前百度首席科学家吴恩达和香港科技大学杨强教授等都很重视迁移学习的概念和实际应用。杨强教授指出，现在AI的成功离不开高质量的大数据，但未来AI的成功并不一定都需要大数据，可以用迁移学习来解决相关问题，迁移学习可以把大数据得到的模型用于小数据环境。现在，基于样本、特征、参数、模型、关系的若干种迁移学习方法正在深入研究之中。

      与机器学习和数据科学一样，计算能力的提高依然是推动AI蓬勃发展的强劲动力。