【儀表網(wǎng) 儀表下游】語音識別、文本識別、視頻識別……數(shù)字經(jīng)濟時代，人工智能技術已走近你我身邊，被視為經(jīng)濟增長的新引擎、國際競爭的新陣地和推動智慧社會建設的有效工具。而加快“人工智能+”產(chǎn)業(yè)融合、賦能更多行業(yè)應用落地，更成為社會各界共同的期待。
 

　　目前已成熟應用的人工智能技術僅為語音識別，機器學習、計算機視覺、自然語言處理、知識圖譜、智能機器人等技術距離生長成熟尚需數(shù)年時間，而無人駕駛汽車在未來10年內(nèi)都不太可能出現(xiàn)。
 

　　從實驗室走向大規(guī)模商用，人工智能還需要多久？
 

　　近年來，人工智能應用于新藥研發(fā)被寄予厚望。然而，算法的不可解釋性卻橫亙在前。相關研發(fā)和監(jiān)管部門需要清楚地知道藥物開發(fā)中使用的算法,從而理解人工智能主導的決策背后的邏輯。如果不對監(jiān)管實現(xiàn)算法透明化,人工智能將會是一個無法進行嚴謹?shù)目茖W評價及驗證的“黑匣子”。這可能會導致在藥物審批過程中出現(xiàn)種種無法預料的問題,比如對人工智能“發(fā)現(xiàn)”的生物標記物的接受度不明。此外，對于智能政務、無人駕駛這樣安全性要求極高的行業(yè)，人工智能的引入自然更為謹慎。
 

　　人工智能面向不同知識背景的用戶，要能以簡單、清晰的方式，對決策過程的根據(jù)和原因進行說明，并能對系統(tǒng)決策過程關鍵節(jié)點的數(shù)據(jù)加以追溯并能夠審計，這在未來人工智能應用大規(guī)模落地時，是特別需要關注的特性，也是實施監(jiān)管的必要。
 

　　作為人工智能技術的“大熱選手”，深度學習可以通過對大量已知樣本的訓練，制作自己的樣本，這是深度學習的特點，同樣也是痛點。人工智能目前在面向產(chǎn)業(yè)化落地時，遇到的巨大挑戰(zhàn)正是真實環(huán)境的開放邊界和規(guī)則模糊，數(shù)據(jù)的“噪音”非常多，使得智能模型的部分結果和使用情況難以讓人信賴。
 

　　人工智能目前的智能判別模式存在缺陷，容易被對抗樣本所欺騙。比如圖像識別，在一張人像圖片上加入一些非常少量的干擾，人為視覺看上去基本沒有區(qū)別，但人工智能模型就會產(chǎn)生識別錯誤；再如自動駕駛，一張“限速80碼”的交通標牌，加入一些干擾后，就可能被機器識別成“禁止通行”。顯然，存在很大的安全隱患。
 

　　語音識別領域也存在這種問題。技術人員在語音上任意加入非常微小的干擾，語音識別系統(tǒng)就可能會識別錯誤。同樣，在文本識別領域，改變一個字母就可以使得文本內(nèi)容被錯誤分類。此外，若深度學習的數(shù)據(jù)集中存在隱藏的偏見，人工智能系統(tǒng)無法發(fā)現(xiàn)，也不會否定。缺少反饋機制的“照單全收”，最終可能導致生成的結果并不客觀。
 

　　目前,“AI+金融”的發(fā)展如火如荼。但當金融機構均采用人工智能進行決策時,其市場信號解讀就可能趨同與不斷強化,導致形成偏離正常市場規(guī)律的結果。而這些不正常的市場變化也會成為人工智能的學習基礎,將人工智能的決策邏輯進一步畸化,容易造成惡劣的后果。
 

　　法律規(guī)制和倫理問題待完善
 

　　目前的智能算法還存在給出的決策不符合倫理道德要求的問題。在應用中已發(fā)現(xiàn)，智能算法的決策沒有從改善人類生活、服務人類社會的角度來進行。而這些不友好的決策都是模型從數(shù)據(jù)中學來的，并不是研發(fā)者對人工智能模型設置的目標。
 

　　同時，人工智能算法需要海量的數(shù)據(jù)驅動，訓練數(shù)據(jù)可以被算法恢復，個人隱私存在泄露和被侵犯的風險，而大量的數(shù)據(jù)也存在共享壁壘。在人工智能賦能金融的過程中，這一問題尤被關注。近年來,每年發(fā)生金融隱私泄露事件以大約35%的速度在增長。加之近年來人工智能技術在金融行業(yè)的廣泛應用,由此帶來的銀行數(shù)據(jù)、保險數(shù)據(jù)、網(wǎng)貸業(yè)務及大數(shù)據(jù)等個人信息保護問題日益凸顯。
 

　　人工智能的技術進步可以給社會帶來非常正向的效益，不應因為對隱私保護機制等方面的憂慮而將人工智能的問題妖魔化當前人工智能的法律法規(guī)尚不健全，亟待有關部門進一步科學制定和完善，這樣才能引導公眾更加健康地看待這一新技術應用于產(chǎn)業(yè)。
 

　　發(fā)展新一代人工智能
 

　　人工智能發(fā)展的第一步是輔助，讓重復復雜的勞動量由機器完成，在這個基礎上，我們再創(chuàng)造條件逐漸向智能決策的方向發(fā)展。對于業(yè)界有人提出“人工智能超越甚至取代人類”的期待和預計，應保持冷靜。
 

　　中國科學技術發(fā)展戰(zhàn)略研究院研究員李修全認為，在重復性操作的生產(chǎn)環(huán)節(jié)和基于海量數(shù)據(jù)的高強度計算優(yōu)化求解上，人工智能具有明顯優(yōu)勢，應當是當前應用于產(chǎn)業(yè)的主要方向。
 

　　加速人工智能賦能產(chǎn)業(yè)落地，其與科學計算的深度融合應是顯著趨勢，在工業(yè)、氣象、能源、生物、醫(yī)學等領域，需要大量科學計算，人工智能技術能為傳統(tǒng)科學計算帶來新的思路、方法和工具，同時由于傳統(tǒng)科學計算具有嚴密性，人工智能也可以提高它本身的可解釋性。
 

　　推動人工智能進入新的階段,有賴于與數(shù)學、腦科學等結合實現(xiàn)底層理論的突破。未來所需要的第三代人工智能應是實現(xiàn)可解釋的、魯棒的、可信安全的智能系統(tǒng)，依靠知識、數(shù)據(jù)、算法和算力四個要素，將實現(xiàn)從不帶認知的人工智能轉變?yōu)閹дJ知的人工智能。
 

　　如何解釋新一代人工智能？傳統(tǒng)人工智能是計算機智能，屬于封閉型人工智能。新一代人工智能應該是開放性人工智能。當前，所有的計算機都是對軟件工程師的智能編程代碼進行一次又一次簡單執(zhí)行，要推動人工智能技術深度賦能更多行業(yè)，需要的是核心關鍵技術突破，特別是認知智能的進步，同時，還要依靠智能芯片、傳感器等零部件的硬件支撐，再借助我國5G信息技術的優(yōu)勢，形成合力支撐產(chǎn)業(yè)落地和商業(yè)化應用。
 

　　資料來源：光明日報