在日前举行的德国汉诺威国际信息及通信技术博览会上，一位工作人员和小机器人进行互动。
人民视觉
谷歌“AlphaGo”和韩国棋手李世石的人机大战尘埃落定，但人工智能的进化之旅才刚刚启程。人类为何要研究人工智能？人工智能会不会有一天超过人类成为“超级智能”？我们应该以什么样的心态来看待人工智能的突飞猛进？
“阿尔法狗”用3000万局“自我对弈”数据来训练，靠的是“题海战术”
人机围棋大战引人注目，展示了人工智能惊艳的一面。
阿里云人工智能业务总监初敏博士认为，如果看一下背后的技术原理，AlphaGo其实也不是那么神秘，本质上与约20年前战胜国际象棋冠军的“深蓝”计算机一样，是一个超大规模的搜索问题。有所不同的是AlphaGo采用了当下非常热门的深度神经网络，以及深度神经网络跟蒙特卡洛树搜索算法的结合。AlphaGo能成功的秘诀在于强大的计算能力和大量的训练数据，互联网的普及也把大量围棋对弈的过程和棋谱电子化了。
专家介绍说，人工智能的核心是机器学习技术，通过算法使机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。从上世纪80年代末以来，机器学习的发展大致经历了两次浪潮：浅层学习和深度学习。深度学习是机器学习的一种，本质上就是人工神经网络。它模仿人类大脑行为的神经网络，更接近于人类的学习方式。初敏说，深度神经网络最初是在语音和图像两个领域获得很大成功，目前正被用于更广泛的领域。AlphaGo的成功再次证明深度神经网络强大的学习能力。
浙江大学计算机科学与技术学院教授蔡登说，AlphaGo用了3000万局“自我对弈”数据来训练，对计算机来说这是一个时间比较短的过程。对人来说，即使每局只要15分钟，可能也要800多年才能下完。AlphaGo利用了全世界最大的谷歌计算平台，整合大量芯片处理器的计算能力，进行技术创新、整合和优化，从算法创新方面对于计算机围棋有很大意义，对于广义的人工智能可能谈不上太大创新。不过，在这类策略型游戏或是规则明确的竞赛中，机器终将超越人类。
蔡登说，人工智能的学习方式和人类有很大的区别。比如一个孩子第一次看到一只狗，告诉他这是一只狗，下一次看到其他的狗时，他就能判断这也是狗。而目前的人工智能很大程度上还是基于海量数据、大样本的学习，属于“题海战术”——它可能要“看”过成千上万只狗之后，才有辨别的能力。
互联网把人和物都连起来，把所有活动都数字化，因此“大数据+云计算”必然促进人工智能高速发展
实际上，与公众对人工智能的各种“脑洞大开”的想象相比，科学家眼中的人工智能更为具体和现实。
一般的人工智能被定义为企图了解智能本质，通过模拟、延伸和扩展人类智能，产生具有类人智能的计算系统。经过半个多世纪的努力，在很多领域取得了一连串里程碑式的重要突破。比较著名的包括1997年“深蓝”战胜国际象棋世界冠军，2011年IBM超级计算机沃森（Watson）在美国电视答题节目中战胜两位人类冠军，当然也包括此次AlphaGo赢了人类围棋高手。
这些人工智能理论与技术的突破，成为提升传统产业、催生新兴工业的重要支撑技术。互联网搜索中使用语音搜索已经是成熟应用，正在研发中的无人驾驶汽车也通过传感器实现对环境信息的理解，依赖精确的地图来确定位置。
初敏说，通过计算得到的让人感受到“智能”的技术都属于人工智能的范畴，比如网购时都会体验到的广告和智能推荐，在使用智能设备时会用到人机语音交互、图像识别、视频理解等等，都是人工智能的成果。未来会有越来越多人工智能应用的场景，包括疾病辅助诊断、智能交通、金融量化分析等等。作为人类智能延伸和辅助的角色，人工智能研究的成果将广受欢迎，会散布在生活的方方面面。
人工智能的发展已是大趋势。初敏认为，互联网把人和物都连起来，把所有活动都数字化。有了这个基础，“大数据+云计算”必然促进人工智能技术进入高速发展阶段。这个趋势今天已经非常明显了，而且正在加速发展。
研究人工智能的目标不是让机器完全取代人，更应关注人工智能的“工具”属性
过去的二三十年，人工智能已经在很多方面超越了人的能力。科学家们致力于用人工智能帮助人类，延伸人的能力。专家认为，可以说只要是目标明确的任务，人工智能技术都很有潜力，但还不能也不需要把人工智能跟“类人智能”等同起来。
初敏说，近年来人工智能在模仿人类的感知能力方面有了较大突破，在语音识别、图像识别等问题上有了长足进展。但在更复杂的认知层面，例如对于语言和图像的理解、逻辑推演等方面距离人类还有很大的差距。人工智能之所以会让部分人感到恐惧，最主要是联想起科幻作品里的机器人。科幻往往把机器“拟人化”，而今天已经成功应用的和大批科学家致力于研究的人工智能技术，其目标并不在这些方面。
初敏认为，把丰富的人工智能技术及应用跟一个完整的人比较没有太大意义。我们研究人工智能的目标也不是让机器完全取代人。正如汽车超越了人类的奔跑能力，飞机扩展了人类的飞行能力，今天人工智能已经在很多方面超越了人的能力，今后也还会有。但有自主意识、自主情感的机器，今天还没有出现，是否会出现也是个未知数。
蔡登说，人工智能将来是否会像科幻电影中那样，自我进化掌管世界，应当还比较遥远。我们更关心的是人工智能的“工具”属性，可以大大延伸人的能力，解放人类的劳动力，成为人类很好的“帮手”。就像人类制造了飞机和汽车，但你不必担心未来它们会威胁到你。
微软全球执行副总裁沈向洋认为，关于人类将会受到“超级智能”的控制，这样的担心也很正常。每个历史阶段，每一次很了不起的新技术出现的时候，都会产生这些担心。但从历史上来看，新的技术出现，起到的是补充人类自身技能的作用。
人工智能还无法突破认知和情感，需要向生物智能“取经”
尽管人工智能并不刻意追求和人类完全一样的智能，但人工智能的发展毫无疑问能让机器拥有更高的智能化水平。
科学家比较一致的观点是，经过60多年的研究，人工智能有突破，但在复杂环境中如何实现机器智能仍然缺少有效答案。现有人工智能模型与方法的突出特点是擅长处理简单环境中的特定问题，而面对复杂环境的通用问题缺乏有效解决办法。就模拟人类思维过程和智能行为这两个具有标杆意义的智能属性而言，仍然缺乏突破性的成果。
沈向洋认为，从操纵到感知到认知，我们远远没有想清楚人工智能是怎么一回事。深度学习很了不起，它使语音识别率、计算机视觉识别的误差率在很短的时间内大幅下降。但目前机器对自然语言的了解，并没有因为深度学习的发展而产生飞跃性的进步。
人工智能未来的发展，在感知这个层面会有飞速进展，而在认知和情感这块还有很长的路要走。沈向洋说，短期内人工智能的突破可能是在“集体智能“，也就是把人类的一些智能通过大数据的方式收集起来，然后用几百万台、几千万台机器的运算能力和很好的算法，创造“集体智能”的突破和应用。
实际上，人工智能所面临的挑战非常“微妙”，例如机器与用户交谈时能否像人类一样流畅、有节奏，能不能像人一样微笑、反应、眨眼，并实现细微的面部表情，最终实现自然流畅的互动对话。这些都是人工智能需要实现的目标。
在研究者们煞费苦心研发各种功能的传感器配备给机器时，生物自身“传感器”的能耐吸引了科学家的注意。生物的眼睛能识别电磁波，耳朵能识别空气震动，神经系统能够根据波长和强度瞬间转化为视觉和听觉，能瞬间把不同波长的电磁波感知为不同的颜色，能把空气震动感知转换为语言；生物大脑还能瞬间估算出自己重心的位置和脚的着力点，保证自己能够站立、行走、跳跃。
人工智能的研究人员因此很早就开始从脑科学研究中寻找思路，近几年也提出了创造生物智能与机器智能优势互补的混合智能系统。
蔡登说，所以有深度学习专家开玩笑说：“我们努力想让机器变得稍微聪明一点，但他们还是有点笨。”
