深度！20年AI老兵李旸博士：人工智能发展之前瞻
一、人工智能如何实现奇点
所谓人工智能的“奇点”，就是人工智能在智力方面达到人类智力的那个点。在那个点之后，人工智能的发展不再需要人类的帮助。人工智能的智力水平在大量计算硬件资源的帮助下，以远超人类想象的速度推进。人工智能一年内的研究成果，就可能超过人类几千年科技成果的总和。
那么，这个奇点如何到来？我们认为，一定是人工智能实现了自我提升的能力。一个智能系统如果能够不断自我进化，自我提升，那么即使是在这个智能系统形成之初，其智力程度可能只有婴幼儿的水平，但是通过不断的进化，其最终水平将超过人类。
另一方面，真正的智能系统必须是一个闭环的实践系统。也就是说，这个系统应当有对外界的传感器，有实际改变物理世界的能力，有对自己行动结果通过传感器进行评估的能力。只有这样的系统，才可能通过实践数据，来驱动内在的智能不断提升。
这样，通往“奇点”之路就相对清晰了：设计一个实体的智能机器人，让其拥有通过实践进行学习的能力，并拥有设计新一代实体机器人硬件的能力，从而在硬件和软件两个方面，不断进化完善。
这样的智能机器人系统，肯定不是简单地通过一个神经网络就可以实现。我们预计，这个系统不但拥有多个神经网络，还可以根据需要生成新的神经网络。这个系统将拥有设计神经网络方案的能力。因此，这会是一个智能操作系统，拥有多个功能性模块，互相支撑，以达成目标。
二、人工智能学科的研究目标
人工智能作为一门学科，其核心目标是构建一个智能体系，这个智能体系的智能程度可以达到人类甚至超过人类。这个智能体系也可以看成是一个信息决策系统，通过对输入的信息进行处理，做出最符合自身目标的系列性决策。
人工智能的最大特点为：通用性，设计性，进化性，调配性。这四大特点无疑是设计任何通用的智能体系时，都需要考虑的核心问题。
通用性：对目标问题没有特定限制。对于信息的输入方式没有特定的限制。对多任务目标具有协调能力。
设计性：为解决目标问题，可以创造性的发明新的手段和方式。这包括发明一整套新的思维体系，发明一系列工具，发明新的算法，等等。这种有目的性的创造和发明，称为设计性。（有别于为了抒发情感而进行的非商业性的艺术类创造）
进化性：在某一领域可以利用初步研究成果，而不是要彻底搞清楚之后才可以实用。同时还可以继续深入研究，不断积累，能在之前的基础上不断提高，越来越好的指导决策。
调配性：可以对计算资源和记忆资源进行调配。在需要的情况下，可以专门发展某一方面的思维能力。比如科技人员的专业化发展。
三、智能的起源和本质
智能来源于世界的规律性、重复性。设想一下，如果世界是完全杂乱无章的，我们感官收到的全是无序，无规律的信号，那么也就不存在智能，或者说智能就没有存在的意义。因为面对白噪声，我们的大脑将是一片空白。所以，智能是数据驱动的，而且是有规律的数据驱动的。
那么，什么是有规律的数据？其实，就是这些数据是有共性的。因此，智能的本质就是寻找这些共性。
世界本来是由一个一个的独立元素组成的。从数学角度看，所有独立的元素集合，组成了这个世界。从大千世界的这些元素中，把同一类具有相似性质的元素提炼出来，就称之为概念。
我们认为，“概念”是研究智能的基本要素。智能研究应当围绕“概念”展开。 形成了各种“概念”之后，我们必然会研究“概念”之间的“关系”。因此，“关系”是连接“概念”的基本单位。
比如，在神经网络中，各个节点均可以认为是某种“概念”，而节点之间的连接，也均可以认为是某种“关系”。进一步，“关系”之间还存在着逻辑上的关联，可以称之为“判定”。“判定”是智能系统进行逻辑推理的重要基础。
举例来说：“下雨”，“小明”，“伞”是概念；“小明带伞”是“小明”和“伞”之间的关系，而“如果下雨，小明就会带伞”，这就是一个判定。
“概念”，“关系”，“判定”，我们认为这是研究智能系统的基础性要素。
围绕以上要素，可以探讨在信息不足或计算力不足情况下的问题，这就是概率学和经验主义的范畴。我们还可以探讨如何通过逻辑推理来得到一些结果，这就是理性主义的范畴。人工智能一直以来有理性主义和经验主义路线之争，其实各有自己的用途。智能系统在两方面应当均有考虑。
四、人工智能学科需要解决的问题
人工智能学科目前还处于前沿阶段，主要理论还没有形成。正如经典力学中有牛顿三大定律，电磁学有麦克斯韦方程组，量子力学有薛定谔方程一样，人工智能学科也呼唤自己的基本数学方程。
笔者初步提出了“智能机”模型，用于描述任何智能系统所要解决的通用决策问题的数学模型。这一模型的设计，参考了物理学探索世界本质的基本方法，尤其借鉴了“物理学就是对观测信号进行解释”这一核心的科学哲学思想。按照“智能机”模型设计的智能系统，也将具有独自研究相对论和量子力学的能力。由于商业机密等原因，本文不对“智能机”模型进一步阐述。希望在合适的时机，可以披露“智能机”的详细内容。
“智能机”模型只是用数学语言精确描述了人工智能所需要解决的问题。而真正解决这一问题，需要提出工程性方案。拥有牛顿三大定律和万有引力定律，不等于可以把火箭送上月球。拥有了“智能机”模型，也不等于建成了超级智能机器人。
那么，人工智能还需要解决哪些工程性的问题呢？
我们认为，首先需要构建“通用智能引擎”。“通用智能引擎”不是一个完整的智能系统。但是，它将是智能系统中最核心的部分。具体来说，“通用智能引擎”是一个完整的算法体系，可以被应用于解决任何的具体任务。
“通用智能引擎”+“场景数据” = “智能解决方案”
“通用智能引擎”一旦构建成功，一方面具有广泛的应用价值，另一方面也为打造终极的智能系统作好了准备。
比如在笔者进行构建智能对话系统的过程中，有大量的工作目前暂时靠人工来设计。如果“通用智能引擎”构建成功，将会在短语分析，语义理解，场景应答等各个环节，发挥作用。一个对话系统中，就可以用到三到五个“通用智能引擎”。这样的对话系统，必将展示相当高的智能程度。
构建“通用智能引擎”，主要需要解决以下三大问题：
通用的知识模型
通用的世界模型
通用的决策算法
笔者对上述的三个方面均已有设计方案。其中有些方面已经完成代码级别的实现。这个工作也是目前笔者所在公司的重要研发项目。预期未来两年内通用智能引擎的初步版本可以进入商用阶段。
在通用智能引擎初步构建成功的基础上，可以进行我们前述的实体智能系统的研发工作。
五、人工智能发展的社会意义
人工智能的发展，一方面将史无前例的极大程度解放人类的生产力，另一方面也将给人类社会逐步带来真正意义上的平等。
我们预计人工智能在未来100年内，可以提升人类GDP 100倍以上。因此，不需要担心人工智能带来的失业问题。我们拿出提升100倍中的50倍，分给失业的人群，失业者也会生活的很好。具体如何分配，这更多是一个社会学问题。
而人工智能在教育和智力方面给每一个人带来的提升，将真正实现全面的平等。如果所有的孩子都由最优秀（版本最高的教育机器人软件）的那个机器人老师来教，那么大家的老师就是一样的了，这样就在全球范围内实现了教育平等。
设想我们每个人通过云平台可以获得一个政府或者联合国免费提供的智能秘书（或者叫智能参谋），这个智能参谋可以为我们的所有重大决定提供协助，包括理财，投资等等，那么所有人的人生路径也可以实现平等。
未来的人工智能不但可以让我们大多数人不用工作，还可以给我们带来无数难以想象的黑科技，为人类生活质量带来不可估量的提升。
有人担心人工智能的安全问题，笔者认为这完全可以让人工智能自己解决。在人工智能不能提出有信服力的安全方案之前，可以不把最重要的控制按钮交给人工智能。而这完全符合人工智能学科的精神：我们只研究可以解决所有问题的通用算法，而所有具体问题，都交给这个算法解决。
李旸博士本科毕业于清华大学电子工程系，后赴美国伊利诺伊大学香槟分校智能人机互动实验室攻读博士学位，研究方向是人工智能和自然语言理解。李旸博士在美国有20年的技术研发和产品开发经验，并多次在中美两地创业，在北美科技界有广泛的人脉，跟国内企业也合作过多个项目的设计和策划工作。李旸博士目前在上海创立深觉智能科技有限公司，依托自己独有的一整套世界范围内领先的人工智能理论体系，以建设人工大脑为核心，开展各种相关的民用和军用项目，目前公司重点开发和中国电信合作的114智能语音查号系统。