院士张钹：人工智能依然有很多局限性

    现在人工智能被高度关注，很多人也在谈人工智能无所无能，甚至会颠覆人类，出现了人工智能的威胁论，但在日前举行的“未来论坛”上，清华大学计算机系教授、中国科学院院士张钹表示：大家都说人工智能可以做很多事情，但事实上，人工智能发展到今天依然有很多的局限性。

　　人工智能只是向前走了两步

　　而我想先说说人工智能目前还不能做什么。事实上，人工智能学科从创立到现在，只往前走了两步。

　　第一步，是符号表示和推理模型。以前人工智能只是建立在数学模型的基础上。而推理模型在数学模型的基础上，把问题变成：如果可以把这个问题清晰地表述出来，用陈述性或过程性的语言，那么计算机就能解决它。当这个模型被提出来，人工智能解决问题的能力提高了一大步。这样，可解的问题就远比用数学表达的问题多得多。

　　实际上，当时对人工智能的估计过高。因为人们发现，能“清楚表达”的问题很少。即使是理性思考，有很多问题也都不能表述。

　　第二步，就是深度学习、数据驱动的方法。这让人工智能向前迈了一步，而且这一步比前一步大得多。之前，我们用计算机解决的问题是“知其然又知其所以然”的问题。而有了深度学习，我们也可以解决“知其然而不知其所以然”的问题。特别是可以解决感知、视觉、听觉等方面的问题。事实上，我们身边充满“说不清道不明”的问题，用新的深度学习技术可以解决很多这类问题。但是，人工智能还没有到顶峰。

　　人工智能解决问题有三个限制

　　目前的人工智能有三个限制条件。一是确定性，二是完全的知识和信息，三是封闭化、特定化的问题。

　　关于这三个限制，一个典型的例子是AlphaGo下围棋。围棋有着确定的规则和目标；对方如何下子，盘面的信息，完全可以知道；而所有答案的可能性是一个封闭的。处理带有这三个限制条件的问题，计算机肯定比人类好。但是如果缺一个条件，计算机就非常难完成了。例如打桥牌，答案不是封闭的，计算机就很难做了。

　　一年以前，如果我和微软小冰聊天。我说我叫张钹，小冰就会傻眼了。因为他没有我的信息。我如果说我是章子怡，小冰应该可以聊下去。所以，尽管小冰很厉害，但是和人的智能还是差得多。

　　深度学习目前有两个很难克服的重要缺点：一是鲁棒性差。机器学习过的内容，和没学习过的内容，在识别效果方面差距太大。例如一个模式识别系统，经过训练可以很好地识别马、牛、羊。你给它一块石头，它有可能认为是马。二是机器数据输入和输出结果差距太大。人的智能是举一反三，而机器是举一百反一。给几百万的数据，识别几万个目标。所以，现在的人工智能还有很长的路要走。