对话浙大博导吴飞：人工智能的前世今生

前言

自古及今，人类始终怀有对人工智能永恒而热烈的向往。从语音识别与智能音箱到自动驾驶与人机博弈，在这一过程中，人工智能正以其独特的方式不断为人类社会增添新的活力与期待。被人工智能赋能下的各行各业正焕发出勃勃生机。在其背后，则是软件硬件基础支撑体系逐步完善以及技术层面逐步突破的语言与视觉等领域的快速发展。

于2018年8月26日这一天，在中国高校计算机大赛人工智能创意赛专家委员会主任、浙江大学计算机学院副院长、博士生导师吴飞教授的带领下（注：原文省略），百度特意安排了一场集训营活动

注：以下为吴飞教授的演讲实录

回溯人工智能的起源

人工智能基于机器作为支撑平台来达成人类智力或生物能。机器作为支撑平台就是计算系统的核心部分。为了深入理解人工智能技术的本质原因，我们必须探究人工智能所依赖的计算系统起源的原因是什么？哪些因素能够达成人类智力或生物智力？我们都知道计算机概念源于20世纪30年代，在那个时期人们发现有许多问题无法被解决；同样存在许多问题具有可解决性。

图一：费马大定理

例如，在研究N=2的情形时（即直角三角形两条直角边的平方和等于斜边平方），数学家们曾期望能找到无限多组整数解（毕达哥拉斯三元组）。然而这一情形下却存在无限多组整数解（毕达哥拉斯三元组），这一问题曾经令众多数学家望而生畏。经过几百年来的不懈努力后，在1994年安德鲁·怀尔斯成功证明了费马大定理对于所有n≥3的情况均成立

这个时候也存在许多难以解决的问题或者需要用计算来解决的问题。例如最近新闻中出现很多报道提到张教授已经证明了一个关于孪生素数的重要结论：相差为2的素数组是否存在无限多个？事实上已经证明存在无限多组相邻间隔小于七千万的素数组；如果两个素数之间的间隔小于七千万则会存在无限多这样的素数组。另外我们还知道费马大定理已经被数学家们证实这是一个可以通过严谨推导得出结论的重要命题；四色定理同样已经被证实即一张地图只需要四种颜色就可以确保任何不相邻国家都能用不同的颜色区分出来；而哥德巴赫猜想则是唯一一个尚未被证实的重要数学猜想其背后的原理如何仍然是一个未解之谜

为了解决这一问题，在20世纪30年代三种不同的计算体系同时 emerged，并被分别概括为原始递归函数、图灵机以及lambda计算系统。其中英国计算机先驱图灵提出了其中一种体系，并因此奠定了计算机理论的重要基础。此外还有lambda系统这一重要补充。研究者表明这三种体系在能力上具有等价性：即任何一种体系能解决的问题，在其他两种体系中也同样能够解决。最终人们将图灵机确立为现代计算机理论的核心模型之一：因为该系统一旦经过有限步骤后能输出自身解答时，则该问题是可被计算的；若永远无法停止运算而得不到解答，则该问题是不可被判定的——这就是著名的停机问题。

图二：《论数字计算在决断问题中的应用》

图灵为了解决可计算性问题，在1937年发布了一篇名为《论数字计算在决断问题中的应用》的文章，在其中他阐述了图灵机的概念。该模型旨在通过机械装置完成所有可计算的问题求解过程。具体而言，该装置由纸带、读写头和控制器组成：纸带两端无限延伸，在上面书写数据并执行程序指令；读写头能够读取并修改纸带内容，并根据控制器指示进行左右移动操作；当处理完所有数据后，则完成相应运算任务。以1+2=3为例：首先将数值"1"和运算符"+"以及结果"3"编码并存储在纸带上；接着控制器依次读取这些符号：当读至加号时触发相加程序；随后寻址被加数"2"并将其替换为结果"3"；最后清除其他残留数据即可完成运算过程

因此现代计算机理论模型源自图灵机的概念。从那时起计算机的所有运算步骤都严格遵循这一理论模型来进行设计与实现。正是由于这一开创性贡献使得图灵被誉为计算机科学领域的先驱者与奠基人。为了纪念这位伟大科学家于1966年设立了以他名字命名的 prestigious 图灵奖。然而图灵的一生却是短暂而戏剧性的存在：他只活到了42岁便离开了人世。尽管他是计算机理论领域的鼻祖但他的去世却充满了悲剧色彩：他是在被社会不公所困扰的情况下英年早逝的。在他离世前夜床头发现了一个咬了一口的苹果 snippet 这样的场景让人不禁联想到苹果公司的品牌标志——咬了一口的苹果图标竟与这位先驱者的自杀现场如此相似令人不禁怀疑苹果公司为何不对此作出正面回应？有趣的是后来 苹果公司也选择性地未对这一现象作出官方解释 选择用隐晦的方式纪念这位伟大的科学家：将品牌标志设为咬了一口的苹果形象这似乎暗示着某种未尽之感与历史记忆的延续。

图三：解码器Enigma

尽管图灵所在的二战期间拥有一个解码团队，在研发了一台解密装置的情况下直接解读了德国军方的秘密通讯，并成功使战争的结果提前三年至五年得以显现。然而尽管其生命在其历史长河中显得短暂无足轻重，在学术界却留下了深远的影响——他不仅构建了一个理论上的通用计算机框架，并且还在技术实践中也取得了卓越的应用成果。

人工智能学科的诞生

在人工智能学科的发展历程中，其诞生之标志是在1955年成为人类历史上一个重要的里程碑。这一重要时刻始于那四位学者向美国私人基金会提交了一份名为《推动人工智能研究的项目提案书》的申请书。该提案书明确指出将在1956年夏季开展相关研究工作，并命名为"AI"（Artificial Intelligence）。至此之后，在1956年8月31日这一天，“AI”这个词正式成为人类历史上的常用术语。为此，私人基金会决定资助相关研究资金后，在1956年夏季吸引了众多学者参与人工智能领域的探索与研究工作。”

该项目获得私人基金的支持，在该报告中列出了人工智能领域应予以关注的七个关键问题，并分别称为自动计算机、计算机编程技术、神经网络模型以及计算复杂性等问题。这些学者认为，在1956年之前提出并解决这些问题对于使计算机具备模拟人类智能活动的能力是必要的。前四个问题是当前计算机理论科学领域的研究热点之一。国家863计划中的高考机器人研究项目旨在探索基于大数据的内容智能算法系统，并将其应用于高考模拟考试中。具体来说，在这一研究方向下设定了九个课题组：涵盖高考数学、语文、历史和地理四个科目的内容，并全部完成验收工作。项目负责人表示，在面对涉及自然语言类试题时（如阅读理解题），目前开发出的人工智能系统表现能力较差；而对于那些仅涉及公式推导类试题（如三角函数分解与直线方程求解等），则展现出很强的技术实力

举个简单的例子说明吧：比如鸡兔同笼的问题中，在一个笼子里有鸡和兔子若干只，请问笼中有多少只鸡多少只兔子？机器人必须知道鸡有两只腿而兔子有四只腿才能解答这个问题。如果机器人缺乏这些基本知识的话，在高考中也是无能为力的。人工智能的发展最初目标是完全仿照人类的能力来模拟人的思维过程，并试图完全复制人类的大脑结构与功能。但从发展的历史来看，人工智能并没有沿着取代部分人类劳动的方向前进而是不断探索利用机器来进行定义性证明取代解题专家，并运用机器来进行机器翻译等技术来辅助工作。大家观看过的百度公司展示了一场令人惊叹的人工智能技术应用——其机器翻译技术堪称一流曾获得国家科技进步奖这一项技术应用让专业人士对未来的智能化发展方向有了更深的理解。

人工智能三种种类：领域人工智能、通用人工智能、增强人工智能

从智能角度对人工智能进行三种不同的分类，在这一层次上可将其划分为领域型人工智能、通用型人工智能以及跨领域型人工智能等类型。首先，在特定领域的应用中的人工智能被称为领域型人工智能（Field-type AI）。这类系统主要专注于解决单一领域的特定问题，并通过任务导向的方式实现能力提升，在计算速度、数据量和处理能力等方面均表现出色（如Deep Blue和AlphaGo）。例如AlphaGo不仅击败了世界冠军李世石，在围棋或其他复杂策略类游戏中也展现出超越人类的能力。然而，在非特定任务场景下（如交通预测），这类系统则显得力有未逮。其背后的原因在于这类系统仅基于围棋的大数据分析而发展起来，并未涵盖其他领域的数据输入（因而属于弱人工智能范畴）。其次为通用型（通用性）或跨领域型（interdisciplinary）的人工智能（General/Transdiscipline-type AI），这类系统仅人类具备其独特的学习能力——能够通过经验融会贯通地解决问题，并具备强大的归纳与演绎能力。值得注意的是虽然大脑并非完全依赖大数据驱动但确实具有很强的数据处理能力以及归纳演绎的双重功能这些特质使其成为通用型人工智慧的核心特征

第三种分类是跨领域型人工智慧（transdiscipline-type AI），这种类型的人工智能在设计时需兼顾多个领域的特点，并通过综合运用多种技术实现多维度的应用与优化。它不仅能够解决单一领域的复杂问题还能够在多个领域间建立联系从而实现知识的共享与传播例如在医疗健康、教育科技等领域都有其独特的优势与应用价值

图五：混合增强人工智能

第三种是增强人工智能技术。具备独特优势的人工智能系统与人类智慧相辅相成，在某些领域可能无法单独完成复杂任务时，可以通过人机协同的方式实现更好的效果。我们将其统称为人机协同增强型人工智能系统。例如，在图五中的第三、四张图片所示的达芬奇手术机器人系统中，医疗专家通过与机器人协同操作的方式完成了高难度外科手术。这种情况下，机器人负责执行精细的操作动作（如剥开葡萄皮），而人类专家则提供战略性的决策支持（如缝合手术），从而确保手术的安全性和精确性。

图五中的第二张图片展示了一名巴西世界杯残障运动员。他是一名特殊 Needs 选手，在训练时脚部完全无法自主控制双脚的活动。然而研究人员为其安装了一个外骨骼机器人装置，并通过脑电波分析技术研究他的足球动作。外骨骼机器人能够利用这些脑电信号触发相应的运动指令输出，并将这些指令信号传递给足球本身完成一系列动作。值得注意的是该装置本身已经失去了控制脚部的功能但借助强大的机器辅助以及人类意识形态与人工智能的高度融合实现了持续稳定的开球动作。展望未来人工智能与机器智能将在更多领域结合协作共同突破传统认知与执行的界限例如智慧城市系统中人机物网的深度融合不仅提升了各子系统的协同效率还创造出1+1大于2的人工智能综合行为模式这标志着人工智能发展史上的一个重要里程碑

人工智能的今生：5G、IOT、芯片

图六：钢铁、电力、硬件、软件、软/硬协同的历史发展之路

在8月2日（美国时间），苹果公司的股票市值已突破了1万亿美元这一重要历史节点。这是以信息技术为核心的美国企业近年来其市值持续增长的一个关键转折点。我们注意到以信息技术为核心的美国企业近年来其市值持续增长。这些企业在人工智能领域已初具规模，并已将人工智能作为其首要研究方向并推动提升相关产品性能。此外，在美国的股票市场中实际经历了几次重要的关键点：例如：如上所述，在过去的历史中有一些特别重要的时刻——如图六所示的例子：在美国钢铁集团首次超过10亿美元市值后不久便达到了这一里程碑。随后通用电气集团首次超过百亿美元市值标志着又一新的高度。随着市场的演变高科技行业逐渐从钢铁制造向电力制造过渡最终转向硬件制造最后转向软件制造领域成为推动行业发展的重要力量。而达到这一里程碑后下一个台阶可能会是怎样的？计算服务领域的公司将有可能成为下一个带领企业跨越这一门槛的新一代科技。”

探讨人工智能生态的形成机制

第二个就是物联网简称为IOT, 所有的具备IP地址的终端设备都将不可避免地融入到庞大而复杂的物联网网络之中. 预计到2020年全球智能设备总数将突破200亿台, 这些设备将展现出非凡的能力, 在无需持续连接云端的情况下即可实现视觉识别、语音识别、逻辑推理和数据预测功能. 如片中所述的百度无人驾驶汽车也是这一趋势的一个典型代表, 它能够实时感知并判断马路上的各种行人与障碍物, 并迅速做出相应的反应. 边缘计算作为这一新时代的核心技术特点在于其快速响应能力以及对安全隐私的有效保护, 同时能耗水平也相对较低. 在这一背景下, 我们可以看到众多IT巨头如亚马逊、微软等正在积极布局边缘计算平台, 并致力于构建完整的生态系统. 同时它们也在不断优化自身的云计算服务的同时, 将目光投向更前沿的技术领域

我们可以观察到当前深度学习算法迅速向云端至边缘终端扩散。这些高效算法正在向以边缘设备为主导、计算资源相对有限的边缘环境迁移。与此同时，在学术界为了提升终端执行效率而开发的各种软件加速与硬件加速技术已被广泛采用。这些技术共同构成了基于边缘计算生态的技术体系。我们看到云端拥有强大的数据驱动型计算能力和端点设备支持下的推理能力……同时拥有数以万计终端设备的支持与云计算的强大算力结合在一起能够满足未来复杂场景下的需求

最后一个是 chips 领域。 chips 的发展经历了三个不同的阶段：首先是通用用途型 CPU 芯片的发展阶段；其次是基于图形处理器（GPU）的核心技术构建起来的加速计算能力提升阶段；接着是半定制型 Field-Programmable Gate Arrays（FPGA）技术不断演进的过程；最后是完全定制化专用集成电路的发展完善阶段。 在这一进程中，最引人注目的便是向模拟人脑神经网络架构方向迈进的步伐：即类似于人脑结构的人工智能级神经形态集成电路的基本原则与技术路径。 这类设备具有高度稀疏化的特征：人类大脑约含有60亿个神经元，并非持续性运作状态，在任何时刻都在工作的话会导致耗能问题（假设每天24小时运转的话电力需求将超过20瓦特），因此必须采用高效的稀疏化计算模式来降低能耗消耗。 因此，在人工神经网络计算体系中所追求的核心理念就是实现大规模并行运算下的资源优化配置

人工智能生态正在经历从"人与人"连接到"人与物"连接再到"物与物"连接的过程，并朝着"人机物三维空间"时代演进。在这个时代里，
云端、网端、终端以及AI芯片组成的生态系统正在快速成长和发展。
浙江大学致力于建设这一人工智能载体，
通过百度、德清与浙江大学联合举办的高校计算机大赛·人工智能创新赛等多个平台，
我们在教材编写方面也进行了深入探索。
未来，
我们将继续推进基础研究以为其提供创新源泉，
推动技术融合以增强创新能力，
聚焦场景应用以服务社会需求。
这些努力的核心在于打造坚实的基础，
这是构建生态系统的关键所在。

----实录结束-----

结语：拥抱人工智能，享受智慧生活

人工智能作为一门多学科交叉的综合性前沿学科，在其理论体系愈发完善的同时技术发展已取得显著进展。在应用领域正不断扩大，并逐步深入到各个角落。展望未来，在算法与基础设施持续发展的背景下，人工智能的发展及其多样化的生态系统将深刻地影响并改变每个人的日常生活。

吴飞教授是中国高校计算机大赛人工智能创意赛专家委员会核心成员，在浙江大学担任多项重要职务。

他是浙江大学计算机学院副院长一职，并同时肩负着浙江大学人工智能研究所的负责人职责。

此外，在该校他还担任浙大求是特聘教授头衔，并拥有博士生导师身份。

研究领域方面，吴飞教授的主要研究方向涵盖人工智能技术及其在各领域的应用。

他尤其专注于跨媒体计算、多媒体分析与检索技术及其在统计学习中的应用。

在视觉感知领域方面，在承担视觉感知教育部-微软重点实验室副主任的同时，

他获得了国家杰出青年科学基金支持（2016年），并入选教育部新世纪优秀人才支持计划（2011年）。