機器學習是上世紀80年代中期發展起來的人工智能新方向。機器學習研究機器怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，或者根據環境自適應地調整對策。機器學習可以讓機器通過對經驗進行“歸納”和“推理”而實現自動改進。
目前，機器學習仍然是人工智能研究的熱點之一，包括深度學習的可解釋性和可信性，增強智能系統的自學習和自適應能力，以及無監督學習、多模態協同學習、強化學習、終生學習等新的機器學習方法。另外，考慮到數據安全和隱私保護，在數據加密或者部分加密的情況下如何學習，也是重要研究方向之一。在深度學習浪潮推動下，人工智能其他研究方向也在加速發展，包括機器感知、模式識別與數據挖掘、自然語言處理、知識表示與處理、智能芯片與系統、認知與神經科學啟發的人工智能、人工智能和其他學科的交叉等。
中國是世界上人工智能研發和產業規模最大的國家之一。雖然我們在人工智能基礎理論與算法、核心芯片與元器件、機器學習算法開源框架等方面起步較晚，但在國家人工智能優先發展策略、大數據規模、人工智能應用場景與產業規模、青年人才數量等方面具有優勢。
中國的人工智能發展，挑戰與機遇同在，機遇大於挑戰。儘管是後來者，但我們市場規模大，青年人多，奮鬥精神強，長期來看更有優勢。如果說18世紀中葉蒸汽機帶來第一次工業革命，持續了100年；19世紀中葉電力帶來第二次工業革命，持續了100年；20世紀中葉計算機與通信帶來第三次工業革命，到現在持續了70多年；我們可以預見，本世紀中葉前後人工智能可能會帶來下一次工業革命，影響百年。當然，現在人工智能技術的儲備還遠沒有達到開啟智能時代的量級，還需要持續積累和創新。現在的計算機體系結構，還無法滿足實現強人工智能的需求。未來可能的突破方向包括人工智能基礎理論與算法、類腦計算、生物計算、量子計算等。
其影響不僅關係國家發展，而且關係億萬勞動者日常生活。以深度學習為代表的人工智能技術高速發展並廣泛應用，正在深刻改變人類社會生活的方方面面。產業界從提高效率、降低成本等角度，積極採用人工智能技術解決各種應用問題，包括智能機器人、智能製造、智能監控、無人駕駛、自動問答、醫療診斷、智能家居、政務法務等，為人類帶來福祉。
從就業角度來看，越來越多的超市、銀行、餐館開始使用機器服務，甚至律師、證券分析師等高知識含量工作也可能被機器人取代，這給勞動者就業帶來挑戰。人工智能的應用必然會提高勞動生產率，正如第一次工業革命期間，機器的應用雖然減少了傳統輕工業就業崗位，但是也創造了更多新興產業就業崗位。人工智能也一樣，隨著它的發展，將會產生很多新的工作崗位，只是對技能的要求與傳統崗位不同。因此，隨著人工智能的推進，教育培訓體系也應該根據就業結構變化而積極調整，加快推進產業升級中的職業轉崗培訓。
人工智能把我們從簡單重複的勞動中解放出來，更有利於人類充分挖掘自己的智能潛力。面對即將到來的智能社會，我們應該以積極態度擁抱變化。與其擔憂工作被搶走，不如與機器“共勉”，機器尚在持續學習，我們人類難道不應該更加努力學習、終身學習嗎？
來源:人民日報 作者:高文(北京大學教授、中國工程院院士)，黃鐵軍(北京大學教授)
|
