时刻的力气——1991 人工智能大争辩 30 周年纪念:主义不再共融互生|GAIR 2021

发布时间:2021-12-23 20:04:33 | 作者:环球体育靠谱吗


  作为粤港澳大湾区的榜首AI盛会,GAIR大会已成功举行五届,留下许多精彩、经典和令人惊叹的瞬间。GAIR 2021则连续以往奢华阵型,以1场宗旨论坛、2场职业峰会、9场高峰论坛,包含自动驾驭、安防、集成电路、医疗、元国际、碳中和、隐私核算、新消费等抢手范畴。

  滚滚长江东逝水,浪花淘尽英豪。上世纪80年代末,以符号逻辑为根底的传统人工智能遭受理论危机,新的人工智能理论连续被提出,人工智能研讨也进入了一个“百家争鸣”的新年代,联合主义、行为主义等学说敏捷鼓起。

  近十年来,得益于硬件设备和算法技能的提高,以深度学习为代表的联合主义感知智能技能日新月异。可是,正如图灵奖获得者 Alan Kay 所言,虽然现在的深度学习研讨空前昌盛,此类办法在数学原理上的打破仍十分有限。

  在感知智能技能越来越老练的今日,咱们现已能够经过深度学习技能从各种数据来历中提取有用的表征。可是,深度学习技能在决议方案、规划方面的才能却十分有限。

  为此,研讨者们又将目光投向了各种学说的融合,企图为未来的人工智能研讨寻觅破局之法,催生了“神经-符号核算”、“双体系理论”等新式研讨范式。人工智能研讨社区再次面对重要的路途选择。

  在近期由粤港澳大湾区人工智能与机器人联合会、雷峰网联合主办的第六届GAIR全球人工智能与机器人大会(GAIR 2021)上,有六位重磅嘉宾作为这场里程碑式革新的重要见证者到会:

  杨强,加拿大工程院院士、加拿大皇家科学院院士, 微众银行首席人工智能官,IEEE/AAAI Fellow;

  周志华,南京大学核算机系主任兼人工智能学院院长,欧洲科学院院士,ACM/AAAI/IEEE Fellow;

  赵峰,清华智能工业研讨院首席科学家、国际欧亚科学院院士、IEEE Fellow、Sloan Fellow

  六位尖端人工智能专家齐聚一堂,回忆当年人工智能大争辩的盛况及影响,以史为鉴,探寻人工智能下一个 30 年的开展路途。

  自 1956 年达特茅斯会议之后,人工智能研讨者们首要构成了符号主义、联合主义、行为主义等学说。上世纪 90 年代初,符号主义门户在人工智能研讨范畴占有了主导方位。在物理符号体系假定和依据常识的启示式求解办法辅导下,人工智能技能在专家体系、机器翻译、机器视觉、问题求解方面现已锋芒毕露。

  可是,80 年代个人核算机的遍及对专家体系的需求产生了极大的冲击。1991 年,被寄予厚望的日本“第五代核算机”(即“人工智能核算机”)研制方案的失利,以符号主义为主的传统人工智能技能(GOFAI)遭受了学术理论和工业运用上的瓶颈,人工智能研讨堕入低谷。为了打破这一局势,新的联合主义、行为主义理论和技能纷繁上台。

  在联合主义方面,Yann LeCun、Sepp Hochreiter 等学者在联合主义人工智能技能方面获得了必定的开展,“黑盒”的神经网络技能能够避开常识表明带来的困难,但神经元间联合的结构和权值选取又成了难题。内行为主义方面,Rodney A. Brooks 提出研讨“无需表明、无需推理”的智能,并依据行为主义技能规划出了一系列具有躲避、行进、平衡等各种运动才能的机器人,技惊四座。

  为了评论人工智能研讨将何去何从,国际人工智能联合会(IJCAI)在 1991 年的人工智能尖端期刊《Artificial Intelligence》的专刊上组织了一场人工智能的大争辩,就新的人工智能理论结构从五个问题、正反方面进行了评论:

  林德康教授指出,1991年人工智能范畴的首要争辩分红两个派系——符号主义和行为主义,两派的代表人物,正是 IJCAI 1991 核算机与思想奖的两位得主——后来的康奈尔大学校长 Martha Pollack,以及麻省理工学院人工智能试验室主任 Rodney Brooks。

  Rodney Brooks 表明,行为主义的办法才是正确的AI范式,依据低层次感知信号去得到高层次决议方案。为此,他在论文《Intelligence without representation》中提出,人们经过符号主义研讨表征的路途是失利的,咱们应该以渐进试错的办法逐步完结智能,让智能体依靠于经过感知和行为与实际国际衔接起来,消除对表征的依靠。

  Martha Pollack 则指出AI应该经过符号逻辑表达出来的束缚公式,来描绘国际,再用束缚满意的办法把高层次的方针细化。她在论文《The Use of Plans》中指出,智能体存在于杂乱的环境中,它们需求经过规划完结对动作的操控。规划不只被用于辅导行为,还被用于操控推理和完结智能体之间的协作,使杂乱、动态的多智能体环境下的智能行为成为了或许。因此,规划在人工智能学术体系中应该处于中心方位,

  这次争辩的内容一经宣布,就引起了人工智能研讨社区的极大反应和评论,促进了联合主义、行为主义的鼓起。从此,人工智能研讨进入了新的纪元,并逐步构成了现在的人工智能学术、工业格式。

  关于我国人工智能研讨而言,1991 年也具有特别的含义。在这一年的 IJCAI 91 大会上,共有 6 位华人学者宣布了研讨效果,其间有五位学者在国外谋得教职,他们是:滑铁卢大学的杨强、西安大概大学的凌晓峰、麦考瑞大学的张康、俄亥俄州立大学的赵峰、曼尼托巴大学的林德康。在 IJCAI 91 上,“人工智能理论根底大争辩”成为了我国参会者们热议的论题。受此影响,华人学者们于 1992 年夏天在中科院核算所智能中心召开了“1992 AI Summer School”,陈述者为国内外最早在尖端会议和期刊上宣布研讨工作的华人学者,包含:张钹、李国杰、高文、白硕、杨强、张成奇、彭云、林德康、李明、赵峰、林方真,等。这次活动也为我国人工智能研讨带来了新的“火种”,为日后我国 AI 研讨的腾飞奠定了根底。

  在本届 GAIR 大会上,杨强、张成奇、周志华、赵峰、林方真、林德康等尖端人工智能专家从各自的视点动身回忆了当年这次“大争辩”的深远影响。

  1982 年,张成奇教授正在吉林大学攻读硕士研讨生,从事专家体系方面的研讨。那时,吉林大学是我国最早开端研讨人工智能的单位之一,并在王湘浩院士的领导下发起了全国高校人工智能研讨会。

  1992 年,张成奇教授依据群论处理了分布式专家体系中不同的不确定性模型相互转化的问题,这一效果宣布在了人工智能尖端期刊《Artificial Intelligence》上,这是我国大陆学者初次在该期刊上宣布论文。在张成奇教授看来,相较于当年,现在的感知智能、行为主义智能技能现已得到了长足的开展,分布式人工智能能够开展一条更为光亮路途。同年,在张成奇教授成功于《Artificial Intelligence》上宣布论文四个月之后,杨强教授的研讨效果也初次宣布在该期刊上。

  彼时,现在的“搬迁学习”、“联邦学习”旗手——杨强教授也醉心于符号主义人工智能研讨,在规划范畴颇有建树,企图从逻辑视点寻觅查找途径,探求高层次的推理技能。1989 年,杨强教授在 IJCAI 上宣布了其榜首篇顶会论文《Preprocessing Search Spaces for Branch and Bound Search》,在该论文中,杨强教授提出了一种名为“threaded decisions graph”的数据结构,经过事先在查找空间中进行预处理的办法,降低了启示式查找问题求解办法的核算开支。1990 年,杨强教授开宣布的榜首个开源规划软件“ABTWEAK”在工业界得到广泛运用,该效果被 AAAI 1990 录入。1991 年,杨强教授在 IJCAI 大会上宣布论文《The Downward Refinement Property》,提出了一种层次化的逻辑表达重视度模型,在确保准确性的条件下大幅提高了推理速度。同年,杨强教授的论文《Characterizing Abstraction Hierarchies for Planning》也被 AAAI 大会录入。1992 年,杨强教授初次在《Artificial Intelligence》期刊上宣布论文。

  回忆当年的人工智能开展转机,杨强教授以为,1991 年的大争辩后,逻辑研讨者们跳出了单调逻辑,转向开展杂乱逻辑。一起,IWML(即现在的 ICML)呈现,机器学习开端进行数学化革新。随后,随机森林、集成学习、神经网络等“黑盒”的机器学习逐步为人所承受,可解说性逐步淡化,构成了人工智能范畴文明的改变。一起,行为主义也逐步鼓起,该门户的研讨者们以为智能不只存在于人的大脑,也存在于人体的肌肉、骨骼中。尔后,扫地机器人、谷歌机器狗以及火星探索者机器人纷繁呈现出来。这些机器人在不进行逻辑推理的情况下,完结了必定的智能行为。在杨强教授看来,当年的人工智能研讨从符号主义推重的“运用一套算法解说智能现象”逐步向“学习模型驱动的物理学,经过通用模型解说智能现象”过渡。

  上世纪 80 年代末,在 MIT 人工智能试验室肄业的赵峰教授榜首时刻触碰到了大洋彼岸行为主义鼓起的浪潮。当年,赵峰教授的研讨方向是依据模型的人工智能,旨在让核算机程序能够了解、推理物理国际中的现象。

  在现在的波士顿动力公司创始人MIT马克雷伯特教授的试验室中,赵峰教授发现,其时的机器人研讨十分困难,由于咱们需求对机器的动力体系作出十分精准的规划,这大大延缓了该范畴的研讨进展。1989 年,赵峰教授MIT读书时的Committee 教师Rodney Brooks依据行为主义思想规划了一款六足机器人,该机器人在无需进行推理的情况下,能够轻松跨过包含,引起了巨大颤动,并获得了 1991 年的 IJCAI 核算机思想奖。Rodney Brooks 高喊“无需推理、无需表明”的标语,宣布了闻名的论文《Intelligence without representation》。

  与此一起,“人工智能理论根底大争辩”让学术界在研讨方向上呈现了重要的不合,即拥抱数据驱动仍是坚持模型驱动和推理。在赵峰教授看来,要答复这一问题,能够从“工程”和“科学”两个方面验证。从工程的视点来说,咱们需求考虑某种学术思路能否处理实际问题;从科学的视点来说,咱们能够调查某种学说能否经过时刻的检测答复根底的智能问题。

  当年在斯坦福大学读博士的林方线年的AI大争辩并不是真实的争辩。传统AI倾向自顶向下,优先考虑人的高层推理和决议方案进程。Rodney Brooks则发起自下而上,从简略本体开端学习。他的观念与前者并不矛盾,而是一种弥补。这也反映了当年学术界“百家争鸣”的情况,研讨者们纷繁提出自己对 AI 未来开展趋势的见地。当年Nils Nilsson也因此倡议AI研讨应该考虑融合智能本体。这个观念甚至在当年最有影响的AI教课书上都有表现。

  进入 21 世纪,我国在机器学习范畴研讨的前进速度日积月累,呈现出了一大批出色的人工智能科学家,周志华教授便是其间的代表人物之一。

  在周志华教授眼中,人工智能的概念和内在一向在动态开展,今日的“AI”和90年代初的“AI”实质上并不是一回事,当年的AI首要是指“智能行为的符号化建模”这条研讨路途,而且当年的神经网络是“与AI敌对”的事物。

  1991年提出的几个问题,表现的是其时研讨者们对“符号主义”的反思,以及对引进其他路途的考虑。这个论辩的直接成果之一是使得咱们承认了人工智能的“三大主义”(符号主义,衔接主义,行为主义)。

  机器学习的开展现已让现在的AI逾越当年的内在,不能再简略归类为三大主义,例如规则学习和决议方案树大体上能够归入符号主义,神经网络能够归入衔接主义,强化学习和演化学习能够归入行为主义,但计算学习、贝叶斯学习很难归入以往的三大主义。现实上AI已构成五大主义:符号主义,衔接主义,行为主义,频率主义,贝叶斯主义。但回过头来看,它们任何单方面或许都不行,就像机器学习中的集成学习相同,要多方融合集成,兼收并蓄,例如常识推理与机器学习的融合。周志华教授说他个人可谓是“集成主义(ensemblism)者,这是他自己造的一个词。

  现在盛行的深度学习模型大多具有“黑盒特点”,跟着深度学习模型的瓶颈逐步凸显出来,许多学者又将目光投向了逻辑推理。

  杨强教授指出,认知智能和感知智能的开展进程是一个螺旋式替换上升的进程,二者相得益彰。上世纪,咱们研讨人工智能问题,触及的感知表达往往很简略,而考虑的认知进程却十分杂乱。跟着软硬件咱们能够考虑怎么经过研讨感知智能的办法促进对认知智能的研讨,是否能够经过成功的感知体系处理认知问题。

  在张成奇教授看来,图灵测验好像界说了人工智能研讨“只重成果,不看进程”的论调——只需成果到达特定目标,人们就不会有太多质疑和争辩。人工智能研讨开展至今现已快 70 年,但一向没有跳出图灵测验的“范畴”。

  大多数人以为,人类独有的认知才是真实的智能,任何动物都具有的感知不属于智能。所以,前期的人工智能研讨之所以聚集于认知智能,首要是由于咱们以为认知智能是高档智能;其二是由于那时很难明晰地描绘和界说感知。但现在,得益于算力、算法的开展和大数据驱动,感知智能现已相对老练,许多感知智能办法在运用中获得了不错的效果,契合图灵测验的要求。

  可是,感知智能对智能开展的推进效果有限,所以越多越多的人开端寄希望于认知智能,从现在的趋势来看,在深度学习年代,大数据和常识双轮驱动是认知智能获得新打破的一个颇有潜力的途径。

  林方真教授以为,在深度学习盛行的今日,咱们依然需求坚持对常识表明和推理技能的研讨。人工智能是个渐进开展的和交叉学科,需求经过不同的办法处理不同的问题。常识表明和推理是智能的重要柱石,而逻辑则是推理的数学根底。现实上,人类从古希腊时期就开端测验运用逻辑来形式化人类的推理,这是许多哲学家和数学家上千年来的研讨结晶。在林方真教授看来,用神经网络替代逻辑推理的办法并不可行,应结合各种 AI 东西,而不是用某种东西替代其它的东西。

  现在,感知、认知融合技能的融合已逐步成为了一种趋势。怎么完结感知信号、认知推理、行为决议方案之间的递进是融合各个主义学说的关键问题。

  对此,周志华教授以为,作为核算机学科动身的人工智能研讨者,更关怀的是受智能行为的启示处理实际问题,而不用过火拘泥于“认知”“感知”等概念和说法。从技能办法论上看,传统依据逻辑的人工智能首要是依据自顶向下的“演绎”,比较简单使用范畴专家常识,而现在机器学习首要是依据自底向上的“概括”,比较简单使用数据现实,现在差不多是考虑将自顶向下的演绎和自底向上的概括结合起来的时分了,或许能够处理当时的人工智能技能所不能处理的一些问题。

  赵峰教授指出,咱们需求从两个方面考虑各种主义的融合:(1)人与动物的不同。从感知视点来看,有些动物在某种感知模型里,比人愈加灵敏。可是人能够把经验总结下来,构成体系化常识,而且在人与人之间相互传达和沟通这些常识,所以从这个视点来讲,认知行为理论是值得学习的。(2)机器学习。现在机器学习的常识发掘依然限制在根底的“相关”层面,未有用地触及因果关系。现在,学术界和工业界对可解说的 AI、可信 AI 技能的需求日积月累。比较于 30 年前,现在的算力根底和数据预备到达了史无前例的高度,如果把机器学习、结构化常识、认知行为理论有机的结合起来,或许有望打破模型推理的黑盒应战。

  “常识”是人工智能体系发挥效果的重要根底,在周志华教授看来,咱们大致能够经过以下两种办法获取常识:(1)将人类的一些常识和经验总结下来构成常识。该进程一般需求用逻辑表达的办法完结。(2)凭借巨大的互联网,作为人工智能获取常识的来历。经过以上两种办法获取常识的办法各有千秋。人类依据逻辑关系的常识表达精确性高,对人工智能体系十分友爱,从互联网中发掘出的常识,不可防止地会存在许多的噪声和抵触。而互联网中包含的常识量往往更大,获取常识的本钱较低。为了将二者结合起来,或许在某种程度上会献身互联网常识的灵活性,以及逻辑常识的精确性。机器学习或许能够作为结合二者的“粘合剂”。

  杨强教授以为,从搬迁学习的视点来看,以人类为例,人类在儿时获取的常识的首要来历于爸爸妈妈,相当于给小孩赋予了一个预练习模型。经过教育后,人类在“调参”进程中把握了学习的规则和办法。长大后,人类不需求触摸许多事例,就能够经过搬迁学习练习模型,适配新的场景,学会许多新常识。现在,“预练习+调优”的范式在人工智能范畴被广泛运用,这一方向远景十分光亮。

  张成奇教授指出,认知常识和感知常识的结合是很一个久远的研讨课题。人类不需求大数据感知,依据小样本数据就能够完结学习使命,但关于人工智能体系而言,这是一项十分有应战的工作。关于一辆自动驾驭轿车来说,为了了解路途周围的环境,它需求用到感知智能。内行驶进程中,为了防止路途拥堵,规划两个方位之间的途径,需求用到认知智能技能。在把握了认知和感知常识后,它还需肄业习驾驭技能,完结详细的动作,这自身是一件十分难的工作。从现阶段来看,咱们能够测验分隔研讨感知和认知常识。

  但凡过往,皆为序章。自 1991 年“人工智能理论根底大争辩”已曩昔 30 年。30 年来,国际人工智能开展格式敏捷改变,我国的人工智能研讨者们前赴后继,完结了对国际先进国家人工智能技能跟跑、并跑、到领跑的进程。现在,各种学说的相互融合逐步成为了人工智能研讨社区的一致。让咱们一起等待人工智能研讨社区迎来下一个百家争鸣、姹紫嫣红的 30 年。