淺談人工智能、機(jī)器學(xué)習(xí)對智能革命的意義

2010年，一個(gè)特殊的年份，也許注定是人類從工業(yè)革命時(shí)代悄然邁入智能革命時(shí)代的轉(zhuǎn)折點(diǎn)。這個(gè)新時(shí)代的初期表象是人們對人工智能技術(shù)摻雜著疑惑、追求（甚至是盲目追求）、驚訝、躁動(dòng)、追概念，甚至也有些許的追星現(xiàn)象。這個(gè)時(shí)代將會(huì)孕育著新科學(xué)的產(chǎn)生和發(fā)展（學(xué)習(xí)科學(xué)（人工智能、機(jī)器學(xué)習(xí)、生物學(xué)習(xí)）、數(shù)據(jù)科學(xué)、數(shù)據(jù)驅(qū)動(dòng)的數(shù)學(xué)、數(shù)據(jù)驅(qū)動(dòng)的信息科學(xué)、數(shù)據(jù)驅(qū)動(dòng)的統(tǒng)計(jì)學(xué)等），并且隨著科學(xué)的發(fā)展逐步回歸理性和系統(tǒng)性，但也會(huì)發(fā)展得更快、更穩(wěn)，產(chǎn)生更深遠(yuǎn)廣泛的影響。能否跟上智能革命（不僅是人工智能）的前進(jìn)步伐將關(guān)系到一個(gè)國家和企業(yè)的生存能力。雖然目前還處于智能革命的前夜，但是人工智能、機(jī)器學(xué)習(xí)、生物學(xué)習(xí)和智能材料的合力將加速智能革命的到來。

人工智能和機(jī)器學(xué)習(xí)的再定位

人工智能、機(jī)器學(xué)習(xí)等技術(shù)和概念的內(nèi)涵不是一成不變的，它隨著歷史的發(fā)展而演化。

機(jī)器學(xué)習(xí)未必就是人工智能

也許把機(jī)器學(xué)習(xí)當(dāng)作人工智能是個(gè)“美麗”的時(shí)代錯(cuò)誤。人工智能強(qiáng)調(diào)的是“人工”創(chuàng)造的“智能”，機(jī)器學(xué)習(xí)是“機(jī)器”自主從數(shù)據(jù)中找出“知識(shí)”。當(dāng)數(shù)據(jù)少、應(yīng)用相對簡單、人能推導(dǎo)以及控制時(shí)，“人工”的特性比較明顯，人們會(huì)認(rèn)為機(jī)器學(xué)習(xí)是人工智能的一部分。這種智能“人工”的創(chuàng)造特性從1950年代到本世紀(jì)初尤其明顯。沒有數(shù)據(jù)，機(jī)器很難學(xué)習(xí)到充分的知識(shí)，人的知識(shí)便在智能的實(shí)現(xiàn)中起到關(guān)鍵和主導(dǎo)作用。因而許多情況下機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的重要輔助工具。 在當(dāng)初人們認(rèn)為機(jī)器智能永遠(yuǎn)附屬于人類和人工智能，不會(huì)超越或挑戰(zhàn)人類智能時(shí)，機(jī)器學(xué)習(xí)無疑是人工智能的一部分。

然而隨著數(shù)據(jù)量、數(shù)據(jù)復(fù)雜度和應(yīng)用復(fù)雜度指數(shù)式增長，機(jī)器學(xué)習(xí)有望獨(dú)立于人工智能。各種應(yīng)用和各種數(shù)據(jù)有其自我特征和規(guī)律，機(jī)器學(xué)習(xí)科學(xué)的建立將有助于更加科學(xué)地實(shí)現(xiàn)機(jī)器學(xué)習(xí)，也幫助（以人工神經(jīng)網(wǎng)絡(luò)技術(shù)為主的）機(jī)器學(xué)習(xí)和人工智能跳出“15年魔幻周期”。雖然其中也有人工參與和應(yīng)用這種科學(xué)和技術(shù)，但并不能因此就把另外一個(gè)機(jī)器學(xué)習(xí)“世界”歸為人工智能。就像物理世界有其規(guī)律，當(dāng)人類社會(huì)發(fā)現(xiàn)物理定律，了解物理世界，進(jìn)而利用物理定律改變世界，我們并不能因此說物理世界是人工創(chuàng)造的。

尤其在最終實(shí)現(xiàn)無監(jiān)督學(xué)習(xí)和機(jī)器學(xué)習(xí)能力能自我進(jìn)化的情況下，人工賦予的智能可能在整個(gè)機(jī)器學(xué)習(xí)世界中顯得幾乎微不足道。 隨著時(shí)間的推移，人工智能和機(jī)器學(xué)習(xí)的區(qū)別就會(huì)越來越明顯，二者又相互促進(jìn)。機(jī)器學(xué)習(xí)的發(fā)展很大程度上來自數(shù)據(jù)科學(xué)和相關(guān)應(yīng)用的驅(qū)動(dòng)，直接的表現(xiàn)又好像是人工智能的發(fā)展和成就，人工智能和數(shù)據(jù)科學(xué)的發(fā)展也使機(jī)器學(xué)習(xí)變得更科學(xué)有效。 從長遠(yuǎn)來說，人類也許要為一個(gè)可控的“人工智能”和最終充滿不確定性的“機(jī)器學(xué)習(xí)”時(shí)代的到來提前做好準(zhǔn)備。

智能依賴于數(shù)據(jù)、算法和運(yùn)算能力（速度、空間）的動(dòng)態(tài)關(guān)系人工智能離不開高效的計(jì)算環(huán)境、大數(shù)據(jù)和好的學(xué)習(xí)算法，這些條件從2010年開始同時(shí)得到滿足。即使面對簡單的應(yīng)用，目前大部分實(shí)現(xiàn)還是基于復(fù)雜的計(jì)算能力和大量的數(shù)據(jù)。這種實(shí)現(xiàn)其實(shí)是不可持續(xù)的。也許不久的將來，面對較為復(fù)雜的應(yīng)用，許多實(shí)現(xiàn)也不必依賴于超算環(huán)境和大數(shù)據(jù)。數(shù)據(jù)是不可或缺的，但數(shù)據(jù)太多也會(huì)產(chǎn)生過擬合，算法是解決學(xué)習(xí)問題的關(guān)鍵，高效的算法使得人工智能和機(jī)器學(xué)習(xí)對大數(shù)據(jù)和超算環(huán)境的依賴度有所下降。數(shù)據(jù)、算法和運(yùn)算能力（運(yùn)算速度、空間）在人工智能的實(shí)現(xiàn)中保持一個(gè)動(dòng)態(tài)的三角關(guān)系。目前許多應(yīng)用、實(shí)現(xiàn)和產(chǎn)業(yè)資金都高度集中于數(shù)據(jù)和運(yùn)算能力，使得這個(gè)三角關(guān)系顯得相對不平衡，存在不穩(wěn)定因素和系統(tǒng)風(fēng)險(xiǎn)。一旦智能算法有進(jìn)展，也許會(huì)在某些人工智能細(xì)分領(lǐng)域造成塌方效應(yīng)。

深度學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)的意思其實(shí)不是不變的，它的本意是動(dòng)態(tài)發(fā)展的。最初的深度學(xué)習(xí)基本意思是聚焦于區(qū)別于誤差反向傳遞算法（Backpropogation）那種打包式的黑箱（black-box）學(xué)習(xí)方法，使用多層網(wǎng)絡(luò)的“庖丁解?！钡摹吧顚哟巍钡陌紫洌╳hite-box）學(xué)習(xí)（比如用卷積神經(jīng)網(wǎng)絡(luò)和自編碼）組成多層結(jié)構(gòu)。再后來發(fā)展到幾個(gè)主要神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的組合也歸納為深度學(xué)習(xí)?？梢哉f早期的深度學(xué)習(xí)是人工神經(jīng)網(wǎng)絡(luò)技術(shù)體系下的一個(gè)特例?，F(xiàn)在出現(xiàn)一種趨勢：深度學(xué)習(xí)已不再局限于神經(jīng)網(wǎng)絡(luò)范疇，多種學(xué)習(xí)算法的組合即是深度學(xué)習(xí)。

這樣反而有讓深度學(xué)習(xí)失去聚焦點(diǎn)的可能，不禁讓人有疑問：5年后還有沒有深度學(xué)習(xí)的必。早期當(dāng)數(shù)據(jù)少、應(yīng)用簡單時(shí)，人們通常只用單一學(xué)習(xí)方法或加一個(gè)預(yù)處理。在現(xiàn)實(shí)應(yīng)用中，多種機(jī)器學(xué)習(xí)算法的組合本是機(jī)器學(xué)習(xí)解決現(xiàn)實(shí)問題的基本思路和策略。

深度學(xué)習(xí)和“類腦”學(xué)習(xí)機(jī)制

深度學(xué)習(xí)是不是“類腦”學(xué)習(xí)機(jī)制？從網(wǎng)絡(luò)結(jié)構(gòu)的敏感性、人工的干預(yù)、并行和硬件的實(shí)現(xiàn)、實(shí)時(shí)性、對大數(shù)據(jù)的要求、對精度的追求以及在學(xué)習(xí)機(jī)制中出現(xiàn)的“雞”和“蛋”議題看，答案應(yīng)該都是否定的。 另一方面，可以從理論上證明在許多方面，深度學(xué)習(xí)和生物學(xué)習(xí)機(jī)制其實(shí)是矛盾的，比如深度學(xué)習(xí)依賴于神經(jīng)元和鏈接的精確耗時(shí)調(diào)整，而這使得深度學(xué)習(xí)不利于多任務(wù)同步、記憶遷移和進(jìn)化。 然而這不能否定深度學(xué)習(xí)是個(gè)好的人工智能技術(shù)。（智能）機(jī)器和人運(yùn)行的是兩個(gè)（智能）函數(shù)和，兩者不必一樣，即使兩者在某些應(yīng)用中的智力收斂到一點(diǎn)。

生物學(xué)習(xí)和生物智能潛能的探索

人工智能和生物智能

歷史有時(shí)是驚人的巧合，當(dāng)人們驚嘆于人工智能和機(jī)器智能的巨大潛力、為人工智能和機(jī)器智能許多超越人類能力所震撼時(shí)，人類對生物學(xué)習(xí)機(jī)制的探索也在加速進(jìn)行。 總體而言，研究和探索機(jī)器智能和生物智能在歷史巧合中同步進(jìn)行，二者又互相支持，這在過去的近70年間，甚至幾年前還只是一個(gè)夢想，如今機(jī)器智能和生物智能的關(guān)聯(lián)性竟然如此緊密。 一方面對生物學(xué)習(xí)機(jī)制的了解有助于機(jī)器學(xué)習(xí)和人工智能的發(fā)展（比如最典型的是日本人Fukushima根據(jù)貓的視覺系統(tǒng)提出的Neocognition網(wǎng)絡(luò)結(jié)構(gòu)及其特例卷積神經(jīng)網(wǎng)絡(luò)），機(jī)器學(xué)習(xí)和人工智能的發(fā)展也有助于對生物學(xué)習(xí)機(jī)制的了解。

同時(shí)根據(jù)超限學(xué)習(xí)機(jī)理論，也許有類似的學(xué)習(xí)算法存在于生命體智能和非生命體智能，只是生命體智能和非生命體智能二者的組成材料不同而已。智能不一定受限于其載體（材料）。

生物學(xué)習(xí)系統(tǒng)和自然界的相似性

根據(jù)超限學(xué)習(xí)機(jī)理論，學(xué)習(xí)（包括生物學(xué)習(xí)和機(jī)器學(xué)習(xí)）可以不依靠調(diào)整神經(jīng)元來實(shí)現(xiàn)。（生物的或人工的）神經(jīng)元與具體的訓(xùn)練數(shù)據(jù)無關(guān)。這一學(xué)習(xí)理論后來在2013年和2015年分別在老鼠和猴子的大腦中被發(fā)現(xiàn)。這一發(fā)現(xiàn)徹底顛覆了傳統(tǒng)生物學(xué)習(xí)對于神經(jīng)元調(diào)整可能是學(xué)習(xí)關(guān)鍵的認(rèn)知。 隨機(jī)神經(jīng)元和隨機(jī)連接可能是實(shí)現(xiàn)不依靠調(diào)整隱藏神經(jīng)元來學(xué)習(xí)這一學(xué)習(xí)機(jī)制的兩種特殊方式。神經(jīng)元也可以從它們的祖先那里遺傳或從其它系統(tǒng)遷移繼承而來。 整體來說，整個(gè)活躍的大腦都是結(jié)構(gòu)化的、有序的，但它們在某一特定的層或者大腦神經(jīng)元薄片上或許是隨機(jī)的、非結(jié)構(gòu)化的。令人感到驚奇的是，大腦作為宇宙中最復(fù)雜的物體之一，竟然和整體結(jié)構(gòu)化但是局部滿是隨機(jī)布朗運(yùn)動(dòng)的物理世界如此相似，二者之間竟然有如此強(qiáng)的相似性！生物學(xué)習(xí)正是因?yàn)槠淙值慕Y(jié)構(gòu)化構(gòu)造與局部的隨機(jī)性的共存才能如此地完美。

智能革命的前夜

人工智能真空填補(bǔ)期

機(jī)器學(xué)習(xí)和人工智能目前基本還是處于發(fā)展初期，只能通過大數(shù)據(jù)和超高效運(yùn)算環(huán)境帶來的產(chǎn)業(yè)機(jī)會(huì)，實(shí)現(xiàn)以前由于數(shù)據(jù)匱乏和運(yùn)算資源有限而不能實(shí)現(xiàn)的應(yīng)用，基本屬于快速的“真空填補(bǔ)期”。新產(chǎn)品新創(chuàng)意層出不窮。這就有點(diǎn)像餓極了的狼（產(chǎn)業(yè)界）突然面前有成群結(jié)隊(duì)的羔羊（數(shù)據(jù)）出現(xiàn)一樣，幾乎是逮到羔羊便是機(jī)遇。

黎明前的黑暗

同時(shí)從歷史發(fā)展看，機(jī)器學(xué)習(xí)和人工智能又處于黎明前的黑暗期，雖然表面看上去華麗多彩，背后卻是大量資源的消耗和“血拼”，暗示著這種研發(fā)的局限性和不可持續(xù)性?，F(xiàn)有流行的人工智能方法在許多看似簡單的應(yīng)用上也要用上幾十塊GPU（幾萬到幾十萬核）訓(xùn)練幾天甚至幾十天，許多公司和學(xué)校能承擔(dān)這種高昂的資源成本。25年前，面對誤差反向傳遞算法（Backpropogation）普天下調(diào)參，15年前，面對支持向量機(jī)（SVM）普天下調(diào)參，基本都是10年一個(gè)“波瀾壯闊”的調(diào)參周期，最近幾年面對深度學(xué)習(xí)普天下又開始了新的調(diào)參周期。

人工智能大爆發(fā)

每次“痛苦”經(jīng)歷也許預(yù)示著新的技術(shù)呼之欲出。綜觀過去60多年的歷史，機(jī)器學(xué)習(xí)和人工智能本身就遵循一個(gè)螺旋式上升的發(fā)展過程，在2020前后可能新的一波機(jī)器學(xué)習(xí)技術(shù)要興起，突出表現(xiàn)為：

●機(jī)器學(xué)習(xí)從云端走向各類本地智能終端、傳感器、設(shè)備，云端機(jī)器學(xué)習(xí)和本地機(jī)器自主學(xué)習(xí)有機(jī)融合；

●機(jī)器學(xué)習(xí)算法本身不再只依賴于GPU的支撐，但GPU等卻可以實(shí)現(xiàn)眾多智能系統(tǒng)在云端的同步協(xié)同，GPU等在人工智能和機(jī)器學(xué)習(xí)中繼續(xù)扮演重要的角色；

●基于神經(jīng)形態(tài)，FPGA和光技術(shù)的芯片開始在普適學(xué)習(xí)、普適智能中顯現(xiàn)魅力；

●機(jī)器學(xué)習(xí)也許不需要特別“深度”，理論上講5～8層神經(jīng)網(wǎng)絡(luò)具有普適學(xué)習(xí)能力；

●無監(jiān)督學(xué)習(xí)理論和應(yīng)用可能有突破性發(fā)展；

●機(jī)器學(xué)習(xí)不必依賴于大數(shù)據(jù)，小樣本學(xué)習(xí)技術(shù)的吸引力不可小覷，但數(shù)據(jù)始終是個(gè)重要的資源。

智能革命

一萬年前新石器革命預(yù)示著農(nóng)業(yè)時(shí)代的到來，250年前的瓦特改良蒸汽機(jī)推進(jìn)了工業(yè)革命，6年前（2010年）蘋果公司創(chuàng)辦人Steve Jobs（史蒂夫·喬布斯）推出的iPhone4則撬動(dòng)了“智能革命”，人類和其它非生命體從此邁向漫長的合二為一的“智能社會(huì)”。 iPhone 4之所以掀開了“智能革命”時(shí)代，原因之一是人類還在探索如何實(shí)現(xiàn)普適智能和如何實(shí)現(xiàn)智能傳感器時(shí)，它已經(jīng)首先把人類變成了超級(jí)智能傳感器，從此人類、機(jī)器、虛擬世界、實(shí)體世界通過網(wǎng)絡(luò)無縫銜接，促進(jìn)了大數(shù)據(jù)的產(chǎn)生和對大數(shù)據(jù)分析的需求，大數(shù)據(jù)的產(chǎn)生和分析需求進(jìn)而推動(dòng)了人工智能和機(jī)器學(xué)習(xí)的爆發(fā)。

智能革命的10大影響

如果說農(nóng)業(yè)革命起源于人類有意識(shí)的栽種，工業(yè)革命起源于人類了解自然規(guī)律進(jìn)而制造和運(yùn)用機(jī)器取代人力，智能革命也許起源于人類探索和使用非生命體智能。人類學(xué)會(huì)了栽種催生了農(nóng)業(yè)革命，制造和運(yùn)用機(jī)器取代人力催生了工業(yè)革命，創(chuàng)造和使用智能則迎來了智能革命。

1)數(shù)據(jù)驅(qū)動(dòng)的科學(xué)和工程學(xué)（數(shù)學(xué)、信號(hào)處理等）

以前經(jīng)典的物理學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、信號(hào)處理、天文學(xué)等大都建基于對事物本身的了解、相互關(guān)系和邏輯推理。有許多事物的本質(zhì)也許未知，但可能它們的表象已經(jīng)或以后可能反映在不同的數(shù)據(jù)中，通過數(shù)據(jù)分析事物的本質(zhì)和規(guī)律也會(huì)變得越來越重要。由此需要數(shù)據(jù)驅(qū)動(dòng)的相關(guān)科學(xué)和工程學(xué)支撐。

2)人工智能和機(jī)器學(xué)習(xí)的分化

人工智能強(qiáng)調(diào)更多的是根據(jù)人的經(jīng)驗(yàn)規(guī)則衍生的智能，機(jī)器學(xué)習(xí)應(yīng)該更注重于機(jī)器本身找尋數(shù)據(jù)背后的規(guī)律和模型。 隨著人工智能和機(jī)器學(xué)習(xí)的飛速發(fā)展，機(jī)器（廣義的講包括包括各種傳感器/感知器）也會(huì)自我學(xué)習(xí)、復(fù)制、推理、決策、有感情和認(rèn)知，人類的經(jīng)驗(yàn)規(guī)則在機(jī)器智能中的重要性，長期看（10年，50年……）有下行的可能。因而隨著人工智能和機(jī)器學(xué)習(xí)的發(fā)展，深度學(xué)習(xí)這種依賴于大量人力和人類先驗(yàn)知識(shí)（調(diào)參等）技術(shù)的人工智能性質(zhì)會(huì)逐步強(qiáng)于它的機(jī)器學(xué)習(xí)性質(zhì)。

3)智能從云端走向世界

早期的人工智能由于缺少算法和智能芯片技術(shù)的支持，大部分人工智能實(shí)現(xiàn)只能依賴于超算環(huán)境、大數(shù)據(jù)在云端實(shí)現(xiàn)。 隨著高效算法的出現(xiàn)和智能芯片技術(shù)的提高，低功耗微智能芯片將成為可能，智能正在從云端走向世界的各個(gè)角落、各個(gè)事物,智能成為可能。智能實(shí)現(xiàn)將不再是“富人”的專屬。

4)智能材料

蛋白質(zhì)和碳水化合物將不再是智能的唯一載體。 其它的智能材料也逐步呈現(xiàn)和被挖掘，這些智能材料有的已經(jīng)出現(xiàn)，以后也許還會(huì)有新的智能材料陸續(xù)被發(fā)現(xiàn)。

5)機(jī)器智能和進(jìn)化論（機(jī)器的進(jìn)化、人的減少、人的工作時(shí)間縮短）

人工智能和達(dá)爾文的進(jìn)化論有沒有關(guān)聯(lián)？也許許多人認(rèn)為二者沒有本質(zhì)聯(lián)系、沒有太多的關(guān)聯(lián)。 在機(jī)器學(xué)習(xí)邁向無監(jiān)督學(xué)習(xí)、自主學(xué)習(xí)，在機(jī)器智能將來形成自主智能時(shí)，機(jī)器智能本身也可以適應(yīng)達(dá)爾文的進(jìn)化論，具有進(jìn)化能力，逐步適應(yīng)環(huán)境、適者生存。 也許將來人類也會(huì)由于適應(yīng)機(jī)器智能帶來的互補(bǔ)和競爭呈現(xiàn)人口減少的趨勢，畢竟許多人類活動(dòng)會(huì)逐步由機(jī)器取代。

6)智能物聯(lián)網(wǎng)和新經(jīng)濟(jì)模式

相對于農(nóng)業(yè)革命和工業(yè)革命，智能革命的影響也許更加深遠(yuǎn)。歷史上每一次重大技術(shù)革命都會(huì)推動(dòng)新經(jīng)濟(jì)模式的誕生?，F(xiàn)在的經(jīng)濟(jì)模式大都需要人的參與，是以人為核心的經(jīng)濟(jì)模式。以后也許會(huì)迎來智能物聯(lián)網(wǎng)推動(dòng)的智能物社會(huì)經(jīng)濟(jì)模式。比如一個(gè)新的電商模式也許是：機(jī)器人助理根據(jù)主人的口味訂某類牛扒，食品倉庫中的機(jī)器人在收到訂單后就會(huì)把預(yù)約的牛扒送到運(yùn)貨車上，自動(dòng)駕駛運(yùn)貨車就會(huì)把牛扒送到客戶家，客戶家的家庭保姆機(jī)器人會(huì)把預(yù)訂的牛扒取下送到廚房，廚房機(jī)器人會(huì)根據(jù)主人的愛好烹飪好牛扒，主人的保姆機(jī)器人也就可以給主人呈上美味的牛扒。再過20年，許多人類工作也許會(huì)被機(jī)器取代。 因此，從長遠(yuǎn)說，能否在人工智能技術(shù)上占有先機(jī)和領(lǐng)先優(yōu)勢也許會(huì)決定一個(gè)國家和企業(yè)的生存能力。

7)銜接機(jī)器學(xué)習(xí)和生物學(xué)習(xí)（催生新醫(yī)療方案、新藥等）

機(jī)器學(xué)習(xí)和生物學(xué)習(xí)看似不相關(guān)。隨著人類對生物學(xué)習(xí)機(jī)制的了解深入和機(jī)器學(xué)習(xí)的發(fā)展，二者在某種程度上存在相關(guān)性和收斂性。這種相關(guān)性和收斂性也會(huì)幫助人類發(fā)明新醫(yī)療方案、研制新藥等。

8) 智能拐點(diǎn)

根據(jù)達(dá)爾文進(jìn)化論，人類個(gè)體的智能也許到達(dá)歷史的峰值附近，還有部分增加的空間。另一方面，機(jī)器智能只是剛剛被啟動(dòng)，機(jī)器智能的爆發(fā)期還沒有到來，將來也許非生命體智能的總指數(shù)會(huì)超過生命體智能。 善用機(jī)器智能，無疑會(huì)使加富于人類在機(jī)器智能的輔助下變得更加富于智慧。

9)智慧星際旅行、時(shí)光倒轉(zhuǎn)

隨著技術(shù)的發(fā)展，智能可以存在于非生命體載體，最后首先實(shí)現(xiàn)星際旅行的也許是“智能”（進(jìn)而是“智慧”）而不是人。最終也許是“智能”而不是人穿越時(shí)光隧道，甚至?xí)r光倒轉(zhuǎn)。

10) 倫理、“智控”

人類的“智慧”就是這么矛盾：當(dāng)機(jī)器學(xué)習(xí)還是以有監(jiān)督為主，機(jī)器的智能多少比較容易“受控”。人類在追求無監(jiān)督學(xué)習(xí)。 當(dāng)機(jī)器真能全面走向無監(jiān)督學(xué)習(xí)，人類就很難指望機(jī)器會(huì)自動(dòng)學(xué)習(xí)對人類有用的東西，照著人類的夢想前進(jìn)，機(jī)器就極有可能自我學(xué)出對人類有害的東西和行為。 雖然機(jī)器智能可以幫助人類，但是機(jī)器智能和人類智能的交融也可能產(chǎn)生負(fù)面的結(jié)果，甚至引起倫理、道德問題。 “智控”已經(jīng)是個(gè)嚴(yán)肅的事情，同時(shí)倫理問題也不再遙遠(yuǎn)。

編輯：黃飛

?