今年4月以來，支付寶、微信、銀聯(lián)相繼推出了自己的刷臉支付產(chǎn)品，刷臉支付儼然已成為備受青睞的下一個戰(zhàn)場。有數(shù)據(jù)顯示，預計到2022年，人臉支付使用用戶將突破7.6億人。

然而，隨著人臉識別、語音識別等人工智能技術的發(fā)展，其安全問題也日益凸顯。近日，在接受《中國科學報》采訪時，中國科學院院士、清華大學人工智能研究院院長張鈸表示，隨著人臉支付應用場合日益重要、應用規(guī)模日益擴大，其被盜用的潛在風險也越來越大?！盀槭裁吹浆F(xiàn)在還沒有人盜用？是因為獲得的收益太小了，不值得?！?/p>

算法、數(shù)據(jù)和計算是驅動人工智能前進的“三駕馬車”。但是，在香港科技大學講席教授、微眾銀行首席人工智能官楊強看來，就核心算法而言，人工智能距離“現(xiàn)代化”還有很長的路要走。

從初階到現(xiàn)代

在近日于蘇州舉行的第九屆吳文俊人工智能科學技術獎頒獎典禮暨2019中國人工智能產(chǎn)業(yè)年會上，楊強獲得了吳文俊人工智能杰出貢獻獎。在發(fā)表獲獎感言時，浸淫在人工智能領域30多年的他坦言，人工智能研究距離理想目標還有很長的路要走。

他以物理學為例，“物理學的終極目標之一是用一個理論解釋所有的宇宙現(xiàn)象，但當我們打開一本人工智能領域書籍時，會看到里面有各種各樣的算法，而且每一種算法只針對一個現(xiàn)象”。他認為，這種做法類似物理學發(fā)展初期時呈現(xiàn)的現(xiàn)象，而當物理學已發(fā)展到現(xiàn)代物理學時，人工智能未來也應該發(fā)展到現(xiàn)代人工智能，向通用型人工智能理論發(fā)展，用一個理論來解釋N個智能現(xiàn)象。“這是我們應該做的事情?！?/p>

作為中國人工智能學會理事長，中國工程院院士戴瓊海也提出了這樣一個問題：當下人工智能繁榮的背后一定潛藏著隱患。例如，多學科交叉促進了人工智能飛速發(fā)展，但在新方法、新原理、新技術、新應用不斷涌現(xiàn)的同時，“我們應該深入思考，僅只順應這一潮流是否會導致錯失人工智能發(fā)生重大變革的機遇，是否應該將交叉融合從工程層面推進到基礎科學層面”。

結合近兩年來學術界申請國家自然科學基金的情況，國家自然科學基金委員會人工智能處處長吳國政認為，目前人工智能還處于弱人工智能的初級階段。其標志之一是，以目前的基礎理論或核心算法現(xiàn)狀，人工智能在做數(shù)據(jù)標識時主要靠人工、手動，而機器學習的卷積神經(jīng)網(wǎng)絡是100層還是1000層，實際上并沒有科學依據(jù)，還是在“跟著感覺走”。他希望，能夠與學術界和產(chǎn)業(yè)界通力合作，“調(diào)研出人工智能的根本科學問題”。

新問題與新方向

在獲頒2019年度吳文俊人工智能最高成就獎這一獎項后，張鈸很快接受了《中國科學報》采訪。談及作為人工智能核心的算法和算力所存在的問題時，他表示 “深度學習有兩個階段是出人意料的”，一個階段是深度學習剛問世的時候，它在降低相關領域知識要求方面表現(xiàn)出極大的優(yōu)勢。例如，以前做人臉識別，在向計算機輸入信號時要做很多預處理，要花很多時間研究它。而深度學習出來后，輸入原始數(shù)據(jù)就可以了。這就使得剛從事深度學習的人和在這一領域做了很長時間的人沒有區(qū)別?！吧疃葘W習一夜之間就成了大家都能用的工具。這一點是大大出乎大家意料的。”

第二個階段是應用了一段時間之后，發(fā)現(xiàn)這個方法問題很大。張鈸告訴《中國科學報》，這主要體現(xiàn)在四個方面。一是不可信，表現(xiàn)在算法的結果無法解釋。二是不安全，如非常容易受攻擊、被欺騙。三是不可靠，會出現(xiàn)重大錯誤。例如，人類可能會把騾子看成驢，而機器卻可能把石頭看成驢，這導致其在關鍵的時候是不可用的。四是推廣能力差，不能舉一反三。

基于此，張鈸及其團隊提出發(fā)展“第三代人工智能”，即將數(shù)據(jù)驅動和知識驅動結合起來，突破目前人工智能所存在的局限，解決知識自動獲取、表達及推理等三個問題。張鈸告訴記者，“僅靠數(shù)據(jù)是不可能產(chǎn)生智能的。人類智能的基石是知識。如果計算機處理知識的能力達到了人類的水平，那么它的智力就可以達到人類的水平?！?/p>

而在楊強看來，雖然深度學習確實存在短板，例如無法解決數(shù)據(jù)孤島的問題，對于分布式、零散數(shù)據(jù)無法有效利用，但是他認為，深度學習繼續(xù)向前發(fā)展的話，“還是有很多財富可以挖掘”。例如，跟工業(yè)等各行各業(yè)深度結合。而對研究者而言，除了深度學習，也可以另辟蹊徑，如關注小數(shù)據(jù)，分布式、零散數(shù)據(jù)等。

“卡脖子”問題何解

在東南大學儀器科學與工程學院院長宋愛國看來，“人工智能領域‘卡脖子’的關鍵技術還是挺多的”。例如，人工智能是模仿人的感知、認知等智能行為的，但是現(xiàn)在我們對于人的感知和認知機制并不是很清楚。而之所以不清楚，既是科學問題，也有技術瓶頸的原因?！耙驗樵谔綔y人類大腦的思維過程方面，缺乏相應的儀器，使得我們無法獲悉人類思維過程中大腦神經(jīng)元的動態(tài)成像過程?！?/p>

平安集團首席科學家、吳文俊人工智能杰出貢獻獎獲獎者肖京將“卡脖子”技術分為兩種，一種是屬于從0到1的，全世界都沒有解決方案，我們要進行開拓性研究。還有一種是人家有而我們沒有的，例如開源軟件等?！皩嶋H上，在‘卡脖子’領域我們有很多機會，這是我們的機遇?！?/p>

“現(xiàn)在很多學生都在做人工智能方面的工作，而且做得很快，但基本上是用國外的開源軟件，收集的數(shù)據(jù)也都是國外的。這兩方面我們要從根本上加以改變?！睏顝姼嬖V《中國科學報》。他建議，為了解決“卡脖子”問題，我們要多多鼓勵國內(nèi)人工智能從業(yè)者開源并使用他們的軟件，同時提倡貢獻自己用于測試的數(shù)據(jù)集?！斑@些工作往往都是沒有光環(huán)的，失敗的可能性很大，希望各方面都給予他們支持?！?/p>

另外，要有更多的人來做基礎研究?！耙驗楝F(xiàn)在以深度學習為核心的人工智能只是人工智能很窄的一個方面，還有很多新的方向有待我們研究。在國外，很多學者都在從事非常冷門的研究，而這樣的現(xiàn)象在國內(nèi)很少看到。”楊強說。他希望，從事人工智能研究的青年學子們除了計算機知識，還要跨學科學習心理學、認知學、大腦神經(jīng)學、醫(yī)學等方面知識，因為“這樣的人才既具有‘深’的能力，又具有‘廣’的能力，才能更好地進行知識遷移”。