客观看待人工智能技术

　　客观看待人工智能技术

　　■高化猛 李巧丽 王永超

　　20世纪50年代，人类开始系统地研究人工智能。近年来，随着大数据、微电子、脑科学、认知科学领域的发展，人工智能获得了长足进步，不但能处理计算、判断、决策等传统问题，而且能够完成听、说、读、写、画等创造性工作。现在，开发人工智能专业应用的人可以不是专业人员，这也和传统有很大不同。例如，开发围棋对弈程序的人可以不是围棋高手。

　　目前，对人工智能存在两种看法，一种认为人工智能无所不能，一种认为人工智能远没有那么科幻，只是一些西方国家的宣传引导。其实，这两种看法都失之偏颇，应该客观看待人工智能技术。

　　一方面，人工智能不能被神化。智能不是神秘的东西，而是平常可见。一只蚂蚁在大自然中能力是很弱的，很可能既找不到吃的，也找不到回家的路。但是蚁群借助气味、协作机制就可以找到通往食物、住处的最优路径，还可以实现筑巢、“放牧”蚜虫等复杂智能行为。一个神经元的能力是很有限的，但数以亿计的神经元在一起，借助复杂的连接和化学物质传递，就可以实现记忆、思考、推理的功能。如果把大脑记忆、思考、推理的机制研究清楚，那么，假如有数以亿计的门电路芯片模拟大脑神经元的工作机制，这些芯片也会有类似人和其他生物的智能。实际上，“蜂群”、生态系统等都有很多智能现象。

　　另一方面，人工智能有基础科学作为支撑。我们知道，计算机的应用是丰富多彩的，但计算机的基础科学并不多，比如编译原理、数据结构、计算机体系结构等。人工智能的基础科学有数理逻辑、人工神经网络、深度学习等，认识人工智能和智能化作战，需要从人工智能的基础科学开始，应该更加重视基础科学。泛泛地浏览相关报道，只会使人对人工智能充满困惑，进而盲目崇拜。

　　以图像识别这个典型的人工智能应用为例，现在的人工智能图像识别功能已非常强大，很多时候甚至超过了人类水平。但是，这个过程仍然是建立在模拟人类图像识别的机理基础之上的。长期研究发现，人类大脑视觉功能中，视网膜接收到的信息非常多，但是视觉系统输送到大脑最终处理的信息要少很多。而且这个处理过程是分层进行的，每一层信息都进行了抽象、综合，最后形成用来决策和识别的少量高价值信息。大致方式是这样的：眼睛先看到景物的像素信息，然后大脑会将大量的信息进行简化，并提取出边缘、颜色等简单特征;之后会将这些特征组合成实体，这些实体与大脑储存的先验知识比对成功后，就识别出远山、湖水、亭台、楼阁等景物。

　　深度学习也是这样工作的。图像的原始像素、位置等数据首先通过输入层传入人工神经网络当中并计算变换，这个功能和人体视觉系统的视网膜类似。之后人工神经网络当中的浅层卷积层会捕捉图像的边缘和颜色等低级特征，这个功能和人体视觉系统中的初级视觉皮层类似。中层卷积层则会将这类特征组合成纹理和一些复杂形状，并识别运动。这个功能和人体视觉系统中的高级视觉皮层类似。然后人工神经网络中的池化层会对这些大量的信息进行简化，输出给深层卷积层。最后，对处理后的信息进行深层卷积，得到特征信息，与已存储的判别信息进行数学比对计算，计算结果符合要求，输出图像识别的结果，这些功能和人体视觉系统中视觉皮层和海马体、额叶的交互学习印证功能类似。深度学习中的人工神经网络的池化层还可以模拟人脑的容错能力，能像人一样“推测后很可能认出来”。比如，图片中猫的耳朵被挡住一半，或者照片中桌子被挡住大部分，在经过池化层处理之后，深度学习仍然能辨认出猫和桌子。

　　人工智能现在已被运用于军事领域，其基本模式是前端通过无人机、机器狗等智能终端参与军事行动，后端采用大模型服务完成智能处理。人工智能基础科学研究提出的算法力、计算机硬件形成的算力、网络基础环境提供的传输力、数据建设形成的数据力等，是人工智能军事应用的基本力量源泉。

　　可以说，随着人工智能技术的不断发展和完善，其在军事中的应用将更加广泛。但是，人工智能技术的开发应用都是有章可循的。在人工智能时代，人仍然是第一位的，是发挥人工智能力量的首要因素。