從2006年加拿大Hinton教授提出深度學(xué)習(xí)技術(shù)開(kāi)始，到2012年ImageNet競(jìng)賽在圖像識(shí)別領(lǐng)域帶來(lái)的突破，如今，人工智能的第三次發(fā)展浪潮到來(lái)。

不同于80年代隨著神經(jīng)網(wǎng)絡(luò)而來(lái)的技術(shù)進(jìn)步無(wú)法走進(jìn)現(xiàn)實(shí)的困境，這一次的發(fā)展浪潮真正帶來(lái)了技術(shù)的落地，商業(yè)化道路也走得更加順暢。

隨后的每一年，人工智能技術(shù)都在突飛猛進(jìn)地發(fā)展，應(yīng)用成果如雨后春筍般涌現(xiàn)。海量的數(shù)據(jù)，不斷優(yōu)化的算法，以及與之匹配發(fā)展的計(jì)算機(jī)運(yùn)算能力，都為更多的發(fā)展可能性及應(yīng)用可能性提供了廣闊的舞臺(tái)。

而隨著人工智能在越來(lái)越多的方面落地，人們?cè)絹?lái)越多地感受到人工智能對(duì)于生活的改變，接受程度逐漸提升。

1、人機(jī)融合智能

除了技術(shù)產(chǎn)品化的道路拓寬以外，當(dāng)下的人工智能還有許多亟待發(fā)展和研究的方向。它的以下特點(diǎn)推動(dòng)它在第三次發(fā)展浪潮中前往更具突破性的階段，分別為：從人工知識(shí)表達(dá)技術(shù)到大數(shù)據(jù)驅(qū)動(dòng)知識(shí)學(xué)習(xí)；從處理單一的數(shù)據(jù)到跨媒體認(rèn)識(shí)、學(xué)習(xí)和推理；從追求“機(jī)器智能”到邁向人機(jī)混合的增強(qiáng)智能；從聚焦“個(gè)體智能”到基于互聯(lián)網(wǎng)絡(luò)的群體智能；從機(jī)器人到自主無(wú)人系統(tǒng)。

其中，人機(jī)混合的增強(qiáng)智能即為將人類智能與人工智能進(jìn)行結(jié)合，邁向新的智能階段，此為人機(jī)融合智能。近年來(lái)，人機(jī)融合越來(lái)越成為人工智能領(lǐng)域的熱詞。

2018年10月11日，美國(guó)“防務(wù)一號(hào)”網(wǎng)站發(fā)表刊文表示美國(guó)軍方高級(jí)情報(bào)員越來(lái)越擔(dān)心中國(guó)在人工智能等“提升人類效率”方面的研究。

美國(guó)國(guó)防情報(bào)局（DIA）局長(zhǎng)羅伯特·阿什利（Robert Ashley）在舉行的美國(guó)陸軍協(xié)會(huì)（Association of the U．S． Army）年度會(huì)議上表示，“人機(jī)融合”是顛覆性技術(shù)的一個(gè)“關(guān)鍵領(lǐng)域”，將會(huì)影響美國(guó)的國(guó)家安全。他認(rèn)為“中國(guó)在研究神經(jīng)網(wǎng)絡(luò)和人工智能方面所作的努力是一個(gè)分階段的過(guò)程，希望最終達(dá)到‘人與機(jī)器的融合’的程度”。

圖1 機(jī)器人向著人機(jī)融合的方向發(fā)展

Fig． 1 Robot is developing towards the direction of human－machine fusion

在人工智能研究的領(lǐng)域，更快的計(jì)算并不是我們希望達(dá)到的最終目的，而讓計(jì)算機(jī)變得越來(lái)越與人融合，最終達(dá)到人機(jī)融合智能，才是最終的發(fā)展方向。當(dāng)前人工智能雖然普及了眾多的應(yīng)用形式，但是依然以計(jì)算為中心、難以突破意識(shí)壁壘，而能夠融合意識(shí)與計(jì)算特性的人類智能和人工智能融合智能體，即為人機(jī)融合智能。

人機(jī)融合智能研究是智能技術(shù)發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術(shù)研究，也包括機(jī)器與人、機(jī)器與環(huán)境及人、機(jī)、環(huán)境之間關(guān)系的探索。人機(jī)融合智能研究不僅僅要考慮機(jī)器技術(shù)的高速發(fā)展，更要考慮交互主體－人類的思維與認(rèn)知方式，讓機(jī)器與人類各司其職，互相促進(jìn)，這才是人工智能真正的前景與趨勢(shì)。

2 、群體智能

在上文中提到的人工智能發(fā)展的特點(diǎn)中，人工智能是從聚焦“個(gè)體智能”到基于互聯(lián)網(wǎng)絡(luò)的群體智能。群體智能是源于對(duì)螞蟻、蜜蜂等為代表的社會(huì)性昆蟲(chóng)的群體行為的研究，最早被用在細(xì)胞機(jī)器人系統(tǒng)的描述中。它具有分布式無(wú)中心的控制，并且群體自組織性。

在自然界中，集群的方式可以讓簡(jiǎn)單的生物展現(xiàn)出驚人的復(fù)雜性、效率甚至創(chuàng)造力。在人工智能領(lǐng)域，可以通過(guò)這種方法產(chǎn)生一種新的智能，像超級(jí)專家一樣“共同思考”。通過(guò)隨機(jī)擴(kuò)散搜索、蟻群優(yōu)化、粒子群優(yōu)化等算法，群體智能已應(yīng)用在了無(wú)線通信、醫(yī)療、無(wú)人駕駛、藝術(shù)創(chuàng)作等方面［8］。

如今，Unanimous A．I．公司就在致力于研究群體智能，希望能夠?qū)��?shù)百人的知識(shí)、智慧、洞察以及知覺(jué)通過(guò)算法連接起來(lái)。該公司研制的SWARM平臺(tái)等軟件可以通過(guò)實(shí)時(shí)閉環(huán)控制系統(tǒng)將分布式網(wǎng)絡(luò)組織成“人群”，能夠聚集人類參與者的集體智慧以得出意見(jiàn)。它成功預(yù)測(cè)了奧斯卡，超級(jí)碗比賽，以及法國(guó)大選的結(jié)果［9］。該系統(tǒng)對(duì)2017－2018賽季20周的NHL曲棍球比賽進(jìn)行了預(yù)測(cè)，得到了85％的成功率，超過(guò)了維加斯博彩市場(chǎng)的22％。除了比賽和票選等預(yù)測(cè)活動(dòng)，該群體智能方法還應(yīng)用到了醫(yī)療領(lǐng)域，其診斷肺炎的準(zhǔn)確率比單獨(dú)工作的放射科醫(yī)生團(tuán)隊(duì)高出22％。

圖2 進(jìn)行肺炎診斷的ASI（人工群體智能）

Fig． 2 ASI（Artificial Swarm Intelligence） in the diagnosis of pneumonia

3 、認(rèn)知計(jì)算

認(rèn)知是人與世界交互的重要過(guò)程，認(rèn)知計(jì)算旨在模仿人類大腦的計(jì)算系統(tǒng)，讓計(jì)算機(jī)像人一樣認(rèn)知和思考。只有實(shí)現(xiàn)了認(rèn)知計(jì)算，才能真正實(shí)現(xiàn)可以學(xué)習(xí)并與人類自然交互的系統(tǒng)。從20世紀(jì)開(kāi)始，人們通過(guò)單一用途的機(jī)械系統(tǒng)指示機(jī)器的行動(dòng)，此為“制表時(shí)代”；在20世紀(jì)50年代進(jìn)入了“編程時(shí)代”，人們通過(guò)編程的方式控制計(jì)算設(shè)備；從2011年起，人們就將認(rèn)知計(jì)算列為了人工智能發(fā)展的目標(biāo)，開(kāi)始進(jìn)入“認(rèn)知時(shí)代”。在群體智能方面，我們借鑒了螞蟻等生物的啟示，而在認(rèn)知計(jì)算里，我們依然要聚焦于生物，研究認(rèn)知的整個(gè)過(guò)程。在認(rèn)知計(jì)算中，系統(tǒng)通過(guò)大規(guī)模的學(xué)習(xí)，有目的、理性、自然地與人類進(jìn)行互動(dòng)。認(rèn)知計(jì)算讓機(jī)器不僅僅通過(guò)編程來(lái)執(zhí)行指令，而是通過(guò)與人類的互動(dòng)以及它們對(duì)環(huán)境的體驗(yàn)來(lái)學(xué)習(xí)和推理。它能夠模擬人類的思維過(guò)程，理解世界的模糊性和不確定性。通過(guò)權(quán)衡來(lái)自多個(gè)來(lái)源的信息和想法，進(jìn)行推理并提供假設(shè)。

IBM的Watson系統(tǒng)是其中最有名的認(rèn)知系統(tǒng)。它通過(guò)篩選大量的數(shù)據(jù)庫(kù)獲取信息，以問(wèn)答的形式幫助用戶回答對(duì)復(fù)雜問(wèn)題的見(jiàn)解。通過(guò)認(rèn)知計(jì)算的方式，它可以不斷地從用戶互動(dòng)中獲取數(shù)據(jù)，變得更加聰明。它目前已經(jīng)成為了一個(gè)具有認(rèn)知計(jì)算能力的生態(tài)系統(tǒng)，可不斷地衍生出各種行業(yè)解決方案，被應(yīng)用于醫(yī)療、天氣預(yù)測(cè)法律顧問(wèn)等方面。今年該平臺(tái)被用在了教育領(lǐng)域，瑞典的一個(gè)研究小組開(kāi)發(fā)出了一個(gè)使用IBM Watson系統(tǒng)的學(xué)習(xí)并行編程的助手，在實(shí)際教學(xué)實(shí)驗(yàn)中獲得了學(xué)生的好評(píng)。

認(rèn)知計(jì)算的發(fā)展需要我們不斷地對(duì)人的認(rèn)知過(guò)程進(jìn)行研究。其中，態(tài)勢(shì)感知的研究也屬于認(rèn)知計(jì)算領(lǐng)域。態(tài)勢(shì)感知將人的認(rèn)知過(guò)程分為三個(gè)獨(dú)立的層次，分別為：對(duì)環(huán)境中元素的感知，對(duì)當(dāng)前形勢(shì)的理解，對(duì)未來(lái)狀況的預(yù)測(cè)［15］。通過(guò)建模和結(jié)構(gòu)化的思想，可以將人的認(rèn)知過(guò)程量化為態(tài)勢(shì)感知程度。除此之外，人們也在不斷的通過(guò)其他方式對(duì)人類的認(rèn)知過(guò)程進(jìn)行量化，試圖通過(guò)計(jì)算機(jī)來(lái)進(jìn)行模擬和計(jì)算。認(rèn)知學(xué)可能是人工智能下一步發(fā)展的突破口。

4 、情感計(jì)算

在計(jì)算機(jī)的認(rèn)知、學(xué)習(xí)、記憶和言語(yǔ)的水平都在逐漸提高的同時(shí)，我們也必須意識(shí)到，讓計(jì)算機(jī)具有能夠感知和理解人的情感，并且針對(duì)人的情感做出相應(yīng)合適反應(yīng)的能力，是讓計(jì)算機(jī)具有更高的、全面的智能的必經(jīng)之路。早在2006年，在Minsky的著作《情感機(jī)器》中就提出“人工智能＝認(rèn)知智能＋情感智能”的說(shuō)法［16］。情感計(jì)算的加入能夠大大拓寬人工智能的應(yīng)用領(lǐng)域。根據(jù)手段的不同，情感計(jì)算研究主要分為基于視覺(jué)，基于語(yǔ)音，基于文本及基于腦補(bǔ)信息和多模態(tài)信息的情感分析。

圖3 通過(guò)多種可穿戴運(yùn)動(dòng)傳感器捕捉微妙的心臟運(yùn)動(dòng)

Fig． 3 Capture subtle cardiac motions by multiple

wearable motion sensors

許多研究機(jī)構(gòu)及情感計(jì)算工具公司都在不斷對(duì)情感計(jì)算領(lǐng)域進(jìn)行探索，例如：麻省理工學(xué)院媒體實(shí)驗(yàn)室，Microsoft VIBE團(tuán)隊(duì)，Emotient公司等。他們力求達(dá)到更精準(zhǔn)的情緒識(shí)別，并且不斷開(kāi)拓新的應(yīng)用領(lǐng)域。

從研究設(shè)備上，由于得到更多樣的可穿戴設(shè)備支持，今年有許多有關(guān)可穿戴設(shè)備進(jìn)行情感測(cè)量的研究涌現(xiàn)，例如：通過(guò)可穿戴設(shè)備獲取運(yùn)動(dòng)心率進(jìn)行情感評(píng)估，或進(jìn)行壓力和睡眠評(píng)估；還有在皮膚布置傳感器的表皮機(jī)器人作為新的可穿戴設(shè)備。

從技術(shù)上，深度學(xué)習(xí)也大量應(yīng)用在了情感計(jì)算上。例如：將CaltureNet方法應(yīng)用于對(duì)自閉癥兒童的面部情感識(shí)別；將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于語(yǔ)音頻譜圖上進(jìn)行語(yǔ)音情感分析。

從情緒的研究上，也有更多針對(duì)心理疾病的專門(mén)研究，例如：自殺沖動(dòng)的數(shù)字化表征研究；能夠影響和參與自閉癥治療的機(jī)器人感知研究。更加多元化的研究方向，以及更加專門(mén)的應(yīng)用領(lǐng)域的研究，標(biāo)志著情感計(jì)算的發(fā)展也在不斷走向成熟。