由工業(yè)和信息化部、江西省人民政府共同主辦的2020世界VR產(chǎn)業(yè)大會云峰會于10月19—20日在南昌舉行。本次大會采取線上線下同步辦會、國際國內(nèi)同時設置會場的形式召開。會上，2018年圖靈獎獲得者、蒙特利爾大學教授Yoshua Bengio（約書亞·本吉奧）以視頻演講的形式發(fā)表了題為“機器學習與訓練框架，加速計算機仿真人類認知”的主旨演講。某種意義上可以說 ，這一輪AI的浪潮是由深度學習算法的成熟帶來的，作為全球深度學習的先驅(qū)，約書亞·本吉奧在演講中表示：“深度學習仍存局限，今天我們?nèi)蕴幱贏I發(fā)展的嬰兒期。”
并非所有事實都能被“語言化”
約書亞·本吉奧在會上公布了他與幾個合作團隊一年多研究出來的最新研究成果，這些成果是關于“知識表示”系統(tǒng)。
我們都說知識就是力量，但是我們該如何用語言描述“知識”這個概念？“知識是一種形式和抽象的概念，不具有實體性，它需要通過一定的載體來表現(xiàn)出來。” 約書亞·本吉奧說。通過載體表現(xiàn)知識的過程是知識表示的步驟之一，而知識表示則是完成知識抽取、知識構建、知識融合后的重要一環(huán)。
世界上存在著很多可以用語言表達的“事實”，或者說“現(xiàn)象”，這些表達方法讓我們用自己的大腦去內(nèi)化，即推理和解釋。但是有的時候，并非所有的事實都能被“語言化”。換句話說，語言并不能完全準確地描述所有的事實與現(xiàn)象，這就是“知識表示”的復雜性。
“知識表示”是指把知識客體中的知識因子與知識關聯(lián)起來，便于人們識別和理解知識。知識表示是知識組織的前提和基礎，任何知識組織方法都是要建立在知識表示的基礎上。
研究知識表示這一具備高度復雜性的概念，到底具備何種實際意義？事實上，知識表示是人工智能研究的一個重要課題，目前人工智能領域已經(jīng)有了很多知識表示的方法，并且也在很多方面取得了廣泛應用。但是與大腦接收，并內(nèi)化知識的方式明顯不同，目前人工智能領域使用的“知識表示”方法尚無法完全仿真人類大腦進行知識抽取的過程。約書亞·本吉奧的觀點以及他正在進行的研究，或許能夠給人們帶來更多啟示。
約書亞·本吉奧所舉的其中兩個例子能夠讓知識表示這一復雜的概念變得相對具體。
“如果我說：‘如果扔一個球，這個球就會掉到地上’。在這句話里，‘如果扔一個球’這句話表示條件，‘就會掉到地上’則表示結論。這句話有著很高的置信度。” 約書亞·本吉奧說。這句話的整個部分就形成了一個規(guī)則，表示的是這一類因果知識，即如果我們拋擲一個球，這個球有可能會掉到地上、桌子上，或者人們能想到的任何地方，而掉到地上的概率會更高。
為什么這句話有很高的置信度？因為萬有引力定律人盡皆知，受地球吸引力影響，球一定會掉到最低的地方。但如果編程人員在設計程序時，沒有引入萬有引力定律這個概念，那么計算機在理解和分析這個場景時并不知道需要加入這個維度。
由此可見，機器很難達到人類大腦一樣的精確識別和觸類旁通。計算機有時很難理解一些人們習以為常的隱性知識、默認常識、經(jīng)驗，或者積累的知識，就像約書亞·本吉奧在演講中所舉的例子一樣。因此，需要通過機器學習架構與訓練框架，讓計算機變得更加智能，越來越接近人類大腦的運行和思維方式。
“假如我定一個規(guī)則，談論‘狗’，他可以談論我的‘狗’，我也可以談論你的‘狗’，還可以是他談論他的‘狗’等，這其中就存在著很多變量。” 約書亞·本吉奧說。為什么會存在這么多變量，談論狗是不變的框架，而主語是變量，存在很多可能性，可以是我，可以是你，還可以是其他人。賓語也存在很多變量，如何把變量變成定量，就需要根據(jù)語境來進行推理，對于人來說這個推理只需要經(jīng)歷幾步，很簡單。但是對于機器來說，需要經(jīng)過很復雜的演繹和推導過程才能達到。
構建“類人腦”認知系統(tǒng)道阻且長
目前深度學習仍有一定局限性。約書亞·本吉奧希望構建真正理解對象所處環(huán)境，且能根據(jù)語言環(huán)境理解語義的系統(tǒng)。
尋找更多有關鍵意義的人類思維特征與肌理，將有助于計算機更接近人類的認知。對此，約書亞·本吉奧談到了另外一個非常有意思的事情：“我們來看看人類是如何做推理的。人類的推理每一次都涉及一個思想，每一個思想又涉及到幾個變量。我們每次關注的焦點其實是從這幾個變量，轉到另外幾個變量中的。有的時候，這些變量是按順序來轉換的。當多個變量有沖突和競爭關系的時候，我們是按照注意力機制來進行相應的轉換和推理的。所以我們研究人類推理機制時，可以將‘注意力機制’加入高級知識推理的維度。”
約書亞·本吉奧表示，研究機器學習與訓練框架的目的在于提高機器推理演繹的準確度與效率。他期待機器能夠早日更接近人腦的推理和認知過程。
微軟亞洲研究院副院長劉鐵巖曾在接受《中國電子報》記者采訪時表示，在利用AI助力經(jīng)濟智能轉型的路上有三類人，第一類是“搬運工”。他們善于運用外面各種各樣的開源工具，熟悉運用數(shù)據(jù)，能夠利用工具去解決問題。第二類是數(shù)據(jù)科學家。他們對數(shù)據(jù)、對業(yè)務模式有理解，可以組合優(yōu)化甚至是稍稍改變已有的工具解決問題。第三類是AI科學家。搬運工和數(shù)據(jù)科學家所使用的工具是AI科學家發(fā)明的。
約書亞·本吉奧是第三類人。他希望不斷探尋AI領域“蘋果掉到地上”的定律、新的方法論，加速人類利用AI實現(xiàn)智能化的進程。目前人類對于人腦的認知尚處于早期。有一個說法提到，目前人類對于人腦的開發(fā)程度僅為10%。機器接近人腦推理和認知的進程仍然遙遙無期，但是計算機科學家與腦科學家們?nèi)栽谶@條路上不斷探索，希望找到更多更好的算法、發(fā)明新的AI方法論，構建更接近于人類認知與推理的智能系統(tǒng)。
約書亞·本吉奧也非常謙虛，他在演講中表示希望他和團隊正在進行的研究，“能給人們帶來更多的火花，更多的啟迪。”而事實上，作為2018年圖靈獎的獲得者，他被公認為世界領先的AI專家和深度學習先驅(qū)，在深度學習、復現(xiàn)神經(jīng)網(wǎng)絡、概率學習算法、自然語言處理和多元學習領域的研究被廣泛引用。
