半岛彩票7月26日，包括多位院士在内的人工智能领域专家学者，以及IT巨头研究院院长等产业界人士，汇聚2015中国人工智能大会，围绕机器学习与模式识别、人工智能与认知科学、智能机器人、大数据的机遇与挑战等前沿命题展开讨论。这些听上去晦涩难懂的学术讨论，从某种程度上可以概括为一句话，即人类正在努力造出智能逼近甚至达到人类水平的机器人。
这当然还比较遥远，但并不影响人们对它的兴趣。即便是在这个国内人工智能领域规模最大、规格最高的科技盛会上，与会者所讨论的，也能唤起一个普通公众对于人工智能的想象以及担忧。如果用一个比喻来形容这场时间定格在2015年的讨论，可以这样表述：科学家们做起了机器人的母亲，目前正处于怀胎阶段，一方面不断学习前沿知识，掌握生孩子的技术；一方面还要时不时地问自己，要不要生这个孩子？如果生下来，是个吃人的妖怪，又该如何？
按照北京大学机器感知与智能教育部重点实验室主任查红彬对于“智能”的理解，人之所以不同于动物，在于后者只顾眼前，而人类却能预测未来，规划行为。包括他在内的人工智能科学家，目前所扮演的，就包括这样一种角色，即为人类预测人工智能的未来发展。
在当天的大会上，中国科学院院士、中国人工智能学会副理事长谭铁牛就试着回答这样一个问题，“有人把人工智能描绘为一种非常有用、天使般的技术，也有的人，感觉人工智能很可怕，那么，人工智能到底是魔鬼还是天使？”
人工智能概念诞生于上世纪50年代，进入21世纪以来，互联网和大数据推动人工智能进入新的春天，相应地，语音识别、图像分类、机器翻译、可穿戴设备、无人驾驶汽车等人工智能技术均取得了突破性进展。
然而，在不少与会专家看来，尽管经过近60年的发展，人工智能已经取得了巨大的进步，但总体上还处于初级阶段，其发展依然可以用“方兴未艾”来形容。
比如，就一些研究方法，甚至研究方式、方向而言，目前都尚无定论。中科院自动化所研究员宗成庆在现场抛出这样一个问题：近年来机器学习方法发展迅速，在不到10年的时间里迁移学习、增强学习、概率图模型、深度学习等方法相继被热捧，而深度学习方法之前的每一种方法都仅持续两三年的时间便黯然失宠，是科学家“喜新厌旧”，还是那些被冷落的方法真的无能为力？
他说，无论哪一种学习方法都是建立在大规模训练样本之上的“赌博”模型，难以做到举一反三。所以很多模型在实际应用的复杂环境中往往不如一个3岁的小孩。毕竟，儿童在学习和理解某些问题时，并非都基于大规模样本，即丰富的经验。这就带来一个疑问：目前的学习方法研究确实是在正确的道路上沿着正确的方向前进吗？
在持续两天的高端会议里，这样的“问号”俯拾即是。这似乎也从一定程度上说明，人类目前在人工智能领域的研究进展，还未达到“人工智能究竟是天使还是魔鬼”的节点，毕竟，人类连真正意义上的人工智能的影子都还没看到。
不过，谭铁牛也表示，从社会学角度研究人工智能的时候也已经到了。他说，虽然现在还远不足以威胁人类生存，但其社会影响应该得到高度重视，“我们的学术团体，包括国家层面，都要把人工智能的社会研究，提到议事日程，未雨绸缪，建立相关的政策和法律法规，避免可能的风险，确保人工智能的正面效应”。
这样的道理同样适用于自然科学领域。套用于人工智能技术，总有某项技术的突破，能使机器人“变身”，尽管我们尚不清楚其变身之后，究竟是魔鬼还是天使。
查红彬更喜欢称之为“奇点”，在他看来，一旦机器人掌握了自主学习，就有可能迎来智能发展的奇点——如果机器人真的能够根据自身发展的需要，自动定义学习的目标，在环境中自主获取学习所需要的数据，产生互动，通过身体能力完成行为学习，甚至建立社会网络，实现知识的积累，那么从某种意义上来说，就是掌握了“自主学习”。
不过，这要以机器能够熟练掌握“感知能力”为前提。但遗憾的是，这一部分恰恰是整个人工智能研究较为薄弱的地方。因为，一旦涉及感知，以及感知的原理，就回到了人类大脑的工作原理问题，而后者对于人类，至今仍是一个黑箱子一样的“谜”。
大会上，中国工程院院士、香港中文大学（深圳）校长徐扬生向人们一一播放了爬树机器人、书法机器人、救援机器人、服务机器人等机器人试验视频，无不令现场公众感到震撼。不过，徐扬生却表示，过去几十年，科学家往往将更多的精力集中在机器人动作的研究上，以实现机器人能像人类一样爬、抓、行、跳，等等，却在真正的“智能”问题上鲜有建树。
他打了一个比方，前50年，我们研究的多是机器人“穿衣服”这个动作，却没有让机器人学会“要不要穿衣服”，即“今天起风了吗”，以及“起风了要不要加衣服”这些动作以外的感知和认知能力。而这些在徐扬生看来，也是最难学到的——定义是不是你的，不是你的肉体，而是你的心脑，这对人类如此，对机器人亦然。
感知，在人工智能领域，往往用“模式识别”这样的术语来代替。正如谭铁牛所说，世上万物，无论是物质的还是精神的，无论是看得见的还是看不见的，都是一种模式。模式识别就是试图用数字化手段将世上万物自动分类识别出来。
但目前人类在这方面的研究差强人意。宗成庆以图像和视频分析为例，这些分析作为模式识别最基础性的问题，在边界分割和模式匹配、检索等方面取得了若干优秀的成果，但是他问与会专家，这些成果在多大程度上体现了“智能”，离真正的“理解”还有多远？
谭铁牛也举了一个例子，“张三吃食堂，李四吃面条，王五吃大碗”，这样的句子，是目前机器翻译不出来的。
大会上，华为诺亚方舟实验室主任李航打了一个有趣的比方，他说，如果把人工智能研究形容为登月，那么，如今有的手段是爬树，有的是登山，但是毫无疑问，深度学习则可以称为“造飞船”。他以神经网络图灵机的出现为例，这个可以模拟人类大脑的短期记忆的机器，外部网络的读写通过外部存储器完成，而在存储记忆之后，通过检索从而执行一些有逻辑性的任务。这向外传递着一种乐观的信号。
不过，从整个人工智能的发展历史来看，这般乐观的局面能否延续下去，还不得而知。
宗成庆就持有警惕的态度:“人工智能是个筐，什么东西都可以往里装。当他‘受宠’的时候，做什么都属于人工智能，当他‘失宠’的时候，人人唯恐避之不及。”
他说，上个世纪80年代中期到90年代中期的时候，人工智能曾一度“受宠若惊”，之后便“臭不可闻”。30多年后的今天，究竟缘何被人们再度热捧——是人工智能有了新的内涵，还是“新瓶装老酒”？
“如果说在过去的30多年里，计算机科学技术有了突破性进展，除了硬件性能的飞跃性提高，人工智能的贡献到底多大，究竟什么是人工智能的核心内容呢，如果抛开自然语言理解、图像视频识别和理解、搜索算法、知识工程等，还有什么呢？”这些问题在宗成庆看来，都需要留给时间来回答。
更为重要的是，从人类的科技发展史来看，有些技术往往被过高地抬举或炒作，有的只是虚拟的概念昙花一现，有的则是十几年前被冷落的技术由于硬件性能的改变而被再度推向期望的波峰，甚至多次轮回。那么，这一次，人工智能是否依然如此，宗成庆说，不得而知。
而科学家，这些在人工智能领域最有发言权的人类群体，有时候会被舆论绑架，有时候又会被称为舆论界的“帮凶”，但似乎每个人都曾在这种忽上忽下、过山车似的变迁中感到兴奋和迷惘。宗成庆提醒，作为科研工作者，如何在这种热闹纷繁的世界中把握冷与热的平衡，是一个永恒的话题。
查红彬在自己的演讲最后，援引图灵的一句经典名言，“We can see only a short distance ahead，but we can see that much remains to be done (吾等目力短亦浅，能见百事待践行）”，他说：“尽管我们不清楚未来，人工智能究竟会变成魔鬼还是天使，但现在留给我们科学家的，还有许多任务，需要去完成。”
