与会的大学生们在参观同期举行的展览

“他们的骄傲啊/与明升m88又缩短一节了/青春就是人生的美酒 地球只是天空的一片流云/像伟大的理想消灭给湖水底下/我们的明升m88是不可的”

10月26日，当美国国家工程院院士、微软全球执行副总裁沈向洋在2017明升中国计算机大会（CNCC2017）上读出这首诗的时候，全场反响热烈。有谁会想到这是一首人类与人工智能机器人“小冰”合写的一首诗？“我只改了一个字。”沈向洋笑着说。

经过60多年的发展，人工智能（AI）俨然已侵入我们的生活，变得触手可及。但是，随着热度不断创历史新高，业界也不乏“AI过热”的担忧。如何理性、客观地看待人工智能目前的发展，成为这一“大咖”云集的盛会上最引人注目的看点。

定义人类和世界的关系

作为目前国内规格最高、规模最大的计算机领域盛会，10月26日~28日在福州举办的2017明升中国计算机大会参会人数再次刷新纪录，达到6000多人，其中特邀到会演讲的计算机领域知名专家、企业家就有近400人。鉴于人工智能近两年来的热度，由明升中国计算机学会（CCF）主办，福州市人民政府、福州大学承办的此次大会，主题就是“人工智能改变世界”。

总体而言，“人工智能的发展有两个方向：一是感知，二是认知。” 沈向洋说。目前感知中的计算机视觉和语音进展飞速，而认知和语言、理解的发展则速度有限。

沈向洋举了一个例子，就计算机语音识别而言，微软目前在标准测试上的精度已经达到人类水平，最新的误差率达到5.1%。他特别强调，即便是人类的误差率，也分普通人的误差和专家的误差。而微软的误差率比专家的水平都要低。

“我认为，在下一个十年里，人工智能的突破在自然语言理解，我最近老讲的一句话就是‘懂语言者得天下’”。沈向洋说。

李飞飞毫无疑问是此次大会的“明星”之一。这位斯坦福大学副教授、谷歌云首席app家签名签到“手软”。她因为创办了ImageNet挑战赛而成为机器学习界的标杆人物之一。ImageNet从2010年创办至今共举办了八届，2017年是挑战赛举办的最后一年，从最初算法对物体识别的准确率只有71.8%，已上升到现在的97.3%，错误率已远低于人类水平。

在此次大会上，李飞飞演讲的题目是《ImageNet之后的视觉智能》。她首先介绍了构建视觉智能的第一个里程碑，即物体识别。她在现场与听众们做了一个小互动，在屏幕上闪过一系列持续时间只有0.1秒的照片，不加任何特别的说明，而观众们还是能够识别到有一张中有一个人。

这种对复杂物体的快速视觉识别能力是人类视觉系统的基本特质，也是计算机视觉中的“圣杯”。在过去的20年中，物体识别都是计算机视觉领域研究的重要任务。ImageNet就是作出重要贡献的数据集之一。

李飞飞表示，在ImageNet之后，下一个方向就是视觉关系的识别。这项任务的定义是：“把一张照片输入到算法模型中，希望算法可以识别出其中的重点物体，找到它们的所在位置，并且找到它们之间的两两关系”。

除了在学术上“屡获战功”，人工智能在交通、医疗、金融等应用领域也“收获良多”。滴滴出行高级副总裁章文嵩说，滴滴的本质是“大数据人工智能公司”。滴滴每天的订单量达到2500万单，每日的路径规划请求为200多亿次，波峰时每秒要做100万次的路径规划，每天新增的轨迹原始数据超过70T。

“每一次时代的变迁，都是在重新定义人类和世界的关系。”沈向洋认为，“而现在人类到世界之间，AI最了不起的就是对我们人脑的理解，包括 IQ和EQ两个方面。”

对AI不要有过高预期

人工智能的热度从此次的大会论坛上也可见一斑。10月28日上午，吸引了诸多听众的以“什么是互联网应用的下一个引爆点”为主题的论坛最后“歪楼”到了人工智能上就是一个明显的例证。

论坛特邀嘉宾、今日明升头条实验室总监李磊认为，人工智能技术会在下一个十年大大促进信息内容的创作和交流。下一个引爆点是AI技术会更大地辅助创作，促进表达。“AI将成为移动互联网时代的造纸术和印刷术”。

腾讯优图实验室总经理吴运声表示，很难预测下一个引爆点是什么，但他认为，下一个能够引爆互联网应用的技术一定与AI相关，或者说AI将是这种火爆应用背后非常重要的推动力，而其目标可能涉及安防、医疗、民生等各个领域，并带来实实在在的价值。

在论坛现场，有观众提问，“现在AI到底是真的很热还是虚火很旺？”

“AI现在确实有点过热了，已经差不多到了最高点。”360公司高级副总裁、首席安全官谭晓生回答说。他认为，接下来人工智能的热度应该会下跌，但不一定会到底，而是会再起来，其最先可能产生实际应用的领域应该是在工业界和社会治理方面。“现在人们对它的期望有点过高。”

李磊也认为，现在AI确实很热，但它还没有发展到很完善的程度。目前AI最大的挑战是简单的任务可以做得很好，但需要复杂推理、逻辑思维的工作则完成得不好。他建议，“我们不应把眼光局限在某个技术领域，如深度学习，而应该着眼更广泛的AI技术。”

“AI现在有一定的泡沫，外界对它有许多误解，觉得它什么都可以做。”

吴运声对此也表示认同，“但是，事实上AI无论是技术还是应用，都远远达不到这一步，离其真正能够引领一个行业的火爆还有一段距离。”

为机器学习的黑箱给出透明的几何解释

对AI未来技术上还有很大发展空间这一点，业界已经形成了共识，特别是对解决其“知其然但不知其所以然”的问题，更是有诸多探索。作为此次大会的重量级嘉宾，菲尔茨奖获得者、哈佛大学终身教授丘成桐提出了自己的看法。

他表示，欧几里得从很繁复的现象里找到了很简单但却很基本的五个公理，从而能将原来的那些公理全部推导出来。他鼓励做人工智能的也能重复这个做法——从现在复杂多样的网络中找到它最简单的公理。

丘成桐及其合作者今年年初在《自然》杂志上发了篇文章，用数学方法证明了社交网络方面的一个研究结论：稳定的伙伴或者伴侣，对于形成合作型的社会起到了骨干作用。

机器学习算法的出现对人工智能第三次浪潮的兴起起到了举足轻重的作用。丘成桐认为，目前机器学习算法需要大量的样本，虽然比从前进步得多了，但规模还是很庞大。所以他建议让理论来帮助处理这种复杂的数据学习。例如，用几何的方法来研究对抗生成网络（GAN）。

他表示，对抗生成网络实质上就是用深度神经网络来计算概率测度之间的变换。虽然规模宏大，但是数学本质并不复杂。应用相对成熟的最优传输理论和蒙日—安培理论，可以为机器学习的黑箱给出透明的几何解释，这有助于设计出更为高效和可靠的计算方法。