访南洋理工教授黄广斌：智能革命爆发的前夜不会太久

2010年，一个特殊的年份，也许注定是人类从工业革命时代悄然迈入智能革命时代的转折点。这个新时代的初期表象是人们对人工智能技术掺杂着疑惑、追求（甚至是盲目追求）、惊讶、躁动、追概念，甚至也有些许的追星现象。这个时代将会孕育着新科学的产生和发展（学习科学（人工智能、机器学习、生物学习）、数据科学、数据驱动的数学、数据驱动的信息科学、数据驱动的统计学等），并且随着科学的发展逐步回归理性和系统性，但也会发展得更快、更稳，产生更深远广泛的影响。

图为新加坡南洋理工大学教授黄广斌。

新加坡南洋理工教授黄广斌认为，虽然目前处于智能革命的前夜，但是人工智能、机器学习、生物学习和智能材料的合力将加速智能革命的到来，这个过程不会太久。

从长远来说，人类也许要为一个可控的“人工智能”和最终充满不确定性的“机器学习”时代的到来提前做好准备。

历史有时是惊人的巧合，当人们惊叹于人工智能和机器智能的巨大潜力、为人工智能和机器智能许多超越人类能力所震撼时，人类对生物学习机制的探索也在加速进行。

黄广斌表示，智能依赖于数据、算法和运算能力（速度、空间）的动态关系人工智能离不开高效的计算环境、大数据和好的学习算法，这些条件从2010年开始同时得到满足。即使面对简单的应用，目前大部分实现还是基于复杂的计算能力和大量的数据。这种实现其实是不可持续的。也许不久的将来，面对较为复杂的应用，许多实现也不必依赖于超算环境和大数据。智能算法的陆续出现，会用小算法解决“大问题”。

图为峰会现场体验区音乐机器人。

同时从历史发展看，机器学习和人工智能又处于黎明前的黑暗期，虽然表面看上去华丽多彩，背后却是大量资源的消耗和“血拼”，暗示着这种研发的局限性和不可持续性。现有流行的人工智能方法在许多看似简单的应用上也要用上几十块GPU（几万到几十万核）训练几天甚至几十天，许多公司和学校能承担这种高昂的资源成本。25年前，面对误差反向传递算法（Backpropogation）普天下调参，15年前，面对支持向量机（SVM）普天下调参，基本都是10年一个“波澜壮阔”的调参周期，最近几年面对深度学习普天下又开始了新的调参周期。

每次“痛苦”经历也许预示着新的技术呼之欲出。综观过去60多年的历史，机器学习和人工智能本身就遵循一个螺旋式上升的发展过程，在2020前后可能新的一波机器学习技术要兴起。

当机器真能全面走向无监督学习，人类就很难指望机器会自动学习对人类有用的东西，照着人类的梦想前进，机器就极有可能自我学出对人类有害的东西和行为。

虽然机器智能可以帮助人类，但是机器智能和人类智能的交融也可能产生负面的结果，甚至引起伦理、道德问题。

“智控”已经是个严肃的事情，同时伦理问题也不再遥远。