科大讯飞胡郁：如果机器人能有6岁儿童的逻辑水平将出现爆发式增长

对于人类来说，最愉快的阶段是0-6岁的童年，但是这是机器人最艰难的阶段。在混沌AI成长营的课堂上，科大讯飞轮值总裁胡郁带来了《从“能听会说”到“能理解会思考”——以语音和语言为入口的认知革命》课程分享。

胡郁说，人类的常识是机器人不可逾越的坎，一旦机器人越过了这个坎，达到6岁儿童的常识和逻辑推理能力，后面的知识累积，几乎是可以瞬间完成的东西。

本文经混沌研习社(微信公众号：dfscx2014)授权转载，研习社是一所线上商学院，致力为创业公司培养具有互联网思维和全球化视野的创新人才。

演讲者|胡郁

(科大讯飞轮值总裁、研究院院长)

人工智能和机器人是什么关系?大家都知道机器人的历史比人工智能的历史早，它们俩的区别在哪里呢?

很多做机器人的公司会说，人工智能相当于机器人的大脑，是机器人的一部分。其实不是，这两者的定义从某种程度上来说是一样的，都是能够进行感知、认知、决策和执行的人造系统，只是他们解决问题的空间不同。

人工智能存在于一个虚拟的数字世界里面，而机器人从一开始就存在于物理世界中。

我举一个例子，我们要做智慧家庭。如果你是做人工智能的，我想要开二楼的灯，我在一楼说一句话，利用人工智能通过虚拟世界的信息化系统，二楼的灯就开了。

如果你是做机器人的，可能会做一个机器人在物理世界中爬楼上去到二楼给你把灯打开。说起来很有意思，但是两者的思维模式还是有区别的。所以机器人和人工智能将来会越来越紧密，实现逐步的融合。

那么关于人工智能，今天在这里和大家分享两个内容：

1、人工智能的两种实现路径：类脑计算和大数据人工智能。

2、人工智能发展的三个阶段：运算智能、感知智能、认知智能。

大数据人工智能的市场化

有赖于涟漪效应

闭环系统能够实现快速迭代

目前，人工智能有两种不同的主流实现路径：

第一种叫做类脑计算，通过脑科学神经系统的深入研究，最终实现“强人工智能”。

第二种叫做大数据人工智能，充分利用真实大数据和统计机器学习，目前在工业界已经取得了阶段性的突破。

这里重点谈一下后者。

大数据人工智能成功有三大法宝：深度神经网络、真实大数据和涟漪效应。

深度神经网络自1957年到现在，经过60年的不断发展，和十年前并没有太大的变化，但是其最大的优点是能够和真实大数据结合，实现基于深度神经网络的机器学习，也叫作深度学习模型。

深度神经网络与真实大数据的结合，成为当前大数据人工智能的主流路径。

除了深度学习模型之外，另一个可以把人工智能推向市场的重要原因，是互联网时代特有的网络效应——基于研究、技术、工程、产品、用户一体化的大闭环优化，我把它起了个名字叫做涟漪效应。

什么是涟漪效应呢?传统我做一个家电，用着不好，我把它推向市场以后它会砸我的牌子。但是互联网时代不是这样的，做出来的东西，不是所有人都能够同时接触到并进行使用。

新技术在人群当中是一圈一圈地扩散，像水滴滴在水面上，产生的涟漪一开始振幅很大(系统误差较大、产品性能不好)，随着水波纹的扩展第二圈振幅就开始变小……

这是因为用户数据能够很快回来，系统能够实现快速更新，性能就提升了。当软件或者服务扩散到更大人群的时候，系统已经改进了，扩散越来越大，系统越来越好，当这个扩展到一亿人的时候，刚刚接触到这个产品的人看到的已经是完美的系统，这是涟漪效应。

这也是科大讯飞非常幸运的一个地方。我们刚刚成立公司的时候，移动互联网并不发达，行业内做语音识别的公司都死掉了，因为效果达不到用户要求。

　所以其实我们当时做的产品是“语音合成”。虽然当时我们在全国评测第一的系统效果不是很完美，但是还可以使用，还能卖点钱，但是语音识别就不行了。

后来2009年我去英国开会，看到手机交互已经成为大势所趋了，所以回来我们就改了，开始做面向移动互联网的语音识别系统。2010年5月，我们在第二次中国云计算大会上率先推出了手机语音识别系统，2010年10月份发布了讯飞云和语音输入法。刚开始是正确率只有50%，一年以后就83%，现在是95%，这个数字已经非常高了。

强人工智能的突破

需要脑科学的深度支撑

认知、心理、神经知识必不可少

很多大众看了好莱坞的电影，比如《奥创纪元》之后，都觉得人工智能太恐怖了。其实现在人工智能还处在非常初级的阶段。人工智能的发展我把它分为三个阶段，分别是运算智能阶段、感知智能阶段、认知智能阶段。

比较简单的阶段我们叫运算智能，简单来说就是计算机能存会算。运算和存储人不可能比过机器，人记忆东西绝对记不住一万个四位数，但是机器可以。

稍微复杂一点的阶段叫感知智能。计算机能听能说，能看会认。通过传感器感知并决策，同时执行一些简单的执行和动作，比如自动驾驶汽车，它并不需要太复杂的高级认知能力。

最难的阶段叫认知智能。计算机能理解，会思考。认知智能是一件比较难的事情，要投入很多力量去做自然语言理解、语言表达、逻辑推理和自我学习。

所以真正要实现“强人工智能”的话，一定是需要了解大脑研究的最新进展，综合认知课学、心理学、神经科学、脑科学的各方面的前沿知识，最终实现人工智能的全面突破。

人类的常识是人工智能难以逾越的坎

一旦机器具有6岁儿童的逻辑推导能力

人工智能将会迅速超越人类智力

我们着重再说一下三个阶段中，最难的认知智能。如何解决语言理解、知识表示、逻辑推理和联想学习这些问题呢?我给出一个认知智能的框架：

一个是自然语义描述。词向量表达是自然语义描述最核心的问题。

原来我们进行语义表达的表达方式叫“离散表达”。用数字的0和1来表达汉字比如，大=10000，家=01000，好=00001。这种表达方式的缺点是将单词完全独立分开，忽视单词之间的联系。

现在我们做什么呢?我们现在采用基于Word Embedding的“词向量连续空间嵌入式表达”。通过这种方式我们发现关联度高的词汇自动聚合在一起，比如猫、狗、动物是一个区，唐朝、宋朝、明朝是一个区，皇后、国王、公主是一个区。

利用这种距离度量方式，我们可以得到这样一个等式：皇帝-皇后=男人-女人。目前我们已经取得了比较好的结果，国际上也处于比较领先的地位。

第二叫做语言理解和生成。

首先我们看一个人类关注度模型的例子。人在看图片的时候，分配给每个地方的注意力都是不一样的，人的注意力会有侧重。

比如右上方。女性司机开车的时候，只能留意到离她最近的车辆或者行人，难以做到眼观六路，耳听八方。

再看体育新闻。 你看的时候会关注中间“巴塞罗那客场8比0”等等，你会潜意识地关注最核心的部分。

根据人脑的这个特点，我们制作了关注度模型。它的特点是，根据你输入的内容，它自动判断你输入的哪一个变量和结果是强相关的。

这个在文本翻译里非常容易理解。比如“我是谁?”翻译成“Who am I?”这里的我和I是对应的，这是根据强相关，自动生成的结果。

基于这个原理，我们推出了基于关注度神经网络的篇章评阅。比如输入一篇文章，自动找到文中的排比和引用，根据数据库中以往的海量数据，来判断这句话表达是否优美，表达得好就加分，直接转化成这篇文章的得分和评语，这种评分可以说比人工判分更为准确，因为它不会受到因疲劳或者情绪带来的误判。

第三是知识表达和推理，比如阅读理解。

假设阅读理解中需要填入一个漏掉的单词，我怎么来判断?计算单词和文章之间的关注度，然后总结出里面所有词汇的热力图，选出最有可能的那个词，放入答案，准确率还是蛮高的。

现在人工智能模型阅读理解的答题能力可以达到6岁儿童。可能大家觉得这是不是太弱了，只是达到了小孩子的理解水平?

所以我这里再多讲一个概念，在认知智能发展的过程中有一个非常重要的点。

对于人类来说，最愉快的时候是0-6岁，不用上学整天玩，认知智能包括常识的理解逐步形成。6岁以后就痛苦了，要学大量的知识。但是机器人正好是相反的，0-6岁是机器人最痛苦的时候，人类的常识对机器人来说是不可逾越的坎。

但是一旦机器人越过了这个坎，达到6岁儿童的常识和逻辑推理能力，后面的知识累积，几乎是可以瞬间完成的东西。所以对于机器人来说，能够达到六岁的常识判断的智商是非常厉害的，也是一个质变的拐点。