人工智能是一種引領(lǐng)許多領(lǐng)域產(chǎn)生顛覆性變革的使能技術(shù)，合理并有效地利用人工智能技術(shù)，意味著價值創(chuàng)造和競爭優(yōu)勢。為搶抓人工智能發(fā)展的重大戰(zhàn)略機遇，依托我國應(yīng)用需求和市場的巨大優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強國，在黨中央、國務(wù)院統(tǒng)一部署和要求下，《新一代人工智能發(fā)展規(guī)劃》（以下簡稱規(guī)劃）對我國人工智能發(fā)展戰(zhàn)略做了全面部署，明確了我國人工智能發(fā)展的總體要求及三步走的戰(zhàn)略目標，并將人機協(xié)同的混合增強智能作為規(guī)劃部署的五個重要方向之一。

智能機器與各類智能終端已經(jīng)成為人類的伴隨者，人與智能機器的交互、混合是未來社會的發(fā)展形態(tài)。人機協(xié)同的混合增強智能是新一代人工智能的典型特征。

當前的人工智能系統(tǒng)在不同層次都依賴大量的樣本訓(xùn)練完成有監(jiān)督的學(xué)習。真正的通用智能會在經(jīng)驗和知識積累的基礎(chǔ)上靈巧地無監(jiān)督學(xué)習。如果僅僅是利用各種人工智能計算模型或算法的簡單組合，不可能得到一個通用的人工智能。特定領(lǐng)域的人工智能系統(tǒng)如谷歌的Alpha Go、IBM的深藍和沃森等依賴強大的計算能力在挑戰(zhàn)人類智力方面取得了巨大進步，但這些系統(tǒng)還無法通過自身思考得到更高層次的智能，它們與具有高度自主學(xué)習能力的通用人工智能依然存在著差距。但是，人工智能在這些特定領(lǐng)域應(yīng)用的巨大成功為我們研究與發(fā)展新一代人工智能提供了重要的借鑒和新的方法。

人類面臨的許多問題具有不確定性、脆弱性和開放性，也是智能機器的服務(wù)對象和最終“價值判斷”的仲裁者，因此，人類智能與機器智能的協(xié)同是貫穿始終的。任何智能程度的機器都無法完全取代人類，這就需要將人的作用或認知模型引入到人工智能系統(tǒng)中，形成混合-增強智能形態(tài)，這種形態(tài)是人工智能或機器智能的可行的、重要的成長模式。

一、人在回路的混合增強智能

將人的作用引入到智能系統(tǒng)中，形成人在回路的混合智能范式。在這種范式中人始終是這類智能系統(tǒng)的一部分，當系統(tǒng)中計算機的輸出置信度低時，人主動介入調(diào)整參數(shù)給出合理正確的問題求解，構(gòu)成提升智能水平的反饋回路。

把人的作用引入到智能系統(tǒng)的計算回路中，可以把人對模糊、不確定問題分析與響應(yīng)的高級認知機制與機器智能系統(tǒng)緊密耦合，使得兩者相互適應(yīng)，協(xié)同工作，形成雙向的信息交流與控制，使人的感知、認知能力和計算機強大的運算和存儲能力相結(jié)合，構(gòu)成“1+1>2”的智能增強智能形態(tài)。

在當前大數(shù)據(jù)、深度學(xué)習在不同領(lǐng)域不斷取得突破性成果之際，更需要清楚認識到，即使為人工智能系統(tǒng)提供充足、甚至無限的數(shù)據(jù)資源，也無法排除人類對它的干預(yù)。例如，面對人機交互系統(tǒng)中對人類語言或行為的細微差別和模糊性的理解，特別是將人工智能技術(shù)應(yīng)用于一些重大領(lǐng)域（如產(chǎn)業(yè)風險管理、醫(yī)療診斷、刑事司法、自主駕駛、社會輿情分析、智能機器人等）時，如何避免由于人工智能技術(shù)的局限性而帶來的風險、失控甚至危害？這就需要引入人類的監(jiān)督與互動，允許人參與驗證，提高智能系統(tǒng)的置信度，以最佳的方式利用人的知識，最優(yōu)地平衡人的智力和計算機的計算能力，從而實現(xiàn)大規(guī)模的非完整、非結(jié)構(gòu)化知識信息的處理，有效避免由于當前人工智能技術(shù)的局限性而引發(fā)的決策風險和系統(tǒng)失控等問題。

二、基于認知計算的混合增強智能

在人工智能系統(tǒng)中引入受生物啟發(fā)的智能計算模型，構(gòu)建基于認知計算的的混合增強智能。這類混合智能是通過模仿生物大腦功能提升計算機的感知、推理和決策能力的智能軟件或硬件，以更準確地建立像人腦一樣感知、推理和響應(yīng)激勵的智能計算模型，尤其是如何建立因果模型、直覺推理和聯(lián)想記憶的新計算框架。

對當前人工智能而言，解決某些對人類來說屬于智力挑戰(zhàn)的問題可能是相對簡單的，但是解決對人類來說習以為常的問題卻非常困難。例如，很少有三歲的孩童能下圍棋（除非受過專門的訓(xùn)練），但所有的三歲孩童都能認出自己的父母，且不需要大量經(jīng)過標注的人臉數(shù)據(jù)集的訓(xùn)練。人工智能研究的重要方向之一是借鑒認知科學(xué)、計算神經(jīng)科學(xué)的研究成果，使計算機通過直覺推理，經(jīng)驗學(xué)習將自身引導(dǎo)到更高層次的。

另外，在現(xiàn)實世界中，人們無法為所有問題建模，這里存在條件問題（Qualification Problem）和分支問題（Ramification Problem），即不可能枚舉出一個行為的所有先決條件，也不可能枚舉出一個行為的所有分支。而人腦對真實世界環(huán)境的理解、非完整信息的處理、復(fù)雜時空關(guān)聯(lián)的任務(wù)處理能力是當前機器學(xué)習無法比擬的，還有人的大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可塑性，以及人腦在非認知因素和認知功能之間的相互作用，它們是形式化方法難以、甚至不能描述的。人腦對于非認知因素的理解更多的來自于直覺，并受到經(jīng)驗和長期知識積累的影響。人腦所具有的自然生物智能形式，為提高機器對復(fù)雜動態(tài)環(huán)境或情景的適應(yīng)性，以及非完整、非結(jié)構(gòu)化信息處理和自主學(xué)習能力，為構(gòu)建基于認知計算的混合-增強智能提供了重要啟示。

認知計算架構(gòu)可以將復(fù)雜的規(guī)劃、問題求解與感知和動作模塊相結(jié)合，有可能解釋或?qū)崿F(xiàn)某些人類或動物行為以及他們在新的環(huán)境中學(xué)習和行動的方式，可以建立比現(xiàn)有程序計算量少得多的人工智能系統(tǒng)。在認知計算的框架下，可以構(gòu)建更加完善的大規(guī)模數(shù)據(jù)處理和更多樣化的計算平臺，也可為多代理系統(tǒng)解決規(guī)劃和學(xué)習模型的問題，以及為新的任務(wù)環(huán)境中的機器協(xié)同提供新的模式。

人工智能追求的長期目標是使機器能像人一樣感知世界和解決問題。當前的人工智能已不是一個獨立、封閉和自我循環(huán)發(fā)展的智能科學(xué)體系，而是通過與其他科學(xué)領(lǐng)域的交叉結(jié)合融入到人類社會進化的過程中，并將深刻改變?nèi)祟惿鐣睿淖兪澜纭?/p>

是為序。

鄭南寧

2017年7月31日

中國 西安