那只是人工智能的一种工具

时间：2018-08-27 16:33:49 来源：作者：网络

请注意：本文为编辑制作专题转载的资讯，页面显示的时间仅为生成静态页面时间而非具体内容事件发生的时间，由此给您带来的不便敬请谅解！

本报记者刘垠

“人工智能其实就是统计学，只不过用了一个很华丽的辞藻。”近日，2011年诺贝尔经济学奖获得者托马斯·萨金特在世界科技创新论坛上表示，好多公式都非常老，但所有的人工智能都是利用统计学来解决问题。

托马斯·萨金特一席话，有人评论说弄明白了人工智能是什么，也有人并不认同这一观点。支撑人工智能迅猛发展的，只有统计学而已？

人工智能的理论基础远超统计学范畴

“60多年来，人工智能不断吸收和借鉴数学、计算机科学、脑科学、认知心理学、物理学、信息科学等不同学科的理论、方法和技术，形成了体系庞大、分支丰富、学派纷呈的新一代人工智能发展态势，推动了科技进步和产业转型，岂是一个统计学能够概括的！”中国人工智能学会智能产品与产业工作委员会主任、原中国人工智能学会副理事长韩力群说，研究和开发具有人类智能特点的智能机器，使其能够像人一样处理信息、提炼规律和调度知识，是科技发展的必然趋势。

中国人工智能产业发展联盟副理事长、京东集团副总裁、AI平台与研究部负责人周伯文认为，人工智能的发展不仅依赖于算法和算力，数据的积累也很重要。以目前深度学习大热的研究领域计算机视觉为例，一个好的识别需要庞大的数据库，这样才能不断降低误识率。

“人工智能绝不仅仅只是一种统计学。虽然在分类、预测、随机分布等常见问题上，它深度融合和借鉴了统计学的一些经典理论，让人工智能建立在严格的数学基础之上。”周伯文告诉科技日报记者，除此之外，人工智能的重要理论基石还包括认知科学、计算机科学、优化和博弈论、图灵机理论、信息论等，这都远远超出统计学的范畴。

三次发展浪潮中统计学作用有限

起源于20世纪50年代的人工智能，其发展经历了三次大的浪潮。那么，统计学究竟起到了什么作用？

“第一次浪潮是以注重逻辑推理为标志的问题求解和语言处理时代，在支撑这类人工智能成果的关键技术中，统计学的应用难觅踪影。”韩力群说，第二次浪潮是以依托知识积累构建模型为标志的专家系统时代，同时霍普菲尔德网络（是一种反馈型神经网络）和基于误差反向传播算法的前馈多层神经网络也有一席之地。在离散霍普菲尔德网络中，美国加州工学院物理学家约翰·霍普菲尔德使用了统计力学的方法，分析网路的存储和优化特性，解决了数学领域中著名的旅行商（TSP）问题。

正在进行的第三次浪潮，则是以重视数据、自主学习为标志的认知智能时代，高等代数、概率统计、优化理论等不同学科的数学工具被引入机器人学习领域，一大批新的数学模型和算法被提出且得以发展。

“在前向神经网络的基础上，多伦多大学教授杰弗里·辛顿提出深度学习，并在AlphaGo、无人驾驶汽车、语音识别、自然语言理解等方面取得良好进展。深度学习涉及的数学基础，除了概率统计理论，还有线性代数、优化理论和微积分等。”在韩力群看来，显然，统计学是人工智能的众多数学工具中的一种，但绝非全部。

周伯文则表示，未来，在进一步利用和发展已有的数学、统计学、计算机科学等基础理论的前提下，人工智能的研究和进一步突破，还需我们全面理解智能和认知的产生和表达机制，从而真正掌握认知的科学规律，达成从狭义人工智能到广义人工智能，再到通用人工智能的飞跃。