11月6日，京東舉行JDD京東金融全球數(shù)據探索者大會，在全球范圍內尋求志同道合的伙伴共同探索大數(shù)據和人工智能在金融領域的最佳實踐。中國工程程院院士、北京大學教授高文應邀做會議演講，演講主題為“探索大數(shù)據，迎接人工智能時代”。
高文院士重點觀點如下：
要滿足三個條件，AI系統(tǒng)就不需要外部數(shù)據的支持。這三個條件是：集合是封閉的；規(guī)則是完備的；約束是有限的（不可以有遞歸）。
人工智能現(xiàn)在大概發(fā)展到“剛上小學”的階段，后面還有很長的路要走，人工智能至少還有10-20年的好日子過。
人工智能的發(fā)展，還是要靠學習、靠知其所以然的研究
一、大數(shù)據時代
我們現(xiàn)在這個時代確實是已經從大數(shù)據時代，移到人工智能時代。為什么這樣講呢？實際上這和大數(shù)據本身的內涵關聯(lián)性比較強。我們知道大數(shù)據本身的規(guī)模越來越大，從原來的EB級正在往ZB級發(fā)展，數(shù)據本身在不停地增加，我們稱為數(shù)據泛濫。這個數(shù)據泛濫包括很多，比如和零售相關有很多數(shù)據，再早一點是科學的數(shù)據，不管哪種數(shù)據都是和網絡關聯(lián)的，個人自媒體出來以后網絡數(shù)據又非常多。
以前大家都把它叫做大數(shù)據，最近有一個講法，大數(shù)據不是規(guī)模大，而是垃圾多的數(shù)據叫大數(shù)據，利用率低的數(shù)據。
比如視頻數(shù)據、網絡的個人數(shù)據。大數(shù)據本身的概念越來越大，但這個數(shù)據大了以后到底怎么使用怎么發(fā)展，最近一段時間大家都深入討論。
比如說數(shù)據是不是越大越好，是不是什么東西都一定要一個數(shù)據？回答是No。
最近有一個非常好的案例，Alpha Go下圍棋，以前是需要使用人類下圍棋的數(shù)據，同時自己嘗試了三千萬局的數(shù)據，最近的Alpha Zero不需要人類對弈數(shù)據了，自己會生產數(shù)據。現(xiàn)在我們就可以提問，
什么樣的情況不需要外部數(shù)據，自己生產數(shù)據就夠了？
我和有些專家討論，覺得，什么樣的AI系統(tǒng)不需要外部數(shù)據就可以戰(zhàn)勝人，實際上就是滿足三個條件：
1、集合是封閉的，不管你是狀態(tài)集還是什么集，你的集合是封閉的，我們知道圍棋集合是封閉的。
2、規(guī)則是完備的。也就是說下棋什么地方能下，什么地方不能下，這個規(guī)則是完全完備的，不能隨便更改。
3、約束是有限的，也就是說你在約束條件下，不可以遞規(guī)，因為有了遞規(guī)之后往下推延就停不下來，而有限的時候就能停下來。滿足這三個條件，不需要外部數(shù)據，系統(tǒng)自己產生數(shù)據就夠了。所以可以想見，今后有很多的情況你去判斷這個人和機器最后誰能贏，滿足這三個條件機器一定贏，不管德?lián)?、圍棋，類似的情況很多了。
是不是所有的情況都是這樣？當然不是。
你可以看現(xiàn)在很多的交易、物流、零售，其實它有很多的條件一直在變，不滿足剛才的條件，這時候你需要很多外部的數(shù)據。有外部數(shù)據就夠了？當然不是，外部數(shù)據怎么用？它自己不會去產生一個用法，這個用法需要人，需要通過人工智能這些手段去用這些數(shù)據。
所以人工智能實際上就是從大數(shù)據科學到人工智能，非常自然的遷移過程。
二、人工智能時代
- 人工智能發(fā)展階段
最近人工智能非常熱，熱到每一個人，每一個投資人都說我要投人工智能或者我要干人工智能，這件事好不好呢？不知道。但我們可以看看歷史，以史為鑒，可以知道很多事情，人工智能發(fā)展到去年剛好是60年。我們看看60年的發(fā)展實際上是經歷了三個階段：
第一個階段20年，1956年到1976年。第二個階段，從1976到2006年，30年，2006年是第三波浪潮剛剛開始，它會持續(xù)多長時間？不知道，可能25年，可能35年，也可能是40年。當然按照20、30，下面到底是40年、30年甚至60年都不知道。但你知道這個規(guī)律就應該知道人工智能絕不是已經把所有的事情做完了，
如果用人的一生來比喻，人工智能其實現(xiàn)在大概剛上小學，有的還不到小學，所以現(xiàn)在它的歷程可能只是1/10，后面有很長的路可走。
在人工智能路上有很多關鍵人物不能忘記，圖靈不能忘記，計算機領域特別重要的一個獎圖靈獎，其他學科有諾貝爾獎，諾貝爾時代沒有計算機，后來有了計算機以后，大家就想計算機界也應該設一個和諾貝爾獎相當?shù)莫?，這個獎就是圖靈獎，現(xiàn)在全世界一共65個人得了一個圖靈獎，姚期智教授，是華人當中唯一得到圖靈獎的。
在人工智能領域得到圖靈獎的一共8位，馬文·明斯基（1969），約翰·麥卡錫（1971），艾倫·紐厄爾（1975），赫伯特·西蒙（1975），愛德華·費根（1994），拉吉·瑞迪（1994），萊斯利·瓦倫特（2010），猶大·伯爾（2011）。整個計算機科學領域，
人工智能實際上是插在寶塔尖的1/8。
萊斯利·瓦倫特，猶大·伯爾，后面這兩位是2010年和2011年獲獎，都是和概率推理、概率學習、因果學習有關的兩個學者。
總體來說，人工智能到現(xiàn)在有三個主要的代表性的學派，哪三個呢？
第一個是用邏輯的方法做人工智能，通常我們把它叫做邏輯主義學派，或者叫做符號主義學派。
第二個是以連接主義為基本工具，就是用神經元網絡，今天的深度學習就是它一個典型的代表
第三個學派，從搞控制論的人，比較主張的一個學派，更多的是做這種自適應和進化、計算。這三個學派里各有千秋，不能說哪個好哪個壞。
什么叫人工智能？
我們今后可能就是人類智能和人工智能的一個對決，其實人工智能是人類智能的一個計算機的實現(xiàn)，從對決的角度，它永遠不可能超過人類智能，只是說在某一個特定的方面它可能勝出，但從智能本身它沒辦法勝出。
我們看看智能的定義，其實智能有很多方面，包括邏輯能力，語言能力、空間能力、感知能力，包括音樂感知的能力，肢體的控制能力。后面這幾個是比較難的，包括人的內省、自我反省，包括人際關系的能力，包括自然探索的能力，比如發(fā)現(xiàn)一些新的東西，完全沒有任何線索，你能想出我要做這個，我把這個問題解決掉。自然探索的能力，包括圖像、圖形的感知能力。
其實智能分為這九個能力，而現(xiàn)在的人工智能在這九個方面只有三個做的還可以，有六個方面還相當?shù)倪h，
所以我們說現(xiàn)在的人工智能要想挑戰(zhàn)人類智能，路還很長。
為什么我們說人工智能60年呢？因為1956年當時有一個里程碑式的會議，達特茅斯會議。當時人工智能這幾個元老還很年輕，他們集聚到一起開了兩個月的會，討論怎么樣讓機器具有人的智能、定出了人工智能的最終目標以及什么叫人工智能?，F(xiàn)在看起來1956年定義的人工智能的白皮書，到現(xiàn)在一點都不過時。所以我們說年輕人還是非常厲害的，三四十歲的年輕人，在計算機剛剛興起的時候，連人工智能概念都還沒有，他們就提出來我們要怎么做這個東西，這是非常了不起的一件事，現(xiàn)在看起來確實他們做的是對的。
這次會議開了以后，全世界很多學校都開始跨入到人工智能熱潮當中，典型的像斯坦福大學、CMU、MIT、哈佛大學很多人都在做相關的這些研究，那個階段大家采用的技術手段，主要是邏輯主義或者符號主義。
什么叫邏輯或者符號呢？實際上就是他認為一切的推理，我都可以用邏輯演算的方式來實現(xiàn)，我只要定義了整個邏輯演算的體系，做一個規(guī)則，就可以完成任何事，可以進行推理、數(shù)學證明，可以創(chuàng)作、奏樂等等。
其實我們小學就學過代數(shù)運算，邏輯也是一種運算，但它不是用的代數(shù)運算，而是布爾運算，和代數(shù)運算非常接近。有了這個運算就可以對它進行推理，推理你要使用一個工具，他們使用了演繹推理的工具。
我們知道到現(xiàn)在為止，最主要的自然科學的定理使用的都是演繹推理的方式來完成的。
比如說亞里士多德的三段論體系就是非常典型的演繹推理，歐幾里得的幾何學也是用這樣完成的，牛頓力學，麥克斯韋、愛因斯坦全都是用演繹定理推出來的。
所有演繹推理的基礎是滿足三段論方程，什么叫三段論，
我有一個大前提，這是一個一般的原理，我有一個小前提是我要研究的特殊情況，根據大前提、小前提得到一個結論，這個結論是根據一般情況，對特殊情況做出一個判斷，這就完成了演繹推理，這就叫三段演繹推理。
所有的基礎邏輯的方法都是這樣做的，為了做這個當時設計了很多的人工智能語言，用這種語言可以寫人工智能的方程，機器就可以去證明。
當然這聽起來很好，而且第一次浪潮，大家都認為十年之內人工智能一定可以完成很多事，但一直到1976年前后，大家發(fā)現(xiàn)一開始定的那么高調的東西絕大多數(shù)都實現(xiàn)不了，加上當時有人落井下石。1973年有一個英國人發(fā)了一個報告，給AI撥一大盆冷水。
他把AI研究分三類系統(tǒng)，
A是指自動機、B是機器人、C為中央神經系統(tǒng)。自動機和中央神經系統(tǒng)研究是有價值的，但進展太慢；機器人的研究毫無價值，而且非常令人失望，所以他建議把所有的機器人研究都取消掉；A和C因為它本身令人失望，所以也是非常低
調。這個報告出來以后各國政府全部都把對人工智能投入的經費砍掉，馬上就進入了嚴冬。所以1976年實際上是人工智能第一次的嚴冬的到來。
1976年之后盡管沒有經費，但學者的可愛之處是給錢也做，不給錢也做。因為做邏輯的，前面已經把自己的體量拉的很大。當時做神經網絡的，基本上沒有得到什么錢，所以本身就是教授帶幾個學生在那玩，這個領域雖然面臨寒冬了，但對他來講沒有變化，反正盛夏的時候沒有錢，寒冬的時候還是沒錢，所以帶著學生繼續(xù)玩。
這一玩玩出花樣來，1976年開始有很多做神經元網絡的，不停的寫東西、發(fā)東西，一直到1986年出來一個讓人眼睛一亮的東西，這個東西叫BP算法（即誤差反傳網絡）。以往的神經元網絡只能做非常小的事，做不了大事。但這個東西出來以后可以做大事了，所以就推動了這個領域發(fā)展的速度非?？?。
但它也只能解決一些問題。一開始人們也是期待要解決很多問題，但遙遙無期，到最后又來了第二次的低谷，包括日本第五代機的失敗，當時在斯坦福大學要建一個知識百科全書的項目都失敗了，使得第二次人工智能又跌入了低谷。
第三次是從2006年開始的，現(xiàn)在是人工智能的三個大牛，一位在多倫多大學Geoffrey Hinton，一位在蒙特利爾大學Yoshua Bingeo，一位在紐約大學Yann LeCun，這一年分別發(fā)表了三篇文章在講一件事。這個文章出來了以后，當時大家并不知道這個東西要怎么用，這個東西被誰給激活了？李凱和李飛飛做的ImageNet，主要操刀是李飛飛做的。
ImageNet是一個全球的圖像識別比賽，在2012年以前都是用常規(guī)的方法，2012年開始有一個參賽隊用了這個方法，比別的隊錯誤率馬上降低了一半。到2013年其它方法全部退出，全都是深度學習，2014年不停地改進。所以可以看出2015年的時候錯誤率已經降的非常多，深度學習的網絡也非常多。到2016年的時候幾乎做到不光人沒法比，錯誤率已經低到不需要再做了，所以李飛飛選擇2017年宣布這個比賽停止，不再做了，因為其實已經沒有太大促進意義了。
所以今天的第三輪，由于深度學習，由于剛才所說的產業(yè)界的熱情參與，我們產生了很多新的企業(yè)，有很多新的機遇，這是非常好的事。
- 人工智能發(fā)展機遇
在這個機遇下國家干了什么？國家有一個中國人工智能2.0的發(fā)展戰(zhàn)略研究，這是中國工程院一起來搞的，今年發(fā)布了一個重大研究計劃，這里面主要是做五個關鍵技術和一批應用。（12月14日，億歐將在北京舉辦
2017AI產業(yè)應用峰會，科技部撰寫《中國人工智能2.0規(guī)劃編制》的專家李修全博士將出席現(xiàn)場。）
這五個關鍵技術，包括
大數(shù)據智能，這和前面講的大數(shù)據關聯(lián)性非常強。
第二個方面是群體智能，依靠群體的力量推進智能的研究。
第三個是跨媒體智能，要把聲音、圖像、文字、自然語言所有這些東西聯(lián)結在一起來研究智能，這是跨媒體智能未來所希望達到的目標。
第四個是人機混合增強智能，人和機器混合起來怎么樣讓智能更高能力更強。
第五個是自主智能系統(tǒng)，其實就是無人機。我們有五個支柱，上面是應用，下面是基礎支撐。
那么這樣一個輪廓，在國家戰(zhàn)略上來說已經進行了非常圓滿的布局，這個是不是夠了？其實還不是。如果看整個人工智能學科的輪廓，包括計算機視覺、語言識別、自然語言、人機交互、機器人學習等等這樣的方向，這些方面目前大的布局是沉浸到應用這個方面。
涉及到人的九類智能，我們在邏輯語言文字和圖形圖像
來說現(xiàn)在已經做的相當不錯，中間六類還是有相當?shù)木嚯x需要探索。
總結一下，歷史總是這樣螺旋前進的，人工智能的三次浪潮也是從符號主義到連接主義。這個符號主義到現(xiàn)在為止已經有30多年比較寂寞了，但它作為人類智能的一個高等抽象，應該是發(fā)揮作用的，所以怎么發(fā)揮作用，這個是未來大家可以慢慢觀察。
連接主義，就是神經元網絡、深度學習，目前是非常大行其道的，
但怎么樣解決小數(shù)據甚至沒有數(shù)據的學習？實際還是有相當大的挑戰(zhàn)，特別是很多的學習結果是不可解釋的，這是最大的挑戰(zhàn)。
行為主義是注重自適應和進化，這是從人從猴子演化過來，它可能更接近。它怎么樣在學習方面做得更好，還是需要探索。
不管是企業(yè)、國家投資，大家利用好天時地利要好好干一場。我想人工智能肯定至少還有10年到20年左右的好日子過，大家珍惜這個機會。當然人工智能既然是一個少年，少年主要的成長靠什么？靠學習，靠知其所以然的學習的研究，中國下一代人工智能也會在這個方面進行一些布局，知道今后的方向，也許對在座各位會有點幫助。
