毫無疑問，人工智能（主要是其子項的深度學習）已經(jīng)取得顯著進展，所有公司都在宣傳自身在產(chǎn)品中集成了這樣那樣的AI能力，無論是搜索引擎、語音識別還是在線購物。

但疑問揮之不去。在屢屢被夸耀的AI技術(shù)背后，其實大部分AI工程師的時間是用來處理數(shù)據(jù)。“雖說數(shù)據(jù)是新的‘石油’，但冶煉技術(shù)還很原始。”《經(jīng)濟學人》給出結(jié)論稱。

“現(xiàn)在AI的能力叫弱AI，也就是說，我們需要靠大量的數(shù)據(jù)，且要有人工標注，才能讓它訓練出比較靠譜的模型。”英特爾中國研究院院長宋繼強告訴界面新聞。

在學界看來，AI也有強弱之別。簡單來說，當下實用化AI大都是程度很低的弱AI，僅是加強自動化、讓業(yè)務(wù)計算機化。強AI則是面對不確定狀況，可能代替人類下判斷。

英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術(shù)官兼首席工程師張宇對此進一步指出，做數(shù)據(jù)處理也分初級階段和高級階段。初級階段就是把表面的特征提煉出來，到高級階段就要把這些特征與相應(yīng)的一些行業(yè)需求，一些“Knowhow”結(jié)合起來，真正讓數(shù)據(jù)在行業(yè)應(yīng)用里發(fā)揮作用。

宋繼強認為，如果要改變AI的現(xiàn)狀，就一定要有新的范式轉(zhuǎn)移：“不是只靠大量數(shù)據(jù)訓練，而且要端到端有標注的數(shù)據(jù)訓練，才可以給出一個可以工作的AI算法或者是模型，必須要有新的能力是可以通過少量的數(shù)據(jù)就能夠逐漸去學會這些能力。”

他以英特爾剛推出的神經(jīng)擬態(tài)芯片Loihi為例，“我們用Loihi做了一個嗅覺系統(tǒng)，上面用的是脈沖神經(jīng)網(wǎng)絡(luò)模型。它和深度學習的模型不一樣，例如10種氣味，每種氣味只用一個樣本，就可以訓練出92%的識別率，而如果你要用深度學習的話，要3000個樣本才可以達到這樣的識別率。”

神經(jīng)擬態(tài)芯片Loihi則是英特爾今年3月公布的最新研究成果，潛力初步得到顯示，在神經(jīng)科學與人工智能交叉研究中取得不少進展。

高性能計算、神經(jīng)擬態(tài)計算、量子計算，這三者通常被稱為通往未來AI的三條“賽道”。但在對于三條賽道的選擇上英特爾選擇全線押注，其中高性能計算的進展進度最快，以芯片制造商為代表的技術(shù)公司都在研發(fā)深度學習芯片。

Loihi的推出符合英特爾對AI路徑的未來構(gòu)想：下一代AI即將進入3.0時代，五六年前的2.0時代是靠統(tǒng)計式學習、數(shù)據(jù)庫命令的機器學習，在視覺、語音和金融數(shù)據(jù)處理中已經(jīng)發(fā)揮重要作用，3.0時代需要AI能從更少量的數(shù)據(jù)中學習，并且能夠適應(yīng)環(huán)境變化進而自我演進，甚至能夠推理。

弱AI不弱，強AI不強，這是深度學習碰到瓶頸了嗎？

“深度學習如果說從它發(fā)展的曲線來看，現(xiàn)在確實進入了平臺期，”對于該問題，宋繼強以自身職業(yè)經(jīng)歷舉例稱，“當時我還在貝爾實驗室，同事設(shè)計了一個叫Learn net的網(wǎng)絡(luò)來做字母識別，那個網(wǎng)絡(luò)很淺，但是它的基礎(chǔ)就是卷積神經(jīng)網(wǎng)絡(luò)。所以應(yīng)該說我們在理論和使用的底層算法方面，這一輪人工智能和上一輪人工智能沒有本質(zhì)的區(qū)別。”

要解決上述問題，宋繼強的建議是開放思路，例如雷達中信號處理就與當前人工智能所用的卷積神經(jīng)算法類似，但后者有大量可優(yōu)化的空間，更缺乏可參照雷達信號處理的理論基礎(chǔ)。

他進一步解釋，用大量的數(shù)據(jù)去得到一個我們可以接受的結(jié)果，但是我們所用的方法不見得是最優(yōu)的，“比如我們用一些網(wǎng)絡(luò)壓縮技術(shù)來降低運算量，但是對最后的處理準確度并沒有太大影響。這都是因為目前的理論不夠完善造成的。”

“如果說我們在人工智能的理論和算法上有進一步突破的話，它將能夠解決我們目前遇到的強AI不強等問題，這是我比較期待的。”他說道。