疫情特殊時期，如何看待AI（人工智能）的發展態勢？疫情加速AI的應用，同時又帶來哪些風險？

日前，在一場以“深度科技造福人類”為主題的科技活動上，創新工場董事長兼CEO李開復對話圖靈獎得主、深度學習領域先驅之一約書亞·本吉奧（Yoshua Bengio），共同探討新冠肺炎疫情時期，AI如何助力未來的經濟社會更加富有彈性、宜居和可持續。

下一個突破：“深度學習2．0”

談起AI技術的下一個突破，本吉奧認為，目前機器學習的一大限制，是學習系統的泛化能力。

本吉奧解釋說，過去幾十年研發的系統，都基于一個假設，即默認測試數據與訓練數據有相同的數據分布，然而在現實世界中，無論在什么行業應用，都會存在實際情況與AI訓練時不同的問題。

“這一問題看起來無解，但目前我們找到了幾個突破點和想法，主要是借鑒人類的意識加工機制，將原本分散的知識積累起來，快速進行全新重組。”本吉奧說，雖然這些知識的組合不一定遵循訓練數據分布，但還是能從中獲得某種重組方向的優勢，從而在訓練分布中進行更好的歸納。

在本吉奧看來，接下來的研究雖然繁重，但新的進展會令人振奮。尤其是在深度學習領域，他稱其為“深度學習2．0”——能吸收人類的歸納傾向，對數據分布算法進行泛化。

李開復則表示，向AI語音識別、自然語言理解進軍，一直是AI界孜孜以求的目標。目前已出現基于深度學習的智能問答功能，可以直接讓機器“說”出答案。

“但我們不應止步于此，而是應該繼續向下一步目標努力：通過深度學習的進一步研究，提升機器對人類指令意圖的理解和執行能力。”李開復舉例說，向智能音箱發送指令“給我媽媽送個生日禮物”，它能自動理出頭緒，了解主人可接受的價格范圍，也知道主人媽媽想要的禮物是什么，并安排配送。

疫情中的AI：權衡公共衛生與隱私保護

疫情正在加速AI在諸多領域的落地應用，這一點，很多人有目共睹。

李開復介紹，疫情期間有醫療企業利用AI平臺開發抑制病毒的新藥小分子。本吉奧本人也參與了幾個將AI用于藥物研發的項目，他介紹，在化學和生物領域，需要進行測試的組合方式太多，逐個進行研究是不可能的，所以需要一個合理的搜索策略。“我們希望能用AI縮短研究時間，通過重組已有藥物，研發新型抗病毒藥物。”本吉奧說。

此外，AI還被用來建立接觸者追蹤體系，控制疫情蔓延。“我們的一項研究顯示，如果能借助機器學習提前預測某個體是否具有傳染性以及傳染性強弱，透過一些模糊的數據分析，就能大幅節省等待時間，及早知道曾接觸過病毒攜帶者的人，從而抑制病毒的傳播。”本吉奧說。

但公共衛生與個人隱私之間的平衡值得重視。“我認為必須在公共衛生或個人健康的背景下考慮隱私。在公共衛生危機期間，國家應該在尊重權利和必要防控措施間加以權衡，從而有效控制疾病的傳播。等到疫情結束后，再回歸正常。”李開復說。

在本吉奧看來，隱私保護與機器學習需求之間存在有趣的矛盾。隱私保護需要盡可能降低數據交換，而機器學習卻需要盡可能收集大量的數據。

“許多國家非常擔憂接觸者追蹤的濫用會侵犯隱私，因此催生了許多隱私保護技術。好消息是，這兩者可以共存。”本吉奧說。

李開復預計，未來AI將被用來預防流行病的發生和傳播。醫院將廣泛使用傳感器、可穿戴設備，匯總疫情信息，及時報告潛在危害，從早期遏制疫情指數級增長的趨勢，從而更好地應對危機，避免疫情失控。