1.4 人工智能的目标

随着人工智能在算法、计算能力和计算数据等三方面取得了重要突破，人工智能得到了快速发展，它正在大大改变世界经济发展模式与面貌，不断深入社会服务与社会生活，不断增强现有工业，在自动驾驶、智能医疗、智能教育等行业快速发展，并为人类带来了极大的便利。但是人工智能的开发依然存在诸多瓶颈，那么在可以预见的未来，人工智能的发展目标是什么呢？

如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。

人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会（如图1-18所示）。2017年，国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中，要着重研究通用人工智能。AlphaGo 系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。

一方面，从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。

图1-18 普惠型智能社会下丰富的人工智能产品及开发企业

另一方面，从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力，例如AlphaGo系统通过自我对弈强化学习实现“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017 年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。

人工智能将加速与其他学科领域的交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，将使人工智能进入生物启发的智能阶段。同时，人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。

基于目前全球对于人工智能制高点的重视，我国也确定了未来人工智能的发展重点，包括“大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统”。此外，对基于云计算、芯片等“边缘化”的人工智能的相关研究以及关于类脑智能的研究也蓄势待发。今后，人工智能的芯片化、硬件化、平台化是必然趋势。