机器学习和人工智能处于“真空填补期”和“黎明前的黑暗”

xman

机器学习未必就是人工智能

也许把机器学习当作人工智能是个“美丽”的时代错误。人工智能强调的是“人工”创造的“智能”，机器学习是“机器”自主从数据中找出“知识”。当数据少和人能推导控制时，“人工”的特性比较明显，人们会认为机器学习是人工智能的一部分。这种智能“人工”的创造从1950年代到本世纪初尤其明显。没有数据，机器很难学习到充分的知识，人的知识便在智能的实现中起到关键作用。因而许多情况下机器学习是实现人工智能的重要辅助工具。

然而随着数据量，数据复杂度，和应用复杂度指数式增长，机器学习有望独立于人工智能。各种应用和各种数据有其自我特征和规律，将来可能建立机器学习科学，从而更加科学地实现机器学习，这可能也有人工参与应用这种科学和技术，并不能因此就把另外一个机器学习“世界”归为人工智能。就像物理世界有其规律，当人类社会发现物理定律，了解物理世界，进而利用物理定律改变世界，我们并不能就因此就说物理世界是人工创作的。

随着时间的推移，人工智能和机器学习的区别就会越来越明显，二者又相互促进。机器学习的发展很大程度上来自数据科学和应用的驱动，直接的表现又好像是人工智能的发展和成就，人工智能和数据科学的发展也是机器学习变的更科学有效。

“真空填补期”

机器学习和人工智能目前基本还是处于由于大数据和超高效运算环境带来的产业机会，实现以前由于数据匮乏和运算资源有限而不能实现的应用，基本属于快速的“真空填补期”。新产品新创意层出不穷。这就有点像饿极的狼（产业界）突然面前有成群结队的羔羊（数据）出现一样，几乎是逮到羔羊便是机遇。

“黎明前的黑暗”

同时从历史发展看，机器学习和人工智能又处于黎明前的黑暗期，虽然表面看上去华丽多彩，背后却是大量资源的消耗，“血拼”，暗示着这种研发的局限性和不可持续性。25年前面对BP普天下调参，15年前面对SVM普天下调参，基本都是10年一个波澜壮阔的“调参”周期，最近几年面对深度学习普天下又开始了新的“调参”周期。

新的机器学习技术依赖机器学习科学

每次”痛苦“经历的背后也许预示着新的技术呼之欲出，纵观过去60多年的历史，机器学习和人工智能本身就遵循一个螺旋式上升的发展过程，2-5年后可能新的一波机器学习技术要兴起，突出表现为：

• 机器学习从云端走向各类本地智能终端/传感器/设备，云端机器学习和本地机器自主学习有机融合；
• 机器学习算法本身不再依赖于GPU的支撑，但GPU等却可以实现众多智能系统在云端的同步协同；
• 基于神经形态，FPGA和光技术的芯片开始在普适学习/普适智能中显现魅力；
• 机器学习也许不需要特别“深度”，理论上讲5-8层神经网络具有普适学习能力；
• 无监督学习理论可能有突破性发展；
• 机器学习不必依赖于大数据，小样本学习技术的吸引力不可小觑。
  

到那时候机器学习和人工智能的春天也许才能真正到来，中国的机器学习和人工智能界朋友们是要“血拼”还是“智取”？

作者简介：

黄广斌，新加坡南洋理工大学终身教授，德国宝马集团和南洋理工大学未来汽车联合研究实验室人机交互、脑机交互以及汽车辅助驾驶项目和英国劳斯莱斯和南洋理工大学联合研究实验室导航决策辅助系统项目负责人。曾任过新加坡樟宜机场新加坡航空公司地面服务公司第五货运大厦的信息跟踪控制系统升级改造的总设计师和技术负责人。