欧洲科学院院士、德国人工智能研究中心科学总监Hans Uszkoreit
人物介绍
欧洲科学院院士、德国人工智能研究中心科学总监、北京深知无限人工智能研究院院长、联想集团人工智能首席顾问
来源 | 盛景商业评论 ID | sjwl360
整理 | 许檬檬 美编 | sunny
▼
观点：我们的显性及隐性知识和人类的认知，是一个非常强有力的资产，它是人类成功发展的一个基础，也是人的智力和天分所在。
现在我们正在找到一个更幸福的方式把不同的知识种类结合起来，那就是AI。在AI领域，我们目前三个最大的挑战就是我们要学习那些显性的知识，同时也要去学习隐性知识的技术，以及未来的神经网络和深度学习技术。
▌以下是根据Hans Uszkoreit院士现场演讲稿整理：
大家早上好，我想要给大家介绍一下我们如何能够进一步拓展我们的知识，尤其是在AI技术的拓展方面以及我们如何来应对这方面的一些挑战，包括在知识社会下，如何更好的部署AI。
所有在中国搞人工智能的人都应该记得阿尔法狗击败了最牛的棋手柯洁，这个事件已经造成了很大的轰动。但另外一个事情却没有被大家所熟知，是2011年的一个特别轰动的事情，是一个机器在一个特别大的电视的智力比赛当中获胜了。这是IBM的沃森这台人工智能的电脑，把两个北美知识最全面、最丰富的人给打败了。
我们说AI分两种，一种是知识型，有各种各样的规则还有各种逻辑关系，还有一种让机器人根据人们系统性的编程，让他掌握人类某种动作或者有某种肢体动作，包括人的一些行为。如果把这两种结合起来就很厉害了。因为数据能够给机器智慧，智慧都是从数据来学到的。人的智慧从哪儿来的？人是从人身上学来的。
阿尔法狗是从以前大量棋手身上学到很多东西，谷歌的翻译也是这样，从以前很多翻译身上学很多东西，谷歌的翻译机器根本不了解这个语言。无人驾驶汽车也是这样，他学会怎么样通过这种人工的无人驾驶汽车，他不懂交通法，不懂道路的状况，根据隐含的知识和技能，他的行为和他的知识不相关系。包括语音识别，就是在识别这些语音，他根本不懂这个人在说什么，他并不懂背后的含义，但是他只是说从这一种文字怎么到另一种文字或者从语音到文字等等。像IBM的沃森这台机器人，确实他是非常的聪明，百科全书计算当中他已经获胜了。我们在德国的业界，我们把这两个大数据知识和机器学习结合起来。
深度学习不跟我们原来所定义深度学习所一样，它包括语音的解释还有了解这样的影像等等结合起来形成了深度学习。为什么现在才发生这一场AI革命而不是多年前就发生了呢？这跟有几个领域重大的突破和成熟有关，尤其是跟大数据的成熟有关。
你首先要有数据，也有相应的技术，有相应的软件。机器学习也必须要达到一定的深度才会有AI的革命，尤其是机器的深度学习。那么知识的技术，比如说是打造庞大的知识库，不仅仅是数据库，而是知识库，能够是把这一个知识还能够连接起来，通过他们的意义和逻辑把各种知识连接起来，谷歌应该是先锋者，还有一些其他的知识公司都有知识图谱，互联网的技术要跟的上才行。还有要有在硬件领域重大的突破才行，现在才看到有AI的革命。
另外我想有两个发展是激动人心的，一个是德国的工业4.0，这个工业4.0是一个非常有远见的项目，谁提出来的呢？是科学家提出来的，同时是科学家和政客和企业界的人士一起提出来的。工业4.0就是说明了我们未来的企业，而且是在不久之后的企业会是什么样子的，有关传感器、物联网、商业智能还有人工智能AI这些都能够应用到工厂，以后的企业是什么样的呢？其中三个创办者，一个是我所在的的研究所的CIO，还有一个来自政府，一个来自企业的代表。他们最早是提出来德国的工业4.0这个理念。
另外一点，就是越来越多的互联网数据库的开放，诸如万维网这样的开放的知识网络。那么如何把那些非结构化的知识变成是一种结构化的机器能够处理的知识，可以说是德国工业4.0的规划当重点研究的，未来企业是智能、是连接、每时每刻都有众多的数据流在他们周围，这些都是由人工智能对数据进行分析、对工业进行优化、对未来进行预测，从而形成的工厂运行新流程。
我刚才讲了工业4.0跟我们AI有什么样的关系？我觉得两者有必然的关系，而且非常重要。
如今，工业4.0时代是数据化时代，在这样的时代，对于任何一个企业来说，最重要的不在企业本身，而在于什么你是否知道知道你的外部环境？客户、供应商、监管者、技术公司都是在外面，不在企业内部。
晚上，工人下班回家后，他们所接触的通信、交通也都是属于外部。那如何把外部这么多的知识和数据与工厂连接起来呢？
你的客户怎么想？监管部门怎么想？外面出现什么新的物流技术？要把这些纳入到你们工厂内部的流程当中，这比工厂自己的流程要复杂多了。一旦这些数据有偏差都会给我们的公司运作带来影响，但是这些数据都可以通过AI人工智能来完成。
接下来我想想讲讲知识，中国要成为知识型的社会，发展知识型的经济。全世界就是一个大家庭，我们现在有百度，有百科全书，它们都是知识的荟萃。但是我们现在很多知识仍然停留在字面的意义上。
为什么我要讲到这件事情？因为一个人可以拿一本书看看，但是你会发现不仅是说要把知识放在一起，他们得有一个结构才行，才会有价值。数据库越多，知识也会越多。我们如何把这些数据进行系统化，形成知识是AI领域的重点研究课题。例如，我们在柏林的一个数据项目，就是希望能够让人工智能能够接受、分析知识。
现在，有的人打造所有电影的数据库，有的是打造所有物种的数据库，还有的人是打造美国国家图书馆的数据库，德国也有德国国家的图书馆的数据库。这些都是大型的数据库，人们用语义的方式把他们进行连接，但没有跟我们企业界的知识进行联系，我说德国工业4.0这么重要及我们要想把企业内部的知识跟别的外部环境产生的知识，无论是交通、社交还有其他方面的知识连接起来，从而让企业知道如何去规划，这不是很重要吗？
我们做供应链管理，一个是应用在市场调研方面，我们是要把企业内外部所有知识汇总，打造数据网。数据网看起来像是一个知识社区， 我们首先要求搜集跟企业有关的这个数据，另外我们需要让知识能够自动去生成，不能老是依赖别人，把这些知识用结构化的方式呈现给你。
最好是机器能够自动生成知识，为此像谷歌有好几个团体跟他一起合作，做语言理解这个项目。谷歌本身也是我所在的德国人工智能研究中心的股东之一，这些聪明的科学家总在想如何才能够让诸如人们的舆论、社会活动等数据以一种结构化的方式把他们做成一种知识，这对企业来说是有意义的知识，这些外部知识可以和企业内部的知识相联合。
你可能会听说一个企业收购另外一家，更重要的是他们的数据库能不能够整合起来。你会发现其实方法也是很多的，也就是说有这么多的方法，机器应该都是可以去进行学习。首先你需要知道一个企业收购另外一个企业的数据。其次，你要知道收购的规律，企业家真正需要的是规律，但规律是基于数据的处理，数据的分析，需要有神经网络，最后数据才能够生有价值。
最后，我们展望一下未来，前面我们说数据就是用来生成知识的。但是我们还可以让他有功能。
比如说无驾驶就是从数据那里学到了驾驶的方法。但是他们还需要有新的知识，比如说他要知道哪个地方堵车，或者哪个地方下大雪不方便。这一转变的提升需要整个数据体系的日趋汇总，包括知识的数据和行为的数据。
我本人相信，我们的神经网络不见得是最擅长处理大量的数据的一个网络。为什么这么说？因为我们的神经网络至少现在没有办法百分之百的优化，而且即使是再进化，人的大脑也就这么大。你能够记住几百万个名字，几百万个事实吗？不可以，但机器可以，机器能够这么做，是因为他们跟我们人类的神经网络的运作方式不一样。我们把人的大脑和机器大脑进行连接，这样我们人的大脑就像得到一个新的武器变得更加的强大。
当然你会说是不是以后机器会取代我们人类？像阿尔法狗那样，不会的。这些机器有一天会学会两条腿走路，他们也能够把两个非常重要的事实是组合起来，一个是有关理性，知识的数据和行为的数据组合起来。但是他们并没有动机，他们也没有感情、没有欲望，这不只是神经网络的问题。我们需要看到机器比我们人更强一点，我们需要更好的去利用他。
我们的显性及隐性知识和人类的认知，是一个非常强有力的资产，它是人类成功发展的一个基础，也是人的智力和天分所在。现在我们正在找到一个更幸福的方式把不同的知识种类结合起来，那就是AI。在AI领域，我们目前三个最大的挑战就是我们要学习那些显性的知识，同时也要去学习隐性知识的技术，以及未来的神经网络和深度学习技术。
联系客服
