博鳌亚洲论坛国际科技与创新论坛:创新动力——人工智能,拥抱未来

 佳琦      

近日,博鳌亚洲论坛国际科技与创新论坛首届大会在澳门隆重举行。本届大会以“创新赋能可持续发展”为主题,汇聚了来自25个国家将近千名政要、行政长官、商界领袖、学术专家,围绕科技创新促进世界经济复苏和全球可持续发展等焦点话题进行了探讨。


其中,“创新动力——人工智能,拥抱未来”分论坛邀请了欧洲科学院外籍院士陈俊龙、中国工程院院士戴琼海、加拿大科学院院士张大鹏、IEEE Life Fellow Imre J.Rudas、第四范式副总裁、主任科学家涂威威等学术代表就人工智能技术趋势进行了分享。其中,涂威威以“Towards AI for Everyone”为题,介绍了当下AI的思考与发展。


以下为演讲实录:


·AI发展三部曲


AI是一个非常年轻的学科,根据南京大学周志华教授的总结,自1956年被提出至今,共经历了3个阶段:推理期、知识期、学习期。人工智能的研究学者希望让机器自己有思考的能力,使机器更聪明,能够做更多需要人类智慧才能做的事情。当时大家普遍认为数学家是最聪明的人,数学家最强的是推理能力。于是,当时人们觉得要实现AI需要具备数学家的推理能力,“自动定理证明”是当时最经典的工作之一。但人们很快发现只是数学定理的推理,并不能解决很多实际的问题,比如前面张院士提到的中医望闻问切,以及当我们想预测病人疾病未来的走势时,自动的几何定理证明系统并不能回答疾病相关的问题。


于是,人们意识到AI光有推理是不够的,还缺乏相应的知识,需要通过知识去总结并指导未来的生产。随后,AI进入了知识期,期间非常经典的工作叫“专家系统”,总结人类专家的经验并固化。但是人类专家的经验总结起来非常复杂,比如老中医很难准确地说出自己的判定逻辑。这个方向曾经引爆了人工智能的一次短暂的高潮,然而很快随着许多应用落地的失败,AI进入了寒冬。


而将AI带出寒冬的是机器学习技术。经过多年发展,AI来到了学习期,从知识工程过渡到机器学习,不再依赖于人类专家总结经验规律,而是让机器从数据中直接学习,从数据中总结规律。机器学习的经典定义,是计算机程序利用经验来改善系统性能,而这里的经验往往是指数据。目前,机器学习在我们熟知的AlphaGo、互联网巨头们的搜索与推荐系统、在线广告系统、金融市场分析、计算机视觉、语言学、生物信息学等诸多领域都取得了很大的成功。


·机器学习因何让AI走向成功?


因此,我们需要思考:AI为何在机器学习时代成功了?其原因在于机器总结的业务规则要远超人类专家,人类总结成百上千条已是极限,但机器可以基于海量数据不知疲倦地总结并发现数十亿条规则。正因如此,我们的高维机器学习应用到互联网营销、点击率预测、糖尿病预警、金融反欺诈等众多行业场景中,取得了比专家更好的业务效果。


造成上述的原因在于人类受限于大脑的生理构造,计算以及存储能力受限。诺贝尔奖、图灵奖获得者Herbert A.Simon就因提出“有限理性”理论获得诺贝尔奖。简单来说,就是人在做决策的时候,由于多方面因素的限制,只是追求当下满意的决策而非最优决策。此外,人的思维是过度泛化的,尽可能把问题想的简单,便于思考和处理,但现实问题往往是很复杂的。


机器的优势在于可以更好的解决问题的复杂性,全面分析问题,并实时响应,提供极致更优解,且相比于人类经验的难以复制,机器的这种能力有非常强的可复制性。


·AI全面赋能企业决策


机器这样的能力如何更好地为企业所用?事实上,Herbert A.Simon也曾说企业最核心的问题是决策,西方军事学家John Boyd认为决策的过程是由“观察、判断、决策、行动”四步骤组成的相互关联、相互重叠的循环周期,也就是所谓的OODA循环。


首先需要通过数据观察现在业务的状况,其次对业务进行更深入地分析并对业务发展进行准确预判,再为各类业务问题寻求能够实现其价值最大化的更优决策,最后按照决策结果采取相应行动,最终完成整体的管理行为。


AI在其中每一环都可以赋能。在观察阶段,AI可以实现文本、语音、图像等全场景、多模态数据的“观察”,不知疲倦的协助决策者处理企业业务有关的海量数据,提取对决策有价值的关键信息;在判断阶段,机器可以帮助企业利用数据,从业务中总结出足够多的规律,构建更复杂的业务规则,帮企业更好地认识业务发展,同时因为决策会影响未来,AI也能够帮助企业对未来有更加精准的预判;在决策阶段,机器可以进一步发挥优势,凭借强大的计算能力进行全局精准决策优化,最终为行动提供指导。


·AI走向普及技术创新仍是关键


AI不应该只是巨头们的摇钱树和竞争利器,AI作为先进的生产力,应该为更多的企业与人所用,为社会创造更大的价值。然而,在AI规模化落地的过程中,企业又不得不面临认知、数据、人才、工具、技术、规模等落地门槛。例如在数据方面,除了面对数据多样性,还要面对数据大规模增长、数据不一致、数据有效性差、数据分布漂移等问题,因此需要在针对AI的数据治理工具、弱监督学习、数据增强、主动学习等方面发力,解决数据的“壁垒”。


在人才方面,目前,顶尖的机器学习专家团队参与了包括定义问题、收集数据、数据预处理、特征工程、选择或设计模型架构、调整模型超参数、性能评估等机器学习的所有阶段,这也说明了机器学习技术本身有着极高的技术门槛,AI人才匮乏、专家经验难以复制等诸多因素阻碍了AI在各领域落地。


为了推动机器学习技术在更广泛的场景应用,AutoML(自动机器学习)成为了学术界和工业界的研究重点。其目的是将机器学习过程自动化,以低门槛的形式实现AI构建和应用,解决AI落地对高水平人才的依赖问题。目前,AutoML已可实现感知类、预测类、决策类等不同场景的应用开发,并在第四范式的众多客户中取得了不错的落地效果。


当然,机器学习也有一定的局限性。机器学习有一个假设叫“独立同分布”,它使得机器学习应用的场景都是受限的,只能在一个封闭的领域去使用。要解决这些问题,我们需要应对适应性的挑战,通过强化学习、迁移学习等技术,解决数据分布变化、环境动态交互、新任务目标、数据概念变化等问题。此外,还需要可解释机器学习、差分隐私、联邦学习、多方安全计算等技术解决信任、隐私保护和公平性挑战。


机器学习应用落地还有一点不可忽视,就是算力。如今超高维、多样化的数据、多样性需求、甚至是不同的模型都对计算效率提出了更高的要求。为了顺应AI时代的计算模式,需要将算法与底层硬件的深度融合,从计算、存储、网络、调度等方面进行软硬一体化设计;还需要大规模分布式机器学习计算框架、专用AI芯片充分发挥算法的优势,进一步提升AI的计算效能。


智慧司法释放创新“红利”


公正、高效、权威,促进社会公平正义,是法治建设追求的目标。大数据、互联网、区块链、云计算等新兴技术虽然不是目标本身,但却在深层次上推动着这一目标的实现。运用新技术进行智慧司法,不仅带来程序、观念和理论层面的变革,还更深层地影响着法治体系和法律规则。


党的十八大以来,我国智慧司法发展走上了快车道,全国各司法机关的智慧应用不断涌现,为司法实践带来了全新机遇。


提高程序效率


近年来,“张学友演唱会上逃犯被抓”的新闻,屡屡成为热搜。这些跨越时间得以解决的悬案,要部分归功于人工智能技术。在逃人员的踪迹,通过人脸识别往往会触发智慧警务平台自动报警。


2020年3月,海南首例企业向大海倾倒建筑垃圾公益诉讼案件开庭审理。该案中,倾倒垃圾的频率、范围难以确定,倾倒行为也难以被现场抓获,海口市秀英区人民检察院多次使用无人机取证固定了证据。


这些高新技术,不仅使个案成就了以前难以完成的工作,更整体提高了司法机关的工作效率。


一直以来,司法效率与司法公正同样影响人民群众对公平正义的感受。实际上,程序效率正是程序公正的核心。


人工智能分担了大量事务性、基础性工作。随着电子卷宗随案同步生成、法律条文和相似案例智能推送、庭审语音识别、要素式智能审判、裁判文书智能纠错等司法人工智能应用,极大提高了广大法官、检察官的办案质效。而大幅提升单位时间内结案数量,也为应对疑难案件争取了资源与时间。


效率之外,追求个案的实体公正是司法实践的价值目标之一。确保实体公正实现的前提条件是司法裁判过程中法律适用的平等与统一。但在以往的司法实践中,事实相同的案件在不同法院甚至同一个法院的不同法官中,可能出现相距甚远的判决。这成为亟待解决的重要问题。信息化手段是统一裁判标准、提升审判能力的重要抓手。


2018年,最高人民法院“类案智能推送系统”上线运行,利用人工智能和大数据分析技术,自动推送与案情或争议焦点相匹配的类似案例,为法官裁判提供参考。同时研发了刑事案件智能辅助办理系统,帮助各个环节办案人员依法、全面、规范收集和审查证据,统一裁判尺度,保障司法公正。


扩大群众参与


随着法治建设的不断深入,人民群众的法律意识与需求都在不断提升。要想依靠法律维护自身合法权益,参与法治进程,首先需要高效便捷、成本低廉的信息渠道。


“互联网+公共法律服务”成为司法为民的重要方式。人力无法完全覆盖的领域,交给技术完成。以司法部建设的中国法律服务网为例,该网实行“大服务”模式,开通行政执法监督平台、农民工欠薪求助绿色通道、即时咨询、刑事案件智能咨询等功能,上线微信小程序,办事功能丰富,上线以来累计访问14亿人次,法律咨询1000万人次,在线办事150余万件。


司法的公信力还在于司法公开的广度与深度。


以往的司法实践中,引起舆论争议的问题不少失之于“说理性不强”。检察机关让更多的人了解到决定是如何产生的。


2020年11月10日,上海市虹口区人民检察院听证室里,一起故意伤害案不起诉公开听证会正在进行,人大代表、人民监督员作为听证员参与听证。与此同时,此次公开听证通过中国检察听证网向社会公众进行现场同步直播。


让“检察听证”更深入走进公众视野已经写入《人民检察院审查案件听证工作规定》。


审判环节,法院建成审判流程、庭审直播、裁判文书、执行信息四大公开平台,从审判活动到法院情况、审判流程、裁判文书、执行活动,在各审判环节切实满足人民群众知情权、参与权、表达权和监督权。截至2020年10月底,中国庭审公开网已累计直播庭审超过984.73万件,观看量超过295.16亿人次。


在人工智能时代,司法公开的内在意涵已经由面向当事人扩大为面向社会公众,实现了个案公开与审判事务公开的有机结合。也应看到,司法公开的深化,有助于司法人员提升规范自律,司法机关的权威性与公信力获得了更为有效的提升。


转变治理理念


技术发展除了带来新的助益与可能,也催生出专属于互联网领域的全新社会关系和纠纷形态,考验着司法回应的“敏感度”。


互联网法院是“互联网+”行动的产物。2017年以来,在杭州、北京、广州陆续设立的三家互联网法院,集中管辖部分涉互联网纠纷案件,构建身份在线核实、证据在线提取、信息在线流转的互联网审判模式。其中运用可信时间戳、哈希值校验、区块链等固证存证手段更是前沿技术在司法领域的深度运用。


更重要的是,互联网法院对网络侵权、虚拟财产、数据权利、网络安全等权利边界、行为规则加以明确,推动完善与互联网时代相适应的司法机制和诉讼制度。


智慧司法的不断深化还为社会治理和司法改革提供了参考。通过对平台矛盾纠纷类型、多发纠纷领域、多发纠纷人群、纠纷处理的方式等数据的深度开发和研究,可以助推社会治理理念向精准实际、宏观微观兼顾转型,最终做出合乎实际需求的治理决策。


目前司法行政大数据已初步形成,与公安部人口库、民政部婚姻库、自然资源不动产库建立数据共享机制,汇聚各业务数据14.4亿条。有的地方通过大数据应用,形成了法律法规适用频度、部门履职、执法效能等多维度分析评估指标体系。有的地方通过公共法律服务大数据分析,在提供精准法律服务、有效感知社情民意、防范化解社会矛盾方面发挥了积极作用。


来源:消费日报网 ,羊城晚报金羊网

我来说几句

最新回答

还没有人回答哦,抢沙发吧~

相关新闻

推荐新闻