經(jīng)濟觀察網(wǎng)記者李曉丹人工智能已經(jīng)從感知智能、認知智能走向決策智能，這意味著數(shù)據(jù)技術(shù)影響決策的速度和深度在不斷提升。工業(yè)互聯(lián)網(wǎng)中企業(yè)數(shù)據(jù)被無限豐富，高效、智能響應密集需求的決策AI開始占據(jù)人工智能“食物鏈”的頂端。

微軟全球研究院前高級副總裁、哥倫比亞大學數(shù)據(jù)科學研究所（DSI）所長、美國計算機協(xié)會（ACM）院士、IEEE院士周益臻向經(jīng)濟觀察網(wǎng)表示，AI數(shù)據(jù)的應用價值在經(jīng)濟和營銷領域有了很大的提高。數(shù)據(jù)科學是從數(shù)據(jù)中提取價值的研究，但價值最終取決于用戶的解釋。

輸入決策智能

經(jīng)濟觀察網(wǎng)：您如何看待國內(nèi)人工智能產(chǎn)業(yè)的發(fā)展速度？人工智能投資熱潮為何放緩？

周亦臻：目前，很多人工智能公司都處于利用技術(shù)解決問題的早期階段。然而，這些公司發(fā)展迅速。例如，深度學習已經(jīng)在各個領域得到應用，并取得了可觀的成果。

對于AI行業(yè)來說，他們都在努力做一件事，那就是讓人工智能真正解決某個特定問題或者完成某個特定任務，即從感知智能、認知智能到?jīng)Q策智能。這就需要大量的人力去建立模型，這樣才能有決策或者預測的能力。

這個過程需要非常繁重的工作量，因為必須收集大量的數(shù)據(jù)，并且必須通過這些數(shù)據(jù)反復訓練算法，這樣算法的結(jié)果才能準確。經(jīng)常發(fā)生的情況是，幾周的工作最終解決了一個非常小的問題，而這些問題本來可以由人類輕松解決。

因此，我們的任務是建立比人類更好地解決簡單任務的人工智能模型。學術(shù)界目前正在致力于將這一過程自動化，即自動機器學習，從而減少構(gòu)建模型所需的勞動力。盡管有許多人工智能技術(shù)取得了成功，但它們無法規(guī)?；?

企業(yè)需要有足夠的耐心來建立模型。只有有了模型，才能真正實現(xiàn)決策智能。如果追求短期回報，就很難立竿見影。這也是人工智能領域投資熱情減退的原因。

經(jīng)濟觀察網(wǎng)：構(gòu)建模型最大的困難是什么？

周亦真：我們需要很多領域的專家來幫助建立模型。每個模型都是針對特定任務量身定制的，然后可以訓練該模型來解決實際問題。

有一種模型叫做轉(zhuǎn)化學習，但還沒有正式推出。我的建議是企業(yè)要有足夠的耐心。人工智能領域的每一次進步背后，都有大量的工作要做。事實上，人工智能現(xiàn)在可以完成的任務已經(jīng)取得了長足的進步。

經(jīng)濟觀察網(wǎng)：人工智能如何區(qū)分精準推薦與個人隱私的界限？

周亦臻：我也一直從事隱私領域的研究。事實上，每個人對于隱私都有自己的底線。很難判斷如何避免跨越這個底線。因此，沒有辦法給出通用的解決方案，所以還是堅持吧。數(shù)據(jù)為善很重要。

數(shù)據(jù)偏差

經(jīng)濟觀察網(wǎng)：人工智能會產(chǎn)生數(shù)據(jù)偏差嗎？

周亦真：其實還沒有發(fā)展到那個程度。目前學術(shù)界的共識是，人工智能模型的公平性尚無一致的定義。它們以不同的形式存在，但預測結(jié)果差異很大。滿足所有客戶在技術(shù)上是很困難的。

從實踐來看，學術(shù)界認為AI存在偏見的案例其實越來越多。每個人工智能模型都有自己的偏見。這不是模型或算法的問題，而是不斷輸入算法進行計算的數(shù)據(jù)是有偏差的。

從學術(shù)角度來看，在某些情況下不可能建立一個完全正確的模型。

我想特別強調(diào)這一點，因為最近人們對一個新的研究領域很感興趣，這就是人工智能的可信度。如果AI模型用于無人駕駛技術(shù)或用于診斷癌癥患者，那么當消費者知道AI模型可能會犯錯誤并且可能存在偏見時，他們就不會信任該模型。

經(jīng)濟觀察網(wǎng)：基礎研究與產(chǎn)品落地還存在哪些差距？

周亦臻：其實人工智能和深度學習技術(shù)最早的應用是為了解決一些人類擅長的任務，比如語音識別、物體識別、人臉識別、機器翻譯等。這些都是人類天生擅長的領域，但現(xiàn)在我們可以讓機器為我們完成這些任務，所以人工智能技術(shù)已經(jīng)具備了一定的發(fā)展基礎，不僅是商業(yè)，還包括各種細微的任務。

然而，建造一臺可以翻譯語言的機器與建造一臺可以為人類做決定的機器完全不同，所以它們之間存在很大的差距。盡管深度學習已經(jīng)有很多成功的應用，但人們對這項技術(shù)還沒有深入的了解。例如，深度學習的工作原理是什么？雖然已經(jīng)有無數(shù)的應用案例，但從科學角度看，這項技術(shù)仍然缺乏科學理論基礎，所以遲早會遇到發(fā)展障礙。

經(jīng)濟觀察網(wǎng)：哥倫比亞大學數(shù)據(jù)科學系與企業(yè)有哪些合作？

周亦臻：哥倫比亞大學數(shù)據(jù)科學系與企業(yè)界有著廣泛的合作。目前已與25家各領域企業(yè)建立了合作伙伴關系。 8月底，與深圳燕燕智能在人工智能技術(shù)領域的頂級技術(shù)實力和研發(fā)能力方面展開合作。紐約有許多新興金融公司和IT公司，包括阿里巴巴、百度、滴滴等。此外，我們還與IBM的研發(fā)中心合作。滴滴正在制造自己的自動駕駛汽車。我去過滴滴在加州的研發(fā)中心。滴滴目前擁有海量的數(shù)據(jù)和非常先進的算法，因此具有巨大的發(fā)展?jié)摿Α?

本文經(jīng)“原創(chuàng)”認證為原創(chuàng)，作者為經(jīng)濟觀察報。訪問yuanben.io查詢【46L3IP3Z】獲取授權(quán)信息。