阿里达摩院金榕从技术到科学，中国AI向何处去？

　　机器之心专栏
　　作者：金榕（阿里巴巴达摩院副院长、原密歇根州立大学终身教授） 如果从达特茅斯会议起算，AI 已经走过 65 年历程，尤其是近些年深度学习兴起后，AI 迎来了空前未有的繁荣。不过，最近两年中国 AI 热潮似乎有所回落，在理论突破和落地应用上都遇到了挑战，外界不乏批评质疑的声音，甚至连一些 AI 从业者也有些沮丧。
　　从 90 年代到美国卡耐基梅隆大学读博开始，我有幸成为一名 AI 研究者，见证了这个领域的一些起伏。通过这篇文章，我将试图通过个人视角回顾 AI 的发展，审视我们当下所处的历史阶段，以及探索 AI 的未来究竟在哪里。
　　本文的部分观点如下： AI 时代序幕刚拉开，AI 目前还处于初级阶段，犹如法拉第刚刚发现了交流电，还未能从技术上升为科学。 以深度学习为代表的 AI 研究这几年取得了诸多令人赞叹的进步，但部分也是运气的结果，其真正原理迄今无人知晓。 在遇到瓶颈后，深度学习有三个可能突破方向：深度学习的根本理解、自监督学习和小样本学习、知识与数据的有机融合。 AI 在当下最大的机会：用 AI 解决科学重要难题（AI for Science）。
　　一、AI 的历史阶段：手工作坊
　　虽然有人把当下归为第三波甚至是第四波 AI 浪潮，乐观地认为 AI 时代已经到来，但我的看法要谨慎一些：AI 无疑具有巨大潜力，但就目前我们的能力，AI 尚处于比较初级的阶段，是技术而非科学。这不仅是中国 AI 的问题，也是全球 AI 共同面临的难题。
　　这几年深度学习的快速发展，极大改变了 AI 行业的面貌，让 AI 成为公众日常使用的技术，甚至还出现了一些令公众惊奇的 AI 应用案例，让人误以为科幻电影即将变成现实。但实际上，技术发展需要长期积累，目前只是 AI 的初级阶段，AI 时代才刚开始。
　　如果将 AI 时代和电气时代类比，今天我们的 AI 技术还是法拉第时代的电。法拉第通过发现电磁感应现象，从而研制出人类第一台交流电发电机原型，不可谓不伟大。法拉第这批先行者，实践经验丰富，通过大量观察和反复实验，手工做出了各种新产品，但他们只是拉开了电气时代的序幕。电气时代的真正大发展，很大程度上受益于电磁场理论的提出。麦克斯维尔把实践的经验变成科学的理论，提出和证明了具有跨时代意义的麦克斯维尔方程。
　　如果人们对电磁的理解停留在法拉第的层次，电气革命是不可能发生的。试想一下，如果刮风下雨打雷甚至连温度变化都会导致断电，电怎么可能变成一个普惠性的产品，怎么可能变成社会基础设施？又怎么可能出现各种各样的电气产品、电子产品、通讯产品，彻底改变我们的生活方式？
　　这也是 AI 目前面临的问题，局限于特定的场景、特定的数据。AI 模型一旦走出实验室，受到现实世界的干扰和挑战就时常失效，鲁棒性不够；一旦换一个场景，我们就需要重新深度定制算法进行适配，费时费力，难以规模化推广，泛化能力较为有限。
　　这是因为今天的 AI 很大程度上是基于经验。AI 工程师就像当年的法拉第，能够做出一些 AI 产品，但都是知其然，不知其所以然，还未能掌握其中的核心原理。
　　那为何 AI 迄今未能成为一门科学？
　　答案是，技术发展之缓慢远超我们的想象。回顾 90 年代至今这二十多年来，我们看到的更多是 AI 应用工程上的快速进步，核心技术和核心问题的突破相对有限。一些技术看起来是这几年兴起的，实际上早已存在。
　　以自动驾驶为例，美国卡耐基梅隆大学的研究人员进行的 Alvinn 项目，在 80 年代末已经开始用神经网络来实现自动驾驶，1995 年成功自东向西穿越美国，历时 7 天，行驶近 3000 英里。在下棋方面，1992 年 IBM 研究人员开发的 TD-Gammon，和 AlphaZero 相似，能够自我学习和强化，达到了双陆棋领域的大师水平。
　　1995 年穿越美国项目开始之前的团队合照。
　　不过，由于数据和算力的限制，这些研究只是点状发生，没有形成规模，自然也没有引起大众的广泛讨论。今天由于商业的普及、算力的增强、数据的方便获取、应用门槛的降低，AI 开始触手可及。
　　但核心思想并没有根本性的变化。我们都是试图用有限样本来实现函数近似从而描述这个世界，有一个 input，再有一个 output，我们把 AI 的学习过程想象成一个函数的近似过程，包括我们的整个算法及训练过程，如梯度下降、梯度回传等。
　　同样的，核心问题也没有得到有效解决。90 年代学界就在问的核心问题，迄今都未得到回答，他们都和神经网络、深度学习密切相关。比如非凸函数的优化问题，它得到的解很可能是局部最优解，并非全局最优，训练时可能都无法收敛，有限数据还会带来泛化不足的问题。我们会不会被这个解带偏了，忽视了更多的可能性？
　　二、深度学习：大繁荣后遭遇发展瓶颈
　　毋庸讳言，以深度学习为代表的 AI 研究这几年取得了诸多令人赞叹的进步，比如在复杂网络的训练方面，产生了两个特别成功的网络结构，CNN 和 transformer。基于深度学习，AI 研究者在语音、语义、视觉等各个领域都实现了快速的发展，解决了诸多现实难题，实现了巨大的社会价值。
　　但回过头来看深度学习的发展，不得不感慨 AI 从业者非常幸运。
　　首先是随机梯度下降（SGD），极大推动了深度学习的发展。随机梯度下降其实是一个很简单的方法，具有较大局限性，在优化里面属于收敛较慢的方法，但它偏偏在深度网络中表现很好，而且还是出奇的好。为什么会这么好？迄今研究者都没有完美的答案。类似这样难以理解的好运气还包括残差网络、知识蒸馏、Batch Normalization、Warmup、Label Smoothing、Gradient Clip、Layer Scaling… 尤其是有些还具有超强的泛化能力，能用在多个场景中。
　　再者，在机器学习里，研究者一直在警惕过拟合（overfitting）的问题。当参数特别多时，一条曲线能够把所有的点都拟合得特别好，它大概率存在问题，但在深度学习里面这似乎不再成为一个问题… 虽然有很多研究者对此进行了探讨，但目前还有没有明确答案。更加令人惊讶的是，我们即使给数据一个随机的标签，它也可以完美拟合（请见下图红色曲线），最后得出拟合误差为 0。如果按照标准理论来说，这意味着这个模型没有任何偏差（bias），能帮我们解释任何结果。请想想看，任何东西都能解释的模型，真的可靠吗，包治百病的良药可信吗？
　　Understanding deep learning requires rethinking generalization. ICLR, 2017.
　　说到这里，让我们整体回顾下机器学习的发展历程，才能更好理解当下的深度学习。
　　机器学习有几波发展浪潮，在上世纪 80 年代到 90 年代，首先是基于规则（rule based）。从 90 年代到 2000 年代，以神经网络为主，大家发现神经网络可以做一些不错的事情，但是它有许多基础的问题没回答。所以 2000 年代以后，有一批人尝试去解决这些基础问题，最有名的叫 SVM（support vector machine），一批数学背景出身的研究者集中去理解机器学习的过程，学习最基础的数学问题, 如何更好实现函数的近似，如何保证快速收敛，如何保证它的泛化性？
　　那时候，研究者非常强调理解，好的结果应该是来自于我们对它的深刻理解。研究者会非常在乎有没有好的理论基础，因为要对算法做好的分析，需要先对泛函分析、优化理论有深刻的理解，接着还要再做泛化理论… 大概这几项都得非常好了，才可能在机器学习领域有发言权，否则连文章都看不懂。如果研究者自己要做一个大规模实验系统，特别是分布式的，还需要有工程的丰富经验，否则根本做不了，那时候没有太多现成的东西，更多只是理论，多数工程实现需要靠自己去跑。
　　但是深度学习时代，有人做出了非常好的框架，便利了所有的研究者，降低了门槛，这真是非常了不起的事情，促进了行业的快速发展。今天去做深度学习，有个好想法就可以干，只要写上几十行、甚至十几行代码就可以跑起来。成千上万人在实验各种各样的新项目，验证各种各样新想法，经常会冒出来非常让人惊喜的结果。
　　但我们可能需要意识到，时至今日，深度学习已遇到了很大的瓶颈。那些曾经帮助深度学习成功的好运气，那些无法理解的黑盒效应，今天已成为它进一步发展的桎梏。
　　三、下一代 AI 的三个可能方向
　　AI 的未来究竟在哪里？下一代 AI 将是什么？目前很难给出明确答案，但我认为，至少有三个方向值得重点探索和突破。
　　第一个方向是寻求对深度学习的根本理解，破除目前的黑盒状态，只有这样 AI 才有可能成为一门科学。具体来说，应该包括对以下关键问题的突破： 对基于 DNN 函数空间的更全面刻画； 对 SGD（或更广义的一阶优化算法）的理解； 重新考虑泛化理论的基础。
　　第二个方向是知识和数据的有机融合。
　　人类在做大量决定时，不仅使用数据，而且大量使用知识。如果我们的 AI 能够把知识结构有机融入，成为重要组成部分，AI 势必有突破性的发展。研究者已经在做知识图谱等工作，但需要进一步解决知识和数据的有机结合，探索出可用的框架。之前曾有些创新性的尝试，比如 Markov Logic，就是把逻辑和基础理论结合起来，形成了一些有趣的结构。
　　第三个重要方向是自监督学习和小样本学习。
　　我虽然列将这个列在第三，但却是目前值得重点推进的方向，它可以弥补 AI 和人类智能之间的差距。
　　今天我们经常听说 AI 在一些能力上可以超越人类，比如语音识别、图像识别，最近达摩院 AliceMind 在视觉问答上的得分也首次超过人类，但这并不意味着 AI 比人类更智能。谷歌 2019 年有篇论文 on the Measure of intelligence 非常有洞察力，核心观点是说，真正的智能不仅要具有高超的技能，更重要的是能否快速学习、快速适应或者快速通用？
　　按照这个观点，目前 AI 是远不如人类的，虽然它可能在一些方面的精度超越人类，但可用范围非常有限。这里的根本原因在于：人类只需要很小的学习成本就能快速达到结果，聪明的人更是如此——这也是我认为目前 AI 和人类的主要区别之一。
　　有一个很简单的事实证明 AI 不如人类智能，以翻译为例，现在好的翻译模型至少要亿级的数据。如果一本书大概是十几万字，AI 大概要读上万本书。我们很难想象一个人为了学习一门语言需要读上万本书。
　　另外有意思的对比是神经网络结构和人脑。目前 AI 非常强调深度，神经网络经常几十层甚至上百层，但我们看人类，以视觉为例，视觉神经网络总共就四层，非常高效。而且人脑还非常低功耗，只有 20 瓦左右，但今天 GPU 基本都是数百瓦，差了一个数量级。著名的 GPT-3 跑一次，碳排放相当于一架 747 飞机从美国东海岸到西海岸往返三次。再看信息编码，人脑是以时间序列来编，AI 是用张量和向量来表达。
　　也许有人说，AI 发展不必一定向人脑智能的方向发展。我也认为这个观点不无道理，但在 AI 遇到瓶颈，也找不到其他参照物时，参考人脑智能可能会给我们一些启发。比如，拿人脑智能来做对比，今天的深度神经网络是不是最合理的方向？今天的编码方式是不是最合理的？这些都是我们今天 AI 的基础，但它们是好的基础吗？
　　应该说，以 GPT-3 为代表的大模型，可能也是深度学习的一个突破方向，能够在一定程度上实现自学习。大模型有些像之前恶补了所有能看到的东西，碰到一个新场景，就不需要太多新数据。但这是一个最好的解决办法吗？我们目前还不知道。还是以翻译为例，很难想象一个人需要装这么多东西才能掌握一门外语。大模型现在都是百亿、千亿参数规模起步，没有一个人类会带着这么多数据。
　　所以，也许我们还需要继续探索。
　　四、AI 的机会：AI for Science
　　说到这里，也许有些人会失望。既然我们 AI 还未解决上面的三个难题，AI 还未成为科学，那 AI 还有什么价值？
　　技术本身就拥有巨大价值，像互联网就彻底重塑了我们的工作和生活。AI 作为一门技术，当下一个巨大的机会就是帮助解决科学重点难题（AI for Science）。AlphaFold 已经给了我们一个很好的示范，AI 解决了生物学里困扰半个世纪的蛋白质折叠难题。
　　我们要学习 AlphaFold，但没必要崇拜。AlphaFold 的示范意义在于，DeepMind 在选题上真是非常厉害，他们选择了一些今天已经有足够的基础和数据积累、有可能突破的难题，然后建设一个当下最好的团队，下决心去攻克。
　　我们有可能创造比 AlphaFold 更重要的成果，因为在自然科学领域，有着很多重要的 open questions，AI 还有更大的机会，可以去发掘新材料、发现晶体结构，甚至去证明或发现定理… AI 可颠覆传统的研究方法，甚至改写历史。
　　比如现在一些物理学家正在思考，能否用 AI 重新发现物理定律？过去数百年来，物理学定律的发现都是依赖天才，爱因斯坦发现了广义相对论和狭义相对论，海森堡、薛定谔等人开创了量子力学，这些都是个人行为。如果没有这些天才，很多领域的发展会推迟几十年甚至上百年。但今天，随着数据越来越多，科学规律越来越复杂，我们是不是可以依靠 AI 来推导出物理定律，而不再依赖一两个天才？
　　以量子力学为例，最核心的是薛定谔方程，它是由天才物理学家推导出来的。但现在，已有物理学家通过收集到的大量数据，用 AI 自动推导出其中规律，甚至还发现了薛定谔方程的另外一个写法。这真的是一件非常了不起、有可能改变物理学甚至人类未来的事情。
　　我们正在推进的 AI EARTH 项目，是将 AI 引入气象领域。天气预报已有上百年历史，是一个非常重大和复杂的科学问题，需要超级计算机才能完成复杂计算，不仅消耗大量资源而且还不是特别准确。我们今天是不是可以用 AI 来解决这个问题，让天气预报变得既高效又准确？如果能成功，将是一件非常振奋人心的事情。当然，这注定是一个非常艰难的过程，需要时间和决心。
　　五、AI 从业者：多一点兴趣，少一点功利
　　AI 的当下局面，是对我们所有 AI 研究者的考验。不管是 AI 的基础理论突破，还是 AI 去解决科学问题，都不是一蹴而就的事情，需要研究者们既聪明又坚定。如果不聪明，不可能在不确定的未来抓住机会；如果不坚定，很可能就被吓倒了。
　　但更关键的是兴趣驱动，而不是利益驱动，不能急功近利，这些年深度学习的繁荣，使得中国大量人才和资金涌入 AI 领域，快速推动了行业发展，但也催生了一些不切实际的期待。像 DeepMind 做了 AlphaGo 之后，中国一些人跟进复制，但对于核心基础创新进步来说意义相对有限。
　　既然 AI 还不是一门科学，我们要去探索没人做过的事情，很有可能失败。这意味着我们必须有真正的兴趣，靠兴趣和好奇心去驱动自己前行，才能扛过无数的失败。我们也许看到了 DeepMind 做成了 AlphaGo 和 AlphaFold 两个项目，但可能还有更多失败的、无人听闻的项目。
　　在兴趣驱动方面，国外研究人员值得我们学习。像一些获得图灵奖的顶级科学家，天天还在一线做研究，亲自推导理论。还记得在 CMU 读书的时候，当时学校有多个图灵奖得主，他们平常基本都穿梭在各种 seminar（研讨班）。我认识其中一个叫 Manuel Blum，因为密码学研究获得图灵奖，有一次我参加一个 seminar，发现 Manuel Blum 没有座位，就坐在教室的台阶上。他自己也不介意坐哪里，感兴趣就来了，没有座位就挤一挤。我曾有幸遇到过诺贝尔经济学奖得主托马斯 · 萨金特，作为经济学者，他早已功成名就，但他 60 岁开始学习广义相对论，70 岁开始学习深度学习，76 岁还和我们这些晚辈讨论深度学习的进展… 也许这就是对研究的真正热爱吧。
　　说回国内，我们也不必妄自菲薄，中国 AI 在工程方面拥有全球领先的实力，承认 AI 还比较初级并非否定从业者的努力，而是提醒我们需要更坚定地长期努力，不必急于一时。电气时代如果没有法拉第这些先行者，没有一个又一个的点状发现，不可能总结出理论，让人类迈入电气时代。
　　同样，AI 发展有赖于我们以重大创新为憧憬，一天天努力，不断尝试新想法，然后才会有一些小突破。当一些聪明的脑袋，能够将这些点状的突破联结起来，总结出来理论，AI 才会产生重大突破，最终上升为一门科学。
　　我们已经半只脚踏入 AI 时代的大门，这注定是一个比电气时代更加辉煌、激动人心的时代，但这一切的前提，都有赖于所有研究者的坚定不移的努力。