人工智能是否會再次進入嚴冬？深度學習是否達到了發展的天花板？AlphaFold給我們什麽啟示？可解釋性和通用性是不是當前最重要的研究方向？符號主義與聯結主義融合的前景如何？中國如何發展人工智能技術和產業？本文將討論以上幾個理解人工智能的問題。
人工智能(AI)自誕生以來就眾說紛紜，爭議不斷。近幾年人工智能的高速發展也是在人們樂觀與悲觀情緒的交織中進行。今後幾十年人工智能技術能否健康發展，取決於人們對這一「頭雁」技術的認識。從某種意義上講，人類的未來也取決於決策部門、科技人員對人工智能的正確理解。30多年前，我也算是人工智能的「弄潮兒」之一，雖然現在已不在科研第一線，但仍然是人工智能技術和套用的「觀潮者」。我在這篇文章裏講幾點「過來人」的觀感與認識，僅供大家參考，不當之處，請批評指正。
人工智能會不會再次進入嚴冬？
對人工智能的發展現狀的評價一直存在爭議，有人說人工智能處在火熱的「夏天」，也有人認為它即將再次進入「嚴冬」。近年來，史丹福大學每年都釋出「人工智能指數報告」 (The AI Index Report)，2021年的報告指出，近十年電腦視覺研究取得巨大進展，已實作產業化；自然語言處理近年來進展較快，已經出現了語言能力顯著提升的人工智能系統，開始產生有意義的經濟影響。史丹福大學的報告比較中肯，基本上代表了人工智能界多數學者的看法，既肯定了人工智能最近取得的進展為企業提供了大量機遇，又強調必須註意采取措施降低使用人工智能的風險。我們在對人工智能的前景做判斷時，既要看到人工智能技術的高速發展和巨大潛力，又要看到現有技術的局限性和人工智能理論取得重大突破的艱巨性。
前幾年人工智能界許多人認為，深度學習在自然語言理解方面還難以取得大的突破，但近兩年人工智能系統在這一領域取得較大進展，有點出人意料。不論是史丹福大學發起的機器閱讀理解比賽SQuAD(Stanford Question Answering Dataset)，還是紐約大學等單位組織的通用語言理解評估基準(GLUE Benchmark)比賽，機器閱讀理解的成績已超過人類平均水平。百度、阿裏等國內單位多次在比賽中奪冠，反映出中國在自然語言理解方面已處於國際領先水平。但這種刷榜式的比賽成績未必真實反映了目前的人工智能系統的理解能力。加拿大學者發起了威諾格拉德模式挑戰賽(Winograd Schema Challenge，WSC)，透過對模糊指代的測試（句子中「他」是指誰）考驗人工智能系統的常識理解水平，結果人工智能系統的得分很低。近年來GPT-3(Generative Pre-trained Transformer，生成性預訓練變換器)和BERT（Bidirectional Encoder Representations from Transformers，基於轉換器的雙向編碼表征）等模型在WSC測試中也取得過84%以上的高分，2020年人工智能促進協會(AAAI)大會上一篇提出WINOGRANDE測試（WSC的變種）的論文榮獲了最佳論文獎，該文指出我們高估了現有模型的常識推理能力。
在2011年美國智力競猜節目【危險邊緣】( Jeopardy! )中，IBM的Watson電腦擊敗了兩位頂級選手後，IBM將醫療作為人工智能科研轉化
