明斯基浅谈对未来人工智能的看法
日期：2019-9-30随着人工智能发展如火如荼，人们在惊叹于它所取得的巨大进步的同时，对人工智能的期望也在不断提高，并逐渐发现它的一些不足，比如不够鲁棒(Robust)，小数据的学习能力不强，缺少常识，缺少可解释性等等。
笔者之前看了明斯基的《情感机器》一书，由此又找到了明斯基关于这本书的一篇讨论文章(根据他在2007年对该书的一次讲演整理而成)，读到了更多的背景，感觉很受启发。明斯基是人工智能研究的奠基人之一，被称为人工智能之父，人工智能的不少方法都来源于他。在这篇文章里，明斯基列出了当时人工智能领域的各种方法，也就人工智能在当时为何仍然如此受限提出了自己的看法。他认为根本问题在于几乎所有的研究者都只想着用单一的方法去实现人工智能这样一个非常复杂的系统。
明斯基：单一方法的局限
马文·明斯基，人工智能框架理论的创立者，被誉为“人工智能之父”。和麦卡锡(J．McCarthy)一起在1956年发起“达特茅斯会议”并提出人工智能(Artificial Intelligence)概念，于1969年被授予图灵奖。他是第一位获此殊荣的人工智能学者，代表作包括《情感机器》、《心智社会》等。
从人工智能发展的历史来看，我非常认同明斯基的这个观点，单一方法很难彻底解决人工智能这样一个复杂的问题。最为主流的两种方法，不论是符号方法还是统计方法，都在快速发展一段时间后遇到瓶颈，而且试图使用单一方法解决这些瓶颈问题的尝试目前都未取得好的成果。
二十多年前在上海交大攻读自然语言处理方向的博士时期，我就意识到混合多种方法的必要性，所以把博士论文题目定为《基于混合方法的自然语言处理》。当时正是统计方法被用于自然语言处理的初期，不过我也能感觉到这种基于数据的方法对于处理比较细微的语言现象应该会有不足的地方。当时也是根据自己比较朴素的直觉来判断的。最近看了明斯基的分析，感觉更是心有戚戚焉。按照他的分析，未来需要各种方法相结合的人工智能系统，我认为这也是未来人工智能取得进一步突破的重要途径。近几年英特尔中国研究院在自适应机器人交互方面的研究也是沿着多种方法结合的路径在走，感觉还是很有成效的。
可能有人会问，多种方法结合并不是一个新鲜课题，过去已有不少这方面的研究，比如多模态融合就是研究各种模态融合的方法，包括特征级别的早期融合(Early fusion)，或是分类器输出之后再做融合的晚期融合(Late fusion)等方法。不过它们和本文所指的多种方法融合还是有很大的差别，因为多模态融合里的多个分类器实际上只是一种同质的方法，比如都是某种统计学习分类器，那么这种结合可能还是存在较大的局限。所以，所谓多种方法结合其实应该是更异质的多种方法的结合，比如符号方法和统计方法相结合等。
明斯基在《情感机器》这本书中列出了他对未来人工智能系统的一些设计，其中比较有意思的是“批评家-选择器结构”。在多种方法结合的人工智能系统中，对同一个事物的判断可能有多种不同方法可以给出结果，那么到底选用哪个方法的结论呢？这里将每个单一方法看作是一个批评家，而选择器能够选取当前最适合的批评家。那么具体而言，这个选择器该如何实现呢，它又如何知道在目前的情境下应选用哪个方法呢？对于这一点，书中并没有非常具体的介绍，但我认为它提到的“自我反省”非常重要，有了自我反省就能知道系统有什么不足，就能不断进行改进，也就具备了连续学习的能力。这种能够自我反省、连续学习的系统很有可能可以解决现在人工智能的不少问题，包括鲁棒性，可解释性等。
大致的方向确定了，接下来该如何开发更先进的人工智能？
首先，要改变研究思路。未来基于单一方法的研究一定还会长期存在，毕竟这个是基础。但可能更需要一批对多种人工智能方法结合的系统感兴趣的研究人员。根据明斯基在另一次访谈中的说法，研究思路转变了以后，人工智能的进展速度会是以月来计的，而不是现在的几年到十年。从人工智能各个领域的研究历史来看，确实有不少时期内研究进展比较缓慢，不少研究只是在做一些小修小补。也许现在已是我们不得不做出改变的时候了，与其重复一些价值不大的研究，不如另起炉灶尝试可能做出突破性成果的新领域。
混合多种异质方法的下一代人工智能系统必将是一个等待广大有志于人工智能研究的科研人员去挖掘的巨大金矿。这样的研究无疑对研究者个人和团队的综合能力提出了更高的要求。过去的人工智能研究，基本上都是按子领域划分的，比如机器学习、计算机视觉、自然语言处理、语音识别等。未来可能会需要更多不同领域的专家共同合作，甚至会需要全能型的AI人才。这些人才需要在人工智能的多个子领域都是专家，并且对各方面都有广泛的涉猎。
目前是人工智能研究的一个很好的时代，不少领域在飞速发展，打下了良好的基础，使得大家可以专注于更具挑战性的问题。希望这些由明斯基引发的一系列讨论能给大家带来启发，未来还有更多未知领域等待我们去探索。“路漫漫其修远兮，吾将上下而求索”，与大家共勉，一起探索未来的人工智能。