摘得人工智能“奥斯卡”的为何是它们，AI的未来

中国，已经成为世界AI发展的前哨站。无论是论文、专利，还是AI专家数量都位于世界第一梯队。据预测，到2023年中国AI赋能实体经济的市场规模将突破2000亿元大关。

一个明显趋势是，AI正深入各个垂直场景加速赋能。今年7月上旬举行的2020世界人工智能大会云端峰会上，被誉为人工智能界“奥斯卡”的卓越人工智能引领者奖（SAIL奖）揭开面纱，卡内基梅隆大学、IBM、百度、联影以及清华大学等五家企业和机构摘得最高荣誉，获奖项目涉及AI基础理论、语义理解、AI医疗、智能芯片等领域，这似乎正暗示着，一个泛在智慧时代的到来。

它们为何能在全球数百个项目中脱颖而出，将会给行业乃至全社会带来哪些改变？记者近日采访了获奖项目方相关负责人，寻求答案。

让机器学会“因果”，听懂“人话”

卡内基梅隆大学的获奖项目“Tetrad因果关系自动发现智能平台”，听起来比较抽象。

但在卡内基梅隆大学哲学系以及系教授理查德舍恩斯看来，因果关系是实现通用人工智能过程中不可或缺的一环。“各个领域对因果关系的理解给了我们恰当地控制和改变系统的能力。在AI领域，人们逐渐意识到赋能机器在各种场景中学习和使用因果关心的能力，可帮助机器获得更通用的智能。”

卡内基梅隆大学因果关系发现原创平台

机器的“认知”与人类的“理解”之间有需要跨越的巨大鸿沟。以一个通俗的例子来讲，比如“打开衣柜，取出衣服”。孩子看到后，很快就会明白，要取出衣服就必须打开衣柜。但对机器来说，需要经过多次学习才能从概率上发现，“下雨和地上湿”两件事情的相关性很高。可谁是因谁是果？它不知道。

理查德舍恩斯表示，过去发现因果关系的方式是人为干涉和随机试验，这样的实验成本过高，很多时候并不可行。使用因果关系推理，可以使机器摆脱对于大量数据的依赖，甚至可能开辟一条全新的人工智能发展方向。

另一获奖项目，百度文心知识增强语义理解技术与平台，则开创性地将预训练与多源丰富的知识相结合，通过持续学习海量数据中的知识，将机器语义理解水平提升到一个新高度，极大促进前沿研究和产业智能化变革。

百度文心知识增强语义理解技术的工作原理

作为学界与业界关注的焦点，自然语言理解究竟难在哪里？

北京百度网讯科技有限公司架构师孙宇解释说，在口语中，词与词之间是连贯的，机器在识别的过程中需要界定字词之间的边界，而很多字词不是单一含义，需要消除歧义。而人类讲话往往与其行为相关，比如当听到“你能把筷子递给我吗？”人类的第一反应是找筷子，或者拒绝，那就极有可能讲出“给你”或是“我没空，自己拿”等。而回答“能”，往往不是最好的回应。在国际权威的通用语言理解评估中，百度文心项目得分突破90分，超过人类水平3个百分点，获得全球第一。

不止于技术进步，更要赋能现实

当机器能够听懂、理解人类的语言，距离“表达观点”还有多远？

辩论，具有极高的对话频率、语言逻辑和内容输出，AI是否能够涉足这个领域？这次夺得SAIL奖的IBM公司的AI“辩手”Project Debater给出答案。

2018年6月，IBM Project Debater向以色列国际辩论协会会长及以色列全国辩论冠军发起挑战。辩论中，它可以实时听懂对手的发言，能快速生成自己的观点，并对人类辩手观点作出回应，而且发音清晰、语法正确。辩论中，它甚至会开玩笑，幽默风趣。

IBM Project Debater与以色列国际辩论协会会长及以色列全国辩论冠军进行辩论赛

但在IBM AI Tech副总裁阿雅索弗看来，人机辩论的重点不在输赢，而是为了展示AI掌握人类丰富语言的能力。Project Debater实现辩论的背后离不开三大技术的支撑数据驱动的辩论文稿的生成和表达能力、口语理解能力，以及模拟人类困境。“当人工智能的推理越透明、有理有据，我们就越能信任它，从而就越能利用它帮助我们做出正确的决定。”

让AI掌握人类语言和思辨是极具意义的“进化”。按照SAIL评审专家预计的路径，未来AI发展不仅仅是学习能力的提升，更是自我推理能力的开发。

无论是基础理论还是实际应用，SAIL奖的终极目的不止于推动技术进步，更在意如何让技术实实在在赋能现实。

突发的新冠疫情让世界措手不急，AI则在疫情救援中大显身手。就像这次SAIL奖项目联影智能“uAI新冠肺炎医学影像智能化诊断全栈解决方案”，充分体现了“AI向善”的理念。

联影智能新冠肺炎智能辅助分析系统

联影智能研发副总裁高耀宗说，联影智能化方案解决了CT检查中两大问题一是降低并控制了医护人员的感染问题。相比传统扫描，医生只要按一个键，其他扫描步骤如扫描范围、扫描床的高度都会自动进行调节。二是提高读片效率。该方案通过AI对胸部CT进行快速预读，判断哪些CT片是疑似新冠病例，客户端会提示医生优先阅读，帮助医生提早发现这些患者。

SAIL奖评审专家表示，这次疫情的发生，也恰恰给了AI一个最好的证明奖项、技术不应是束之高阁的花瓶。

剑指“人工大脑”，算力能效迎来双突破

AI在算法、应用上的发展如火如荼，而算力、硬件的突破同样重要。

今年初，阿里巴巴达摩院就做出预测，“冯诺依曼架构”的存储和计算分离，已不适合数据驱动的AI应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈，已经成为更先进算法探索的障碍。借鉴大脑神经结构和计算方式的“存内计算架构”，将存储单元和计算单元融为一体，或可破解这一难题。

今年SAIL奖组委会把优秀论文纳入SAIL奖，旨在鼓励探索一些前沿性问题。清华大学一篇发表在《Nature》上的论文因清晰回应了上述问题而获奖。这篇文章阐释的“基于忆阻器的存算一体智能系统”，可使硬件算力和能效的提升达到指数级。

忆阻器卷积网络

什么是“忆阻器”？它的全称是记忆电阻器，由惠普实验室于2008年研制成功。2013年，比勒菲尔德大学物理学系高级讲师安迪托马斯研制的忆阻器，放置在比人类头发薄600倍的芯片中，利用这种忆阻器作为人工大脑的关键部件。

单个忆阻器可以做到2纳米尺寸，将来把大量忆阻器集成、连接起来，就有机会制造出一套在结构、功能上与生物大脑相似的系统。

论文的第一作者姚鹏博士说到“基于忆阻器的多阵列存算一体智能系统，利用物理规律实现新型计算范式，克服了传统的架构瓶颈，具有超高能效和面积效率，为下一代智能芯片和系统的发展指明方向，有望成为手机等设备的全新人工大脑。”

不可否认，AI将带领人类向更高层级的智慧演进。但当底层逻辑发生变化时，更需要冷静如何保证当下世界在稳定中进化，传统与创新究竟要如何取舍。这些都是人类面对AI带来的不确定性时需要思考的问题。