北京交通大学于剑教授：黑箱难题，AI理论远落后于技术应用

2018年12月14至16日，由中国人工智能学会、永泰县人民政府主办，中国科学技术出版社协办的第二期全球高校《人工智能导论》师资培训班在福州永泰县召开。

中国人工智能学会理事、机器学习专委会副主任于剑教授在现场带来了精彩报告。他系统地梳理人工智能的定义以及人工智能的三大流派（符号主义、连接主义和行为主义），包括三大流派各自的基本假设、遇到的理论挑战等。通过图灵测试、中文屋、缸中脑、柯里悖论、莫拉维克悖论与以上三大流派的关系。他指出了现在人工智能面临的基本问题、发展趋势以及对当代教育的基本要求。会后，亿欧专访了于剑，向他探讨AI领域的相关热门问题。

人工智能理论需要得到进一步完善

“对于有监督学习，深度学习这种技术目前来说，它的性能是最好的。但是还缺少合适的理论，把它背后的机理和理论上限说清楚。在深度学习已经应用的很成功的领域期待出现一种能取代它的算法，可能不大现实”于剑说。

人工智能是一个典型的交叉学科，涉及数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论等多种学科知识，尤其和计算机科学、信息学、数学关联性最强。所以，想要在人工智能方向有所发展的学生，需要具备很好的数学基础以及有扎实的计算机信息知识功底。那么对于非计算机专业学生又该如何学习人工智能呢？

作为《人工智能导论》的执行主编，于剑告诉亿欧，《人工智能导论》历经了6个月的撰写时间，在8月份成功出版，已经在一些高校中得到使用。因为非计算类的学生缺少一定的先修课程基础，一开始就使用专业教材会比较吃力。国内目前也缺乏面向非计算机类的本科生的通用教材。通过这次的培训，希望高校教师们在开设这一门课程后，能够让非计算机类的学生们至少能正确理解人工智能的相关概念和一些具体应用场景。

“不少人将深度学习比喻为“黑箱模型”，是因为深度学习将算法性能放在首位。怎么解释还是一个重大的问题，是不是还有比深度学习更好的方法？这些都值得研究。”于剑表示，目前人工智能面临的最大的一个问题是，AI理论的发展远远落后于人工智能的技术应用。它不像爱因斯坦提出的相对论或者信息论里提及的信道容量一样有明确的理论上限，人工智能目前缺少严格的理论，现在的AI理论还需要进一步的完善。由于缺乏合适的AI理论，现在AI的理论边界尚不明晰。

历史上人工智能经历三起两落。在于剑看来，之所以有寒潮，也是因为当时大家对人工智能期待过高，超出了它当时实际的能力。投入与产出不成正比，热度自然就降下来了。

说到这，笔者想起知乎上曾经有网友问道，为什么很多男生追女孩子追到一半就放弃了。有一条点赞超过1.8K的回答是这样的，如果他真的知道自己是追到了“一半”，是肯定会继续的。关键是你给他的反馈，让他根本无从判断自己是追到十分之一还是百分之一。人工智能说到底还是一种方法理念，最后用不同的技术手段去结合具体场景实现。它应用在不同的场景，就好像男生在追不同的女生一样。同一种方法应用在这个场景或许会不错，但是用到另一个场景又可能会很糟糕。我们所能看到的都只是表面的信息，其背后的理论研究还需下一番功夫。

于剑表示，AI是一门普适技术，它是一定要结合生活场景去应用的。对于那些想要深入研究AI的人来说，数学基础必须得打得扎扎实实，并且去广泛涉猎与AI有关的知识。

关于专访人物

于剑，交通数据分析与挖掘北京市重点实验室主任，北京交通大学人工智能研究院常务副院长。中国人工智能学会理事、机器学习专业委员会副主任，中国计算机学会理事、会士、人工智能与模式识别专业委员会秘书长，数字出版技术国家重点实验室学术委员，计算智能与中文信息处理教育部重点实验室学术委员，智能计算与信息处理教育部重点实验室学术委员，《Chinese Journal of Electronics》《计算机学报》《软件学报》《计算机研究与发展》《模式识别与人工智能》等编委。主持了多项国家自然科学基金项目，包括国家自然基金重点项目。  

目前，于剑所在实验室涉及交通行业包括轨道交通、民航、道路交通、特殊交通等领域，主要面向交通数据利用问题，开展数据表示与传输、数据分析与挖掘领域的前沿和共性关键技术研究，并针对多种交通行业开展应用基础研究和技术开发工作，致力于从事与交通运输系统的安全生产与高效运营有关的智能信息处理服务。实验室主要围绕（1）数据表示与传输基础理论与关键技术；（2）数据分析与挖掘基础理论与关键技术；（3）面向交通安全的数据分析与挖掘技术；（4）面向交通运营的数据分析与挖掘技术这四项技术，近年来承担了相当数量的国家及省部级重大科研项目，共主持973课题2项，973子课题6项，863项目8项，国家科技重大专项子课题4项，国家自然科学基金50余项。

来源：亿欧网