据中国了解，全球机器智能峰会（GMIS 2017），是全球人工智能产业信息服务平台机器之心举办的首届大会，邀请了来自美国、欧洲、加拿大及国内的众多顶级专家参会演讲。本次大会共计 47 位嘉宾、5 个 Session、32 场演讲、4 场圆桌论坛、1 场人机大战，兼顾学界与产业、科技巨头与创业公司，以专业化、全球化的视角为人工智能从业者和爱好者奉上一场机器智能盛宴。

20170527095837.jpg

5 月 27 日，机器之心主办的全球机器智能峰会（GMIS 2017）在北京 898 创新空间正式开幕。中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃为本次大会做了开幕式致辞，他说：「再过几年，90% 的工作将是机器提供的。希望人工智能可以为我们提供更美好的未来」。本次大会邀请了「LSTM 之父」Jürgen Schmidhuber、《人工智能：一种现代方法》的作者 Stuart Russell、Citadel 首席人工智能官邓力等知名人工智能专家登台演讲。

Jürgen Schmidhuber 第一个上台演讲，作为第一名嘉宾，他的演讲题目是：《真正的人工智能会改变一切》。「我来这里对 20 世纪的人工智能进行一次简要的回顾，并对未来做出自己的展望。」这是 Jürgen 的开场白。

20170527095906.jpg

Jürgen Schmidhuber 是瑞士人工智能实验室 IDSIA 的科学事务主管，同时任教于卢加诺大学和瑞士南部应用科学与艺术学院。他于 1987 年和 1991 年在慕尼黑工业大学先后获得计算机科学的学士和博士学位。从 1991 年开始，他成为深度学习神经网络领域的开拓者。随后，他在 IDSIA 和慕尼黑工业大学的研究团队开发了一种循环神经网络，并率先在正式的国际性比赛中获胜。他获得的其他奖项还包括，2013 年国际神经网络协会的亥姆霍兹奖，以及 2016 年电气与电子工程师协会的神经网络先锋奖等。

20170527074303.png

30 年前，Jürgen Schmidhuber 正在慕尼黑工业大学忙于完成计算机科学专业的毕业论文。在这篇论文的封面上，他设计了一个可以进行自我学习、自我进化的机器人，内文详述了这类系统背后的一种可以自动修改代码的元程序（meta-program），它可以改善特定领域某些系统的性能，还可以自我改进学习算法，甚至改进改进学习的算法……

这就是 Jürgen Schmidhuber 建立自我优化人工智能的目标，也开启了他此后一系列关于递归式自我改进算法的研究。Jürgen 表示他早在 1970 年代就已经萌生这一目标，为此他在大学期间选择学习数学及计算机科学。

「我最大的偶像是阿尔伯特·爱因斯坦。我在某个时候意识到，如果我打造出了比我自己乃至比爱因斯坦更聪明的东西，我会拥有更大的影响力。」Jürgen Schmidhuber 说道，「从 1987 年将这个问题作为学位论文选题以来，我一直在研究这个包罗万象的内容，但是现在我能看到这个主题正开始变成一个可能实现的现实。」

20170527092418.png

Jürgen Schmidhuber 开发了 LSTM 等著名深度学习方法。1997 年，他和 Sepp Hochreiter 共同撰写了一篇论文，其中提出了一种利用记忆功能来增强人工神经网络（模拟人类大脑的计算机系统）的方法，即根据之前获得的信息，添加解释文字或图像模式的循环。他们称之为「长短期记忆网络」（即 LSTM）。

「长短时记忆是跟人的大脑相关的，」Jürgen 说道。「在我们的大脑皮层中有 100 多亿的神经元。它们就像小的处理器，有的是处理输入的，有的是用于图像捕捉的，你还有疼痛神经来捕捉疼痛，还有一些肌肉的神经来控制你的肌肉。另外还有一些用于思考的神经元，它们之间会有彼此的交流。在执行任务时，神经元会影响其他与之相连的神经元，这些连接的强度会随着随着人们的学习会改变，我们称之为持续连接，这也是长短期记忆网络获得启发的地方。」

20170525164431.png

今天，LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。Jürgen 介绍，在 2015 年，谷歌通过基于 CTC 训练的 LSTM 程序大幅提升了安卓手机和其他设备中语音识别的能力，其中就使用了他的实验室在 2006 年发表的方法。百度也使用了 CTC；苹果的 iPhone 在 QucikType 和 Siri 中使用了 LSTM；微软不仅将 LSTM 用于语音识别，还将这一技术用于虚拟对话形象生成和编写程序代码等等。亚马逊 Alexa 通过双向 LSTM 在家中与你交流，而谷歌使用 LSTM 的范围更加广泛，它可以生成图像字幕，自动回复电子邮件，它包含在新的智能助手 Allo 中，也显著地提高了谷歌翻译的质量（从 2016 年开始）。目前，谷歌数据中心的很大一部分计算资源现在都在执行 LSTM 任务。「我们都希望人工智能最后会变得易于接触，」Jürgen 说道。「让它进入人们的手机里，现在我们已经部分做到了。」

Jürgen 的团队在多个不同机器学习竞赛中获得了很好的成绩。其中包括医疗图像识别竞赛。目前，机器学习方法在很多任务中的成绩已经超过了人类专家水平，这对机器学习的应用指明了方向。

20170527093211.png

「这个图片是一个女性乳腺的图像，在癌症之前，我们会看到有似分裂的现象，」Jürgen 介绍道。「我们可以让自己的 神经 网络也能够识别这些问题，虽然目前计算机做这种事成本很高，但随着技术的发展，它们的速度和成本都可以让我们做更多的事情。」

20170527080526.png

在 LSTM 的研究之后，Jürgen 的团队继续朝着自己的通用人工智能目标前进。他们在 2015 年研发出了具有好奇心的自我学习人形机器人。这种机器人可以通过自己的机械臂与世界接触感受并学习重力等概念。这距离自我学习人工智能的目标又更近了一步。

Jürgen 预测，在未来几年人类将创造出具有灵长类动物智能的人工智能系统。人工智能仅仅经历了 70 余年的发展，这个速度相比数亿年的生物进化有了很多倍的提高。

20170525165126.png

Jürgen 介绍了他领导的人工智能公司 Nnaisense，这是 Jürgen 等人在慕尼黑和瑞士实验室的成果之一。Nnaisense 读起来有点像「Nascence」，它有关基于神经网络的通用人工智能（NNAI）。它有五位创始人（CEO Faustino Gomez，此外还有 Jan Koutnik、Jonathan Masci、Bas Steunebrink 和 Jürgen 自己），拥有强大的顾问阵容（Sepp Hochreiter、Marcus Hutter、Jaan Tallinn 等），还有优秀的员工。它已在工业和金融领域有了自己的盈利项目。这家公司的愿景，算法目前的商业成功只是一个开始，我们可以远远超出今天的可能性，通过新的元学习和机器好奇心创造更多可能性，优化程序搜索和大规模强化学习神经网络的效率，带来新的突破，改变一切。我曾在 20 世纪 70 年代说过：「构建一种人工智能，超越我自己，然后让我退休。」

最后，Jürgen Schmidhuber 对奇点过后的世界进行了预测。2014 年，他发现了一个令人难以置信的指数加速模式：宇宙历史中重大事件之间的间隔时间似乎正在以指数级的速度缩短——每个大事件到来的时间是前一个大事件的四分之一。如果仔细研究了这个模式，看起来下一个事件将要出现于 2030 年。

WeChat Image_20170527100014.jpg

在这之后会发生什么？我们无从得知，Jürgen 认为，人工智能将代替人类，展开殖民宇宙的旅途。或许这个预测距离我们还有很远，但由人工智能引发的技术爆炸必然将会逐渐改变人们的生活方式。