從2006年加拿大Hinton教授提出深度學(xué)習(xí)技術(shù)開始，到2012年ImageNet競賽在圖像識別領(lǐng)域帶來的突破，如今，人工智能的第三次發(fā)展浪潮到來。

不同于80年代隨著神經(jīng)網(wǎng)絡(luò)而來的技術(shù)進步無法走進現(xiàn)實的困境，這一次的發(fā)展浪潮真正帶來了技術(shù)的落地，商業(yè)化道路也走得更加順暢。

隨后的每一年，人工智能技術(shù)都在突飛猛進地發(fā)展，應(yīng)用成果如雨后春筍般涌現(xiàn)。海量的數(shù)據(jù)，不斷優(yōu)化的算法，以及與之匹配發(fā)展的計算機運算能力，都為更多的發(fā)展可能性及應(yīng)用可能性提供了廣闊的舞臺。

而隨著人工智能在越來越多的方面落地，人們越來越多地感受到人工智能對于生活的改變，接受程度逐漸提升。

1、人機融合智能

除了技術(shù)產(chǎn)品化的道路拓寬以外，當(dāng)下的人工智能還有許多亟待發(fā)展和研究的方向。它的以下特點推動它在第三次發(fā)展浪潮中前往更具突破性的階段，分別為：從人工知識表達技術(shù)到大數(shù)據(jù)驅(qū)動知識學(xué)習(xí)；從處理單一的數(shù)據(jù)到跨媒體認(rèn)識、學(xué)習(xí)和推理；從追求“機器智能”到邁向人機混合的增強智能；從聚焦“個體智能”到基于互聯(lián)網(wǎng)絡(luò)的群體智能；從機器人到自主無人系統(tǒng)。

其中，人機混合的增強智能即為將人類智能與人工智能進行結(jié)合，邁向新的智能階段，此為人機融合智能。近年來，人機融合越來越成為人工智能領(lǐng)域的熱詞。

2018年10月11日，美國“防務(wù)一號”網(wǎng)站發(fā)表刊文表示美國軍方高級情報員越來越擔(dān)心中國在人工智能等“提升人類效率”方面的研究。

美國國防情報局（DIA）局長羅伯特·阿什利（Robert Ashley）在舉行的美國陸軍協(xié)會（Association of the U．S． Army）年度會議上表示，“人機融合”是顛覆性技術(shù)的一個“關(guān)鍵領(lǐng)域”，將會影響美國的國家安全。他認(rèn)為“中國在研究神經(jīng)網(wǎng)絡(luò)和人工智能方面所作的努力是一個分階段的過程，希望最終達到‘人與機器的融合’的程度”。

圖1 機器人向著人機融合的方向發(fā)展

Fig． 1 Robot is developing towards the direction of human－machine fusion

在人工智能研究的領(lǐng)域，更快的計算并不是我們希望達到的最終目的，而讓計算機變得越來越與人融合，最終達到人機融合智能，才是最終的發(fā)展方向。當(dāng)前人工智能雖然普及了眾多的應(yīng)用形式，但是依然以計算為中心、難以突破意識壁壘，而能夠融合意識與計算特性的人類智能和人工智能融合智能體，即為人機融合智能。

人機融合智能研究是智能技術(shù)發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術(shù)研究，也包括機器與人、機器與環(huán)境及人、機、環(huán)境之間關(guān)系的探索。人機融合智能研究不僅僅要考慮機器技術(shù)的高速發(fā)展，更要考慮交互主體－人類的思維與認(rèn)知方式，讓機器與人類各司其職，互相促進，這才是人工智能真正的前景與趨勢。

2 、群體智能

在上文中提到的人工智能發(fā)展的特點中，人工智能是從聚焦“個體智能”到基于互聯(lián)網(wǎng)絡(luò)的群體智能。群體智能是源于對螞蟻、蜜蜂等為代表的社會性昆蟲的群體行為的研究，最早被用在細胞機器人系統(tǒng)的描述中。它具有分布式無中心的控制，并且群體自組織性。

在自然界中，集群的方式可以讓簡單的生物展現(xiàn)出驚人的復(fù)雜性、效率甚至創(chuàng)造力。在人工智能領(lǐng)域，可以通過這種方法產(chǎn)生一種新的智能，像超級專家一樣“共同思考”。通過隨機擴散搜索、蟻群優(yōu)化、粒子群優(yōu)化等算法，群體智能已應(yīng)用在了無線通信、醫(yī)療、無人駕駛、藝術(shù)創(chuàng)作等方面［8］。

如今，Unanimous A．I．公司就在致力于研究群體智能，希望能夠?qū)��?shù)百人的知識、智慧、洞察以及知覺通過算法連接起來。該公司研制的SWARM平臺等軟件可以通過實時閉環(huán)控制系統(tǒng)將分布式網(wǎng)絡(luò)組織成“人群”，能夠聚集人類參與者的集體智慧以得出意見。它成功預(yù)測了奧斯卡，超級碗比賽，以及法國大選的結(jié)果［9］。該系統(tǒng)對2017－2018賽季20周的NHL曲棍球比賽進行了預(yù)測，得到了85％的成功率，超過了維加斯博彩市場的22％。除了比賽和票選等預(yù)測活動，該群體智能方法還應(yīng)用到了醫(yī)療領(lǐng)域，其診斷肺炎的準(zhǔn)確率比單獨工作的放射科醫(yī)生團隊高出22％。

圖2 進行肺炎診斷的ASI（人工群體智能）

Fig． 2 ASI（Artificial Swarm Intelligence） in the diagnosis of pneumonia

3 、認(rèn)知計算

認(rèn)知是人與世界交互的重要過程，認(rèn)知計算旨在模仿人類大腦的計算系統(tǒng)，讓計算機像人一樣認(rèn)知和思考。只有實現(xiàn)了認(rèn)知計算，才能真正實現(xiàn)可以學(xué)習(xí)并與人類自然交互的系統(tǒng)。從20世紀(jì)開始，人們通過單一用途的機械系統(tǒng)指示機器的行動，此為“制表時代”；在20世紀(jì)50年代進入了“編程時代”，人們通過編程的方式控制計算設(shè)備；從2011年起，人們就將認(rèn)知計算列為了人工智能發(fā)展的目標(biāo)，開始進入“認(rèn)知時代”。在群體智能方面，我們借鑒了螞蟻等生物的啟示，而在認(rèn)知計算里，我們依然要聚焦于生物，研究認(rèn)知的整個過程。在認(rèn)知計算中，系統(tǒng)通過大規(guī)模的學(xué)習(xí)，有目的、理性、自然地與人類進行互動。認(rèn)知計算讓機器不僅僅通過編程來執(zhí)行指令，而是通過與人類的互動以及它們對環(huán)境的體驗來學(xué)習(xí)和推理。它能夠模擬人類的思維過程，理解世界的模糊性和不確定性。通過權(quán)衡來自多個來源的信息和想法，進行推理并提供假設(shè)。

IBM的Watson系統(tǒng)是其中最有名的認(rèn)知系統(tǒng)。它通過篩選大量的數(shù)據(jù)庫獲取信息，以問答的形式幫助用戶回答對復(fù)雜問題的見解。通過認(rèn)知計算的方式，它可以不斷地從用戶互動中獲取數(shù)據(jù)，變得更加聰明。它目前已經(jīng)成為了一個具有認(rèn)知計算能力的生態(tài)系統(tǒng)，可不斷地衍生出各種行業(yè)解決方案，被應(yīng)用于醫(yī)療、天氣預(yù)測法律顧問等方面。今年該平臺被用在了教育領(lǐng)域，瑞典的一個研究小組開發(fā)出了一個使用IBM Watson系統(tǒng)的學(xué)習(xí)并行編程的助手，在實際教學(xué)實驗中獲得了學(xué)生的好評。

認(rèn)知計算的發(fā)展需要我們不斷地對人的認(rèn)知過程進行研究。其中，態(tài)勢感知的研究也屬于認(rèn)知計算領(lǐng)域。態(tài)勢感知將人的認(rèn)知過程分為三個獨立的層次，分別為：對環(huán)境中元素的感知，對當(dāng)前形勢的理解，對未來狀況的預(yù)測［15］。通過建模和結(jié)構(gòu)化的思想，可以將人的認(rèn)知過程量化為態(tài)勢感知程度。除此之外，人們也在不斷的通過其他方式對人類的認(rèn)知過程進行量化，試圖通過計算機來進行模擬和計算。認(rèn)知學(xué)可能是人工智能下一步發(fā)展的突破口。

4 、情感計算

在計算機的認(rèn)知、學(xué)習(xí)、記憶和言語的水平都在逐漸提高的同時，我們也必須意識到，讓計算機具有能夠感知和理解人的情感，并且針對人的情感做出相應(yīng)合適反應(yīng)的能力，是讓計算機具有更高的、全面的智能的必經(jīng)之路。早在2006年，在Minsky的著作《情感機器》中就提出“人工智能＝認(rèn)知智能＋情感智能”的說法［16］。情感計算的加入能夠大大拓寬人工智能的應(yīng)用領(lǐng)域。根據(jù)手段的不同，情感計算研究主要分為基于視覺，基于語音，基于文本及基于腦補信息和多模態(tài)信息的情感分析。

圖3 通過多種可穿戴運動傳感器捕捉微妙的心臟運動

Fig． 3 Capture subtle cardiac motions by multiple

wearable motion sensors

許多研究機構(gòu)及情感計算工具公司都在不斷對情感計算領(lǐng)域進行探索，例如：麻省理工學(xué)院媒體實驗室，Microsoft VIBE團隊，Emotient公司等。他們力求達到更精準(zhǔn)的情緒識別，并且不斷開拓新的應(yīng)用領(lǐng)域。

從研究設(shè)備上，由于得到更多樣的可穿戴設(shè)備支持，今年有許多有關(guān)可穿戴設(shè)備進行情感測量的研究涌現(xiàn)，例如：通過可穿戴設(shè)備獲取運動心率進行情感評估，或進行壓力和睡眠評估；還有在皮膚布置傳感器的表皮機器人作為新的可穿戴設(shè)備。

從技術(shù)上，深度學(xué)習(xí)也大量應(yīng)用在了情感計算上。例如：將CaltureNet方法應(yīng)用于對自閉癥兒童的面部情感識別；將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于語音頻譜圖上進行語音情感分析。

從情緒的研究上，也有更多針對心理疾病的專門研究，例如：自殺沖動的數(shù)字化表征研究；能夠影響和參與自閉癥治療的機器人感知研究。更加多元化的研究方向，以及更加專門的應(yīng)用領(lǐng)域的研究，標(biāo)志著情感計算的發(fā)展也在不斷走向成熟。