眼下人工智能很热，门派也很多，在“人工智能(AI)”与“智能增强(IA)”经历了多轮“此消彼长”之后，未来的“江湖”会怎样?在“深度学习”被很多巨头奉为有关生死存亡的技术和能力之后，谁会是取代“deeplearning”的下一个“AI杀手”?当IT巨头都在角逐“类人脑计算”时，“类人脑”的现实之路还有多远?作为为全球芯片巨头，英特尔有什么样的AI布局?英特尔中国研究院院长宋继强会给出什么样的答案?

　　AI和IA需要“在一起”

　　IT和武侠江湖很像，也分学派和流派。关于人工智能(Artificial Intellingence，AI)与智能增强(Intellingence Argumentation，IA)，科技预言家约翰·马尔科夫在他的《与机器人共舞》一书中有清晰的分类和定义。

　　五六十年前，当一拨人投身于“未来的计算机能够建立起和人一样的智慧”(人工智能)的时候，另一拨人扎进了“交互式计算”里，认为计算机更多的是在增强人的智慧而非取代人类，去做了“智能增强”。前一拨人认为，atv直播，计算机是可以独立完成一些事情，不需要人的参与。后一拨人认为，计算机始终无法脱离人，需要以人为中心，所以他们更多去做“智能增强”。

　　宋继强表示，要让机器独立具备人的能力，不是一件容易的事情，也遇到一些瓶颈，所以在早些年AI热过后，又沉寂下去。而去做机器与人协作的这拨人，希望提高机器效率，很重要的一个维度就是解决“Human in the loop”(人机交互)。

　　这两拨人平行研究，偶尔会有交集，并且此消彼长。当AI特别热的时候，人机交互就会沉寂下去，当人机交互热的时候，AI又会“消停”下来。

　　从宋继强的观点来看，要想加速人工智能的商业应用，这个两条平行线是应该合二为一的。目前看，独立的AI，比如说AlphaGo在人给它进行大量训练之后，在与人下棋的那段时间是可以独立完成一些事情，甚至某些方面超过人，但是到目前为止我们还看不到AI在通用和全面能力上赶上和超过人的迹象，而且还非常遥远。

　　在构造基于AI的自主机器里面有三个关键的维度，第一步是感知，二是认知，三是行动，要把这三个步骤连贯起来形成一个闭环。

　　从“感知”和“行动”的维度看，目前有了很多进步。而其实最难突破的是“认知”。因为它包含太多不同行业的知识，包括对心理学、对人、对物体，对知识等如何建模。目前看，这个维度还没有达到人类可用的程度。

　　宋继强举了语意理解的例子。比如一句话是声音信号，变成了文字，这个文字不同的语言文字有不同的表示。中文的“太阳”和英文的“Sun”，他们对应都是一个物体，这个符号太阳与你语句里边的其他的词，会形成一些关系，到底你说这句想表达什么，这个语意理解要从你这个感知层的一些符号去推算。

　　这其中还要消除“语义歧义”。比如“乒乓球拍卖完了”这句话，有好几种意思表达，究竟是“乒乓球拍，卖完了!”还是“乒乓球拍卖，完了!”这需要结合上下文，需要结合语境才能准确了解。

　　除了语义歧义，我们人在对话中不是每句话都把所有信息说全的，人是很容易识别，但是计算机要做到很不容易。

　　再比如你说“帮我去冰箱中拿可乐”这句话，人很容易就可以完成帮你拿可乐这一系列的动作。但机器人是“蒙”的，它得算很多，因为缺失很多信息，首先冰箱在哪儿?什么是可乐?长什么样?从这儿到冰箱那儿要怎么走过去?太多事情他不懂，这里面涉及很多知识，需要将很多知识库建起来，放进去，机器人才能很好地去完成这一动作。

　　在知识缺失或者信息不完整等背景下，“智能增强”派上了用场。比如说，智能机器人通过语音、屏幕交互，把缺失的信息以比较自然、而不是太笨的方式呈现给用户，让用户替他去解决。比如机器人已从网上搜来了一些知识，可乐有几种，减肥的，红色的，它就可以问人：“你要哪种可乐?”机器人不知道冰箱在那里，机器人可以问人：“这个冰箱是不是在某个厨房?”这样的问题人是可以接受的。我们通过一部分人工智能，一部分人机交互，把这个闭环形成，让机器人用起来，加快商业化应用，机器人的智慧成长之路就可以加快。

　　我们都知道一个事物的快速成长有两个途径，一个是靠军事使用，另一个是靠商业推动。商业应用是我们看到可能让机器人成长起来的最好路径。通过AI+IA，这个路就没有那么远了。