雷锋网按：上世纪50年代就已经提出的人工智能，之所以能够近年再次“掀起”波澜，最为关键的就是机器学习技术。比如最为大众所知的围棋人工智能AlphaGo，就活用了机器学习技术中的蒙特卡洛搜索树、神经网络等一系列关键具体算法。再过4天，雷锋网承办的CCF-GAIR大会就将正式开场，其中就包括了机器学习专场。届时数位来自微软、Facebook、iPIN的专家和学者将汇聚一堂，从应用、学术、行业分析等各个角度为你展示机器学习可能的未来。
得益于机器学习技术的进展，人工智能迎来了“又一春”。 通过往复的“学习”，机器越来越“懂”人类的世界，随即在各种服务中变得越来越“人类”，这也是人工智能技术能够再次火起来的关键。
专注利用AI“让决策更智能”的iPIN就是一家利用机器学习技术和其他技术为人类提供服务的公司。前不久他们才刚打完一场硬仗——为数十万高考考生量身推荐志愿填报参考。而这样一个任务对于普通人来说同样是一个复杂的事情。
不仅需要了解各种行业目前的状况，还要分析不同学校对应的专业是否强势，学校的录取情况这些看起来并不容易理解和分析的因素。究竟iPIN是如何利用机器学习技术打造出这样“一步到位”的人工智能服务？作为人工智能技术的“推动者”，他们又是怎么来看机器学习技术？
iPIN创始人&CEO 杨洋
iPIN联合创始人&首席科学家 潘嵘
雷锋网就此专门采访了iPIN创始人&CEO、原哈尔滨工业大学副教授、留美信息学博士，连续创业者杨洋；以及联合创始人&首席科学家、中山大学副教授，原美国 HP 实验室数据科学家潘嵘。以下是采访实录：
雷锋网：可否简单谈谈目前iPIN业务中对于机器学习技术的应用范畴吗？
潘嵘：想要详细地讨论目前iPIN业务中究竟有哪些涉及机器学习技术，这个很难。毕竟iPIN目前的业务并不是单一的，但我可以透露的是，大部分人工智能、机器学习的技术我们基本都用到。根据业务的具体需求，我们也会对特定的技术进行组合，其中就包括机器学习技术，最终目标只有一个——尝试实现知识工作自动化，代替人脑去做很多事。
雷锋网：结合目前iPIN的业务，您觉得机器学习应该如何转化为实际服务？并且为用户服务？机器学习如何才能够解决一些相对复杂的问题？
潘嵘：这一点其实可以参考人类，人类也有眼睛、耳朵、鼻子这样的感官，同时还能根据这些感官返回的信息进行思考。所以有的公司也专注于打造这种“最外端”的能力，比如科大讯飞这样的公司。虽然“外端” ，但感官同样重要，因为机器想要融入人类社会，第一步就是要对这个环境有所感知。
但这样的能力实际上人类很小就已经具备，比如一个能认出“深圳大学”4个字的小学生，很可能并不理解这所学校的社会地位，更不明白在大学中扮演重要角色的“教授”，究竟是什么一个概念。
所以仅有感知也不够，人类无时无刻不在做分析、推理。这也是为什么IPIN最希望解决社会经济的这种认知问题。到底应该如何去评估整个经济社会中的一个人、企业、学校、专业。而iPIN所采用的方法就是把分布在互联网或者其他各种渠道的这些数据，把它们聚合起来，形成这种社会经济的整体认知。
这个目标比下围棋要难不少，因为围棋有自己明确的规则，而社会经济的“规则”不明显，甚至是潜在的。而且如果机器的智能成长到一定程度，一盘围棋的下法将变得越来越固定，而社会经济却依旧是多变的。
所以我们也发现了继续打造机器感官的“天花板”——最外端的能力越来越强，但是在关键的认知环节却停滞不前。这就好比它们在不断打磨自己的武器，但却不知道怎么样才能够打一场仗。而这恰恰是自我定位“认知平台”的iPIN一开始就瞄准的目标。
杨洋：目前和我们定位比较相近的是IBM的Waston，可以看到我们实际上都在做同一件事，就是究竟怎么样能够提高知识工作过程中核心的自动化。我接着潘老师的话再提下自己的看法。既然我们想要全方位要打一场仗，自然就需要各种规划，而目前人工智能的各种应用同样在做各种各样从底层到项目的规划。任何一个商业上的角色都是复杂角色，它都不是单一角色，它是环环相扣的。
雷锋网 :从实际业务的角度出发，您认为目前的机器学习技术是否存在不够“高效”的问题？在利用机器学习技术打造服务能力过程中，有多少部分必须要人的帮助？目前机器学习技术能够在什么程度上取代人力？
潘嵘：机器学习不够“高效”这种说法总体上是正确的，但并不是机器学的慢，也不是机器学不来。而是目前的人工智能的相关应用场景很割裂，很多单个应用上高效的成果并不能形成联系，因此机器的学习成果也没有积累。
在这一点上，人类就强很多，不仅能够在遇到新问题的时候迅速找到解决方式，同时还能够利用自己之前所积累的各种知识。这也有点类似之前比较火的“迁移学习”。
但目前“迁移学习”的确还相当不成熟，所以人们只能够在整体的机器学习高层框架之下重复去跑、收集数据，人为调整学习框架。所以这个“不高效”的问题的确存在，而且目前还挺难解决。
人在整个机器学习过程中扮演角色这个比较难量化，但毫无疑问的是：主动权依然还是掌握在人手里。尽管现在也已经有一些机器学习参数自动调节之类的新技术。但学习这个行为依旧要靠人类发起。
雷锋网：从业务发展的角度来看，您认为机器学习接下来的发展方向是什么？（效率？算法？应用普及？）
潘嵘：这几点都非常重要，也是我们所需要的，尤其是应用。要知道10年20年前还曾有人质疑人工智能管不管用。因为他们认为你几乎举不出一个例子，能够让它真正成功落地的。虽然现在大家至少不怀疑这件事了，但也不意味着这件事已经很顺当了，正如刚才我们所提到的对于人的依赖。
而且这个问题往深了讲特别远，究竟什么时候机器能够跟人类的角色齐平，充当起任务的发掘者，这一方面目前还是只能去探索研究。
这个问题如果放大到学界就更无法回答了，目前机器学习的进展就像读《人类简史》一样，人同样是因为各种偶然的机会才能够走到现在，人工智能目前同样也很“稚嫩”。整个学界一遍在百花齐放，一边大家也都还在摸着石头过河。目前依旧不存在一条确定的“光明的道路”。
雷锋网：作为人工智能技术其中一名推动者，您是否也会担心人工智能技术所带来的一些社会问题？比如大规模失业和收入不均？这些有可能发生的问题是否有可能通过人工智能技术本身来解决？
潘嵘：我觉得人工智能带来社会问题这个想法本身就是错误的，因为未来本来就是很虚的。我们现在觉得机器没有情感，但如果机器真的要融入社会，他们肯定会学会人类的情感，比如喜怒哀乐。那么这些社会问题出现的时候，机器也会随之给出反馈。另外一种情况下机器很可能只跟机器打交道，甚至可能统治这个世界，那么社会问题就已经不存在了。
应对这种不确定未来的最好方式就是试验，我们可以找来1万个AI，将它们放在同一个平台上跑，看看它们会怎么演变。这倒是可以让普罗大众真正地看到，究竟AI如果独立存在，它们将如何进化。
值得一提的是，iPIN CEO杨洋也将参与今年的CCF-GAIR大会，并且将在机器学习专场中发表题为“认知分析—透过机器重新审视商业本质”的主题演讲。届时，他将在现场为观众分享更多关于机器学习以及iPIN目前在人工智能领域所取得的进展。
正在生成分享图...
AI研习社-译站