高维空间对于人工智能是非常重要的

（文章来源：光明日报）
       在人类历史上发生过很多次革命。第一次革命可以称之为“农业革命”。当人类第一次出现在地球上的时候，他们以采集天然食物为生，距今10000年前才开始从事农业。农业生产改变了人类的生产生活方式，使人类形成了“社区”的概念，“农业革命”与后来的工业革命的区别在于——在农业社会中教育不是很重要，人们只要跟着自己的父母就可以学会如何进行种植。而在工业革命到来后，教育的重要性大大提高，人们至少要经历高中和大学的教育才能足够胜任自己的工作。而今我们正在进入信息革命时代，信息革命带来了极其重大的影响，这种影响对人类社会的改变不亚于农业革命和工业革命。

比如未来制造业的就业机会可能一去不复返。举例而言，在我小时候，每一部电梯里都有专门的 *** 作员，帮助客人 *** 作达到指定的楼层。后来电梯的 *** 作系统越来越先进，停降在各个楼层可以实现自动化，所以“电梯 *** 作员”这个工作也就消失了。再比如说，当代的工厂生产一辆汽车所需要的人手比20年前少很多，大家可以看一下今天的汽车组装车间的照片——与几十年前热火朝天、人声鼎沸的汽车工厂相比，今天的汽车生产车间里可能只有一名工人，而且这名工人也许还穿着西服，打着领带，成了现代化车间系统的管理者。

电梯 *** 作员、汽车工人……科技和生产力即将改变的下一个职业是什么？比如卡车司机，“智能无人汽车”技术的出现很可能让这些人也工作不保。很多经济学家说不必为此担心，因为一些工作正在消失，而社会总是在创造新的职业。这到底是不是真的呢？现在不得而知，但我想，当智能时代真正来临，社会所需要的人力劳动力可能只有现在的四分之一。

我们应该从现在开始思考这些问题：智能时代将在哪一时刻真正来临？到时候多少人还有所谓的工作？找到一份不错的工作需要什么新的素质？大学教育还需不需要？是否还有足够的资源来保证我们的正常生活？人工智能社会人们需要思考像这样有意义的事情。

常常有人问我，机器学习是不是代表着人工智能技术。对此，我的回答是否定的。界定人工智能技术，要看这个系统本身是否能够“思考”到更深的层次。比如说，一张简笔画上画着一个图案，看上去仿佛是一辆自行车，可它其实没有自行车的功能。机器学习可能会将这幅画直接归纳到“自行车”这个类别，但人并不会这样做。人可以透过这张图画，分辨和判断它的属性，提取出眼前这一信息真正的价值和功能。但是现在所谓的人工智能技术只是停留于表面，只是做图形形象的识别，这种学习和识别与人类的认识尚有巨大的差距。

当前，机器学习仍然存在很多问题，比如，如果想相对精准地判断某一事物，机器需要学习至少50000张图片，还要对每张图片进行归类，将这几万张图片归为大概1000个类别，从而形成一个“深度学习图片网络”。通过这个网络，机器可以对图像的内容和风格进行识别、定义。可是这依然无法与人类的学习认知水平相提并论。我女儿四岁的时候，我翻开儿童百科全书，给她看各式各样的图像，其中有一页画着消防车的彩图。过了几天之后我们上街看到消防车，她指着消防车说“爸爸快看，这是消防车！”仅仅见过一次图片，她就在大街上认出了消防车的事物，这体现了人类强大的学习能力和认知水平。

机器学习还面临一个急需解决的难题——互动问题。比如说这里有一张猫的照片，我把这个猫的照片的几个像素进行了调整，机器在识别的时候就会把“猫”当成“汽车”，一些微小的 *** 作就能让机器产生误判，把图片归结到完全不同的类别，作为科研人员，我们必须认识到目前机器深度学习技术的不足，并致力于解决这些问题。

从本质上来说，我们对空间的视觉感知实际上是基于人类本能的三维维度，但是更高维度空间对于机器深度学习其实非常的重要。在这里我就不能不提到中国，中国有占全世界五分之一的人口，有大量高素质人才，只要给人工智能技术研究、高维空间研究更多支持，中国人工智能领域的学习者、从业者就有机会成长为世界级的高水平科研人员。