在“2018·全国检察机关科技装备展”上，科沃斯检务机器人亮相。 本报记者 沈 慧摄

　　人工智能的概念早在60多年前就被提出，但又一度沉寂。随着谷歌人工智能程序AlphaGo（阿尔法狗）战胜围棋世界冠军李世石，再次为世人瞩目。然而，与无限风光一起相伴而来的，还有关于人工智能的种种争议

　　“在我的一生中，见证了社会深刻的变化。其中最深刻的，同时也是对人类影响与日俱增的变化，是人工智能的崛起。简单来说，我认为强大的人工智能的崛起，要么是人类历史上最好的事，要么是最糟的。”著名物理学家霍金生前反复告诫。

　　在互联网和大数据风起云涌的今天，人工智能究竟会成为造福人类的天使，还是控制人类的魔鬼？面对类似疑虑，请听中国科学院院士、中国人工智能学会副理事长谭铁牛怎么说。

　　崛起

　　经过60多年的不断发展，人工智能迎来发展的春天，成为推动新一轮科技和产业革命的重要驱动力

　　1956年，在达特茅斯学院暑期研讨班上，一位名叫约翰·麦卡锡的年轻人首次提出了人工智能的概念，那时研讨的主题是怎样用机器模拟人的智能。事实上，与人工智能相关的研究，在此之前早已开展。

　　“人工智能的主要目标是模拟、延伸和扩展人类智能，探寻智能本质，研发具有类人智能的智能机器。比如，让机器或者计算机会听、会看、会说、会想、会决策，与人类一样。”谭铁牛解释。

　　时光荏苒，白云苍狗。60多年风风雨雨，随着大数据、云计算、互联网、物联网等信息技术的发展，以深度神经网络为代表的人工智能技术成功跨越科学与应用之间的“技术鸿沟”，如愿迎来发展的春天：图像分类、语音识别、知识问答、人机对弈、无人驾驶……一系列具有广阔应用前景的人工智能技术相继突破从“不能用、不好用”到“可以用”的技术拐点，成为推动新一轮科技和产业革命的重要驱动力。

　　医学行业便是其中之一。2017年，斯坦福大学在国际权威期刊《自然》上发表论文宣布，他们通过深度学习的方法，采用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状，在与21位皮肤科医生的诊断结果进行对比后发现，这个深度神经网络的诊断准确率达到91%，与医生不相上下。

　　这样的惊喜比比皆是。通过深度神经网络的应用创新，国际计算机视觉竞赛ImageNet图像分类的Top5误差率从2012年的16%降到2017年的3%左右（已经低于人的错误率）；我国的Face＋＋（旷视科技）人脸识别技术的准确率在LFW国际公开测试中达到全球最高的99.5%（超过了人类肉眼识别的准确率97.52%），与此相关的刷脸支付被《麻省理工科技评论》评为2017年十大全球突破性技术。

　　“人工智能的近期进展主要集中在专用智能领域，例如，微软语音识别系统5.1%的错误率比肩专业速记员。”谭铁牛说，从可应用性来看，人工智能大体可以分为专用人工智能和通用人工智能。面向特定领域的人工智能技术（即专用人工智能）由于任务单一、应用背景需求明确、领域知识积累深厚、建模计算简单可行，更容易实现单点突破，在局部智能水平的单项测试中可以超越人类智能。

　　“专用人工智能取得突破性进展，主要源于深度学习、强化学习、对抗学习等统计机器学习理论的进步。深度学习，简单说，就是借鉴人的大脑在处理信息过程当中的层次化处理。”谭铁牛解释说。