“小数据，大任务”范式是人工智能统一的目标

“日常生活中，人类视觉系统受很多任务所驱动，视觉表达和计算机制等都源自于各种各样的任务。物体和场景的设计都由潜在的功能（Functionality）和物理（Physics）所决定，人类活动由潜在的社交意图（Intents）、因果（Causality）、和价值取向（Utility）所决定。这些潜在的、不可见的FPICU就是一种智能的暗物质“Dark Matter”，这些因素和变量在感知中是看不见的， 却控制着那些看得见的物体和场景的几何和外观特征。”

朱松纯

全球著名计算机视觉专家、统计与应用数学家、人工智能专家。美国洛杉矶加州大学(UCLA)统计系兼计算机系教授，任视觉、认知、学习与自主机器人中心主任。长江学者、千人计划专家、IEEE Fellow。在计算机视觉、统计建模与推理， 认知机器人等方面发表论文260余篇。在美国获得多项国家级与世界级奖励，包括三次获得计算机视觉大会（ICCV）颁发的Marr prize、Helmholtz Test-of-Time Prize，和国际模式识别学会（IAPR）颁发的Aggarwal prize，目前主持多项美国重大研究计划。

7月28日至29日中国人工智能大会（CCAI2018）将于深圳举行，朱松纯教授将在主会场中做题为《智能“暗物质”与“小数据、大任务”范式》的精彩报告，向国内外各界人士分享其关于人工智能范式转换的颠覆性观点。

下面收集整理了朱松纯教授近期的主要观点，让我们跟随朱教授的思想一起走向人工智能的研究前沿。

“读不懂AI的历史，就无法预测未来”

朱松纯教授曾多次强调：要搞清楚人工智能的发展趋势，首先得回顾历史，正本清源。朱教授曾将人工智能发展的60年总结为三个阶段，经过三次兴起的热潮，每次兴盛期都有不同的技术在里面起作用。

第一次热潮是在1956-1974年，以命题逻辑、谓词逻辑等知识的表达、启发式搜索为代表。

第二次热潮是在80年代初期，一些教授专家主要做专家系统、知识工程、医疗诊断等方面的研究，到了80年代末期又出现了一个短暂的神经网络研究热潮。

在此之后人工智能这个词在公众视野中消失了将近30年的时间。当然研究者对于其的探索并没有停止，像朱松纯教授所说的这30年人工智能处于一个“分治时期”，相当于中国历史的“春秋时期”，“分治时期”形成了计算机视觉、自然语言理解、认知科学、机器学习、机器人学这五大学科独立发展，被他称为“春秋五霸”。

第三次热潮是从2012年兴起的深度学习推动的。被称为“春秋五霸”的这五个领域不断的扩展，领域之间出现了融合，类似于中国的“战国时期”，这个时期总结起来一共有“六个领域”， 包括：计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理、机器学习。朱松纯教授通过大量的实验数据的研究试图寻找它们之间统一的目标，解决当下人工智能发展各自称雄的局面

“小数据，大任务”范式是人工智能统一的目标

朱松纯教授认为人工智能这一学科涵盖非常广泛，包含的这六大领域正在交叉发展，最终的目标都是希望它们能够形成一个完整的科学体系，成为一门真正的科学（Science of Intelligence）。朱松纯教授提到这六大领域就像是处在“战国时期”的“战国六雄”，是否将其统一起来，它们的研究方向究竟在哪里？这一问题也是朱松纯教授一直以来思考研究的内容。

朱教授认为，基于统计概率模型的大数据分析方法，包括机器学习和深度学习等，可以针对某个特定的任务，例如人脸识别，设计一个简单的价值函数，用大量数据进行训练这一特定的模型，这一模式的应用可称为“大数据、小任务范式”，并不能产生真正意义上的智能。这种方法对某些具体的问题上很有效果，但是这个模型不能适用于更广泛的任务，更不能适用复杂的任务执行，这一思路对于人工智能的发展并不能起到跨越式的前进。朱教授认为，“小数据 大任务”范式是人工智能统一的目标。

朱松纯教授曾在90年代率先将概率统计建模与随机计算方法引入计算机视觉研究，提出了一系列图像与食品的结构化解译框架、数理模型和统计算法，发展了广义模式理论。在认知科学领域，如视觉尝试推理、场景理解及人工智能等领域做出卓越贡献。从“大数据 小任务”到“小数据 大任务”，在CCAI2018的报告中，朱教授将深入阐释他所提出的颠覆性的模式：仅使用少量样本，但可以泛化到多种任务中。报告中会以示例对上述观点进行阐述。

“暗物质”概念极大的拓展了人类对物理世界的认知边界，“智能暗物质”概念的提出，又将为人工智能的研究与应用带来哪些颠覆与变革？让我们一起期待朱松纯教授在2018中国人工智能大会的精彩演讲！