引言未來的暢想

　　星期六上午，丁零一聲門鈴響了，小明急忙跑過去，打開家門，見到門口站著一個機器人。機器人身高一米五左右，跟小明差不多，樣子有點像星球大戰中的C-3PO。機器人向小明鞠了一個躬，“你好，我叫羅伯特，是你們家預訂的管家機器人”。小明高興地跳了起來。“太好啦，我們已經等你很久了。我叫小明”。羅伯特點點頭，“小明，你好”。接著，小明領著羅伯特在家裏轉了一圈，客廳、書房、臥室、廚房、衛生間都走了一遍，最後來到小明的房間。按照指引，羅伯特在小明房間裏走了一圈，然後站在了落地窗前。書桌旁擺有一個魚缸，裏面養著一些熱帶魚。小明指示説：“別忘了每天給它們換水”。落地窗前放著一個天文望遠鏡，小明用手指著説：“你走動的時候注意別碰到它，這是爸爸在美國給我買的呢。天氣好的晚上，別忘了提醒我去觀察星座。”羅伯特點點頭，“明白了，你的房間真不錯”，又用平緩的語氣説：“不過，空調溫度太低。時間長會對身體不好，建議你把溫度提高”。然後慢慢轉過身，像是怕碰到天文望遠鏡，説：“窗戶也沒有關好，這樣會有安全隱患”，順手把窗戶關上，小明回答：“明白了。”“我再去其他地方看看”，羅伯特一邊説著一邊慢步出了房間。小明坐下，開始做功課。不一會兒，羅伯特走了回來。小明問羅伯特：“我現在有一個數學問題，不知道該怎麼解。你能幫我看一下嗎？”羅伯特放慢了腳步，走到桌前，用親切的聲音回答：“小明，我是管家機器人。我的職責只是把你的家管理好，不負責幫助你的學習。如果是輔導功課，需要請家教機器人，公司也有相關的擴展模組可以購買。”

　　以上是我們設想的未來管家機器人的使用場景，它的最大特點是基於“受教式人工智慧”（EducatedArtificialIntelligence，簡稱EAI）技術，有以下幾個特點：應用限定的智慧系統；接受用戶教育；擁有一定的完成任務所需的自學習、推理能力；人類的“智慧”工具。

　　目前，業界盛論機器具備意識，機器通過圖靈測試和機器理解貓臉概念等話題，這些並不一定有建設性，不能幫助有效解決實際問題。受教式人工智慧（EAI）更強調應用智慧，目的是讓智慧技術為産業服務。

　　EAI的特點

　　人工智慧目前基本分兩種流派，即所謂的強人工智慧和弱人工智慧。強人工智慧觀點認為可以製造出與人同等智慧的機器，而且，這種機器擁有感覺、知覺以及自我意識，甚至具備自我發展和進化的能力。弱人工智慧觀點認為不可能製造出這樣的智慧系統。現實中製造的機器可能在某些方面看上去與人有同等的智慧，但並不真正擁有智慧，也沒有自我意識。産業界本質並不關心智慧強弱問題，而是關注智慧應用，即通過相關技術使人工智慧應用有更好的體驗和效果，我們希望EAI可以成為實現這一目標的正確途徑。

　　Educated AI既可以理解為 Educated Artificial Intelligence也可以理解為Educated ApplicationIntelligence，擁有應用限定、用戶教育、自學習推理能力，能判斷的智慧系統等特點。EAI的目的不是再現人的智慧，而是幫助人更高效、更好地完成各個具體任務或任務集，在其中部分達到人的智慧或超過人的智慧。

　　基於EAI理念的智慧系統應該滿足以下幾個原則：1.從屬於人類；2.限定於任務（場景）；3.接受教育；4.自我成長；5.個性化的系統。基於EAI理念的智慧系統當然不會擁有意識，也不需要擁有同人一樣的普適智慧與智慧，這樣的系統理解的語言也是基於任務、場景的，其理解也只是通過能夠完成具體任務體現的。

　　有許多的應用系統可以通過EAI的理念構建，變得更加實用，更好地幫助用戶解決問題，給用戶帶來巨大價值。智慧管家機器人可以幫助用戶管理好家庭，從事家居管理、日程管理、室內清潔、物品搬運、安全保障等工作，它還能在室內行走，識別室內的物體，與主人進行簡單的對話和溝通。機器人基本功能在出廠時都已基本具備，但其使用由於接受各個用戶不同的教育，從而形成不同的個性化系統。比如，主人引領機器人在室內行走，可以幫助機器人很快地了解家居的情況，主人介紹家庭成員，機器人可以很快知道家庭的構成，每個人的習慣、興趣愛好等，而不需要從零學起。

　　EAI技術的挑戰

　　EAI技術的基本特點是“機器學習加人工教育”，通過人工教育的方式最大程度降低甚至克服機器學習的困難，從應用的角度出發，加速系統的智慧化提升進程。

　　機器學習的最大優點是它通過數據驅動的方式解決具體問題，擁有一套完整的理論體系，具有很強的魯棒性和可擴展性。機器學習的最大缺點是它依賴於數據，數據中隱含的規律一定程度上能挖掘出來，但從實現智慧的角度往往不夠充分，特別是當數據缺乏的時候，機器學習就會變得無能為力。

　　人工教育最大優點是“教育”的知識與實例具有很強的可讀性，很簡單地就具備特定場景的“語義”。其缺點是人定義的知識不一定系統、無矛盾、無歧義，開發與維護知識的成本也會很高，更重要的是，人定義的知識往往沒有足夠的魯棒性和可擴展性；人給出的實例會更加可靠，但是其覆蓋面往往很窄，為了有效地學習可能需要提供大量的實例數據。

　　目前機器學習中的很多技術都應該可以直接應用，但EAI也有其獨特技術難點和挑戰，比如：如何保證人工教育和機器學習的交互和知識、資訊傳遞的有效性？如何保證應用中性能的單調提升？如何通過人工教育簡化學習過程？（古曉宇）

　　（整理自華為2012Lab諾亞方舟實驗室主任李航、2012Lab諾亞方舟實驗室副主任張寶峰、2012Lab中央研究院總裁霍大偉、2012Lab總裁李英濤署名文章）