AAAI：美国未来20年的人工智能研究路线图
发布时间：2019-09-16
近日，Computing Community Consortium (CCC)与AAAI发布了A 20-Year Community Roadmap for Artificial Intelligence Research in the US，，针对未来二十年的时间段，严肃、详细地讨论了当前AI 遇到的挑战、对未来AI 远景的展望、解决关键问题所需的科研重点，建议通过重大和持续的投资促进人工智能研究企业的彻底转变，并描绘制定了未来二十年人工智能研究和开发的路线图。
这份路线图报告的负责人是AAAI 学会主席Yolanda Gil 和候选主席Bart Selman，参与workshop 讨论的更包括俄勒冈州立大学教授Tom Dietterich 以及斯坦福大学教授李飞飞。
本报告主干内容总结如下：
前言
学术界和工业界已经共同探索人工智能（Artificial Intelligence）长达几十年的时间，这些探索也为工业界、政府、社会带来了巨大的回报。当今的AI 系统可以执行多种语言的翻译、识别图像和视频中的物体、优化生产流程、控制汽车，等等。AI 系统的发展不仅仅创造了一个万亿美元产值的工业领域（预计这个领域在3 年后还会翻4 倍），也展现出了人们对公平的、可解释的、可信任的、安全的AI 系统的需求。人们希望未来的AI 系统能有效地理解它们（和人类一同）存在并影响的世界，能有效地、符合道德地处理复杂任务和责任，能和人类建立有意义的沟通，并且通过经验积累的过程提升它们的认知。
如何完全发挥出AI 技术的潜力是一个重大科研挑战，它需要AI 科研活动进行大幅改革，辅以大规模、持续的投资。下文就是CCC 和AAAI 对于未来AI 发展的主要建议，随之形成了未来二十年AI 科研和发展路线图。
AI 的社会影响
AI 技术有潜力为社会的各个组成部分带来变革、持续的创新以及经济增长。但同时，具备这些能力的系统的安全性、可靠性如何，人们还有许多担忧；在未来AI 发挥巨大作用的世界中，人类的工作将会有何变化也有担忧。这份路线图中分以下六个领域描绘了AI 带来的益处：
- 提高人类健康水准、提升生活品质
- 提供终身的教育与培训
- 重新设计商业创新与竞争力
- 加速科学发现和技术创新
- 拓展基于实证的社会机遇与政策
- 革新国防与安全
路线图中也通过清晰的小故事介绍了AI 创新将会如何影响个人、组织团体以及整个社会。潜在的AI 创新包括健康监控及顾问、精神与行为健康教练、更好的远程教育、更快捷有效的自然灾害响应、更快的矿物资源勘探、水资源的准确模型、敏捷的跨学科医学科研、个人设备的商业创新、供应链延迟的解决方案，以及有自我恢复能力的互联网系统。所有这些创新都需要在AI 的关键领域做出大范围的基础科研进步。
实现社会益处所需的优先科研目标
智慧集成（Integrated intelligence），包括：订制组合模块化AI 技能所需的基础规范，开发为特定用户需求确定所需通用能力的方法，建立机器可以理解的开放世界知识库，以及理解人类的智慧，以便启发更多的AI 创新以及建立人类认知的模型。
有意义的交互（Meaningful interaction），包括：探索能让混合组队的人类和机器之间进行有效合作的技术，在保护隐私的同时合并多种不同的沟通模态（语言、视觉、感情），负责任、可被信任的行为，而且可以被用户直接引导，以及让人类和AI 系统在网络中和真实世界中都可以充分互动。
自我认知学习（Self-aware learning）：发展鲁棒的、可信赖的学习，量化不确定性和可持续性，从小数据中学习、根据指导学习，把先验知识集成到学习中，从数值数据和观察中建立因果模型和可操作模型，为内部感知和行为学习实时动作。
当前AI 发展状况中的挑战
针对路线图中的活动，我们可以列举出面临的几个挑战。
首先，这个领域已经从最初对算法和理论的学术性关注前进到了持续数据收集+交互社会实验+大规模世界知识的工业化阶段。在此基础上，科技工业界利用大规模资源（包括数据集、知识图、专用计算机以及大批AI 工程师）推动了许多创新。
然而，应对上述的优先科研目标需要适当的资源，需要能够支持能具前瞻和实验性的科研。如果没有合适的资源，学术AI 研究将会受到限制；而如果学术界无法给基础问题给出回答，工业界的AI 应用所能做出的创新也会很有限。它们面对的限制、激励和时间表也大有不同：工业界很大程度上由实际的、短期的解决方案驱动，而学术界追寻的是很多基础性的、长期问题的答案。
除此之外，这些AI 挑战不仅可以在计算机科学、计算机工程学的各个部分看到，也为认知科学、心理学、生物学、数学、公共政策、道德、教育、沟通等更多领域带来了挑战。人才短缺也是当前AI 生态系统中存在的一个关键问题：对AI 专家的需求已经远远超过了供给，而且如果我们不做点什么的话这个缺口只会越来越大。许多AI 教职人员都已经被企业里独特的数据和丰富的资源吸引而离开了学校，亚洲、欧洲的数十亿美元规模的AI 投资也吸引了美国的博士毕业生前去工作。
最后，关于AI 系统的安全性、易被攻击、AI 道德以及AI 对未来人类工作的影响也有许多担忧。
建议
克服这些挑战需要AI 科研活动进行重新创新，创造更加综合性的国家级AI 基础设施，并且重新思考AI 时代的劳动力应当如何培养。以此为目标，本路线图提出以下的具体措施建议：
一，创建并运营一个国家级的AI 基础设施，它通过下面四种紧密连接的能力服务学术界、企业界以及政府：
- 开放AI 平台以及资源：收集大量可以AI 所需的资源，包括准确的高质量数据集、软件、知识库、软件测试环境、机器人测试环境，可以随时供学术科研使用，也可以供企业和政府使用
- 持续的群体驱动的AI 挑战：AI 科研群体自发提出的、不断更新、不断升级的科研问题，这同时也是对开放AI 资源库的持续更新和升级
- 国家级AI 科研中心：多所高校合作建立的科研机构，提供必需的资金和基础设施支持数百名教职员工、200+位AI 工程师、500+位学生进行长期的AI 科研研究。这里也就可以同时成为学生的训练场所以及学术界、工业界、政府人事的学术访问目的地。
- 目标驱动的AI 实验室：社会中不同归属的AI 实验室有极大潜力产生巨大的社会影响。AI 科研人员可以在这里接触到独特的数据和领域知识，比如AI 医疗、AI 家具、AI 学校。这些实验室可以和国家级AI 科研中心建立紧密合作，可以提出要求、协助科研并转化科研成果。这些实验室对于AI 技术研发、AI 传播、劳动力训练都能起到关键作用。可以由政府提供资金，支持50 位数量级的长期的AI 研究员、50 位访问学者、100-200 位AI 工程师与技术人员，以及100 位领域专家和普通工作人员。
二，重新思考以及训练AI 时代的劳动力。在上述的国家级AI 基础设计基础上：
- 开发AI 基础设施级别的AI 课程：设计能激发对AI 的早期兴趣以及了解的课程，从幼儿园开始并不断拓展，持续到本科以及研究生课程中
- 为高等AI 学位建立雇佣和留存机制：允许有才干的学生获得较高的学位，为博士学历的研究人员设计留任机制，为AI 课程教职人员设立额外的资源支持
- 增强弱势群体的活力：为AI 科研领域引入更多潜在人才
- 激励正在萌生的跨领域AI 学科：鼓励学生和科研领域更多地考虑跨学科的AI 研究，比如AI 安全工程、AI 社会影响分析；这同时也能帮助建立能完全理解AI 方方面面影响的劳动力群体以及科研生态
- 强调AI 道德和政策：在AI 系统的设计和运行中注重引入人类道德以及相关的责任准则
- 训练技术熟练的AI 工程师及技术人员：在国家级AI 基础架构的基础上对不同级别的AI 人才培训体系提供支持，包括社区大学、在职培训、职业资格证以及在线学位
三，基础AI 科研的核心规划非常重要。这个路线图中描绘的资源和行动不应该取代当前的AI 科研资金开源模式。这些为AI 科研、为培养年轻研究员、为集成AI 科研和教育、为集结不同领域合作提供成熟广泛的支持的核心规划是本路线图中描绘的更多行动的关键组成部分，而它们本身也需要更全面的支持。
以上所有都需要都需要在本路线图描绘的二十年间有大规模的、持续的政府投资，不过收益也将会是革命性的。这些建议不仅仅是为跨领域、面向未来、推动科学技术与经济进步的研发提供了落脚点，也考虑到了安全、可靠性、政策、道德等等问题。这个路线图中的建议还能够帮助最优秀的人才们更长期地留在富饶的科研土壤中，在这个至关重要的技术领域里创造丰富的人类智慧成果 —— 这也是对社会、经济的又一个重要好处。
总结
这个路线图尝试从多个角度、多个相关学科视角指出未来二十年中的优先AI 科研目标，也是团体合作的成果。这些优先AI 科研目标的判断来自于AI 在健康、教育、科研、创新、公平、安全等领域的潜在益处的详细分析。整个路线图文档的编排围绕着三个重点领域：智慧集成系统、支持有意义的互动、以及发展自我认知学习。本路线图中提出的方案将领导这个领域走向用于创新的AI 科研新时代，以便解决长期存在的以及跨学科的问题。
与这些科研重点一同，来自AI 界共同体的发现和讨论带来了具体的操作建议。这些发现揭示了基础设施、教育、劳动力能力等方面的重大阻碍因素，也为新的国家级AI 基础设施、劳动力培训方案提出了建议，它们将能够为AI 研发的整体图景带来显著的、变革式的影响。这些投入将极大地加速AI 技术的发展和应用，并对整个社会的方方面面产生长远的影响。
报告链接：https://arxiv.org/ftp/arxiv/papers/1908/1908.02624.pdf
来源：AI科技评论
