sis banner sls2
欢迎光临上海市法学会!   您是第位访客 今天是
标题 内容 作者
  • 财税法学研究会
  • 法理法史研究会
  • 法学教育研究会
  • 港澳台法律研究会
  • 国际法研究会
  • 海商法研究会
  • 金融法研究会
  • 禁毒法研究会
  • 经济法学研究会
  • 劳动法研究会
  • 民法研究会
  • 农业农村法治研究会
  • 商法学研究会
  • 社会治理研究会
  • 生命法研究会
  • 诉讼法研究会
  • 外国法与比较法研究会
  • 未成年人法研究会
  • 宪法研究会
  • 消费者权益保护法研究会
  • 信息法律研究会
  • 刑法学研究会
  • 行政法学研究会
  • 知识产权法研究会
  • 仲裁法研究会
  • 反恐研究中心
  • 教育法学研究会
  • 航空法研究会
  • 卫生法学研究会
  • 概况
  • 组织架构列表
  • 通知公告
  • 图片新闻
  • 人物介绍
  • 工作动态
  • 成果展示
  • 组织架构
  • 立法学研究会
  • 法学期刊研究会
  • 法社会学研究会
  • 自贸区法治研究会
  • 竞争法研究会
  • 非公经济法治研究会
  • 人民调解法治研究会
  • 欧盟法研究会
  • 海洋法治研究会
  • 破产法研究会
  • 财富管理法治研究中心
  • 法学翻译研究会
  • 慈善法治研究会
  • 司法研究会
  • 海关法研究会
  • 环境和资源保护法研究会
  • "一带一路"法律研究会
  • 案例法学研究会
  • 互联网司法研究小组
  • 文化产业法治研究小组
  •       
当前位置: 网站首页 > 最新消息

2019世界人工智能大会法治论坛主题演讲专家观点集萃(十)

2019-09-06 11:23:29 字体:

image.png

嘉宾简介

张宏伟

中国知网常务副总经理

张宏伟,毕业于清华大学计算机系,获工学硕士学位。现任同方知网常务副总经理,是中国工业与应用数学学会大数据与人工智能专业委员会委员,中国社会科学情报学会数字人文专业委员会副主任委员。长期从事机器学习,自然语言处理和大数据等方面的理论研究及其在数字出版、知识管理、知识服务、科研诚信和互联网治理等领域的应用研究。

人工智能时代的知识生产、传播与利用

(根据演讲嘉宾现场发言整理,未经本人审阅)

今天主要是从知识和人工智能两者关系的角度,和大家分享一些观点。近年来,人工智能取得了突飞猛进的发展,对此我持非常乐观的态度。众所周知,人工智能技术自身一点点的突破,都可能会对人类社会生产生活产生革命性、颠覆性、深远的影响。然而,我们也应该看到,实际上当前人工智能的发展还处在非常初期的阶段,和图灵所定义的人工智能技术还有非常远的距离。就目前而言,这种以图像识别、语音识别的人工智能,基本上还处在感知智能阶段。包括现在的机器翻译,都还只是属于其中一个映射和感知的范畴,并未到达认知阶段。好比说,用数学的语言讲了很多,但还只是一个函数曲线的映射,它是怎么实现的?实际上,对我们来讲,目前还都是一个不可解释的黑箱子。

人工智能在某些领域的应用,在法律层面可能是不可接受的。为什么要做出这样的判断呢?如果人工智能没有遵循人类所达成的共识,那它就是不可解释、不可控制的,对于这类人工智能的普遍应用是很难实现的。这就是当前人工智能在应用上的一个问题,当然还存在其他的问题。比如没有情感,只是面向一个特定场景的专业工作,不具备场景迁移的能力。总之,图灵所定义的人工智能,是和人类无差别的、不能区分的,在一个弱人工智能的阶段实现强人工智能,还有非常远的路要走。那么,如何实现通用的强人工智能?这也正是目前人工智能学界正在研究的一个课题。

image.png

这是一个非常困难的问题。什么叫智能?什么叫智慧?人是怎么获取知识的?这些知识在人的大脑中是怎么存储的?怎么使用的?还有人脑的工作机制等问题,实际上人类还不是很清楚。目前人工智能所取得的进展是远远不够的,比如基于神经元网络,也就是一种对人脑的工作机制的简单模拟,提出了一个神经元的机制,但是它还有很大发展空间。强人工智能的发展方向,是继续深入研究人脑的工作机制,从而推进一种类脑的计算。正如大家所知,人工智能的实现是构建在一个传统的计算架构下,是一个基于存储和计算分离的冯诺依曼架构下的弱人工智能。有的专家会认为,基于目前的计算架构,实现强人工智能是不可能的。也正是如此,我们很多的顾虑其实是多余的,只有一步一步来突破,改变这样的计算架构,才有可能进一步实现强人工智能。

最近清华大学类脑中心的史路平教授发表了一篇文章,在类脑的计算方面实现了一点突破,其中涉及到国家人工智能和芯片两个领域。作为第一次发布在自然杂志上的封面文章,具有一定的重要性。然而,它也仅是朝着这个方向实现了一点点的突破,好比一个芯片实现了自行车的驾驶。当我们讲自动驾驶的时候,可能会讲飞机、汽车,但实际上自行车的自动驾驶难度更高。那么,虽然史教授在这个领域实现了一点点的突破,但是仅仅有类脑计算仍然是不够的。在这样的类脑计算中,仅仅实现了计算架构上的突破,但仍然没有大规模涵盖各个领域的知识,因此只能实现自行车的驾驶。而其他领域,比如说判案、医学等,并没有相应知识作为支撑。所以,人工智能的进一步发展,还是需要有知识的支撑。

实现通用的强人工智能是一个更加重要的课题,把我们人类几千年来积累的知识,让计算机能够理解、应用。可惜目前在这个领域,我们可做的工作还非常有限。目前人工智能的三大核心问题,即为知识如何获取、表示、推理。要把人类的知识转变成机器可以理解和运用的知识,这就是我们要研究的知识工程问题。只有我们掌握了这样的技术,才能在这个方面实现突破。知识库构建有多种方式可以实现,比方神经元网络。深度学习的神经网络也是一种知识表示,但这种知识可能是人类无法读懂的,这就像一个黑箱子,对人类来说会是不可控而恐惧的。我们普遍认为,人类可以信赖、可以控制的人工智能才有可能进一步实现发展。

image.png

目前有一种比较可行的知识表示方式是运用知识图谱,这样人和计算机都可以理解。实际上在业界,知识图谱的构建也是知识智能过程中的热点领域。中国知网在这个方面也做了大量的工作,基于知识图谱,不仅仅可以实现大规模的知识表示,还可以在各个领域进行推理、问答等更多试题。中国知网一直致力于大规模的知识资源整合。当然,这里指的是人类能够读得懂的知识。目前,中国知网正在建设国内的知识资源总库,同时还在构建、整合全球的知识信息资源,知识文献量已将近10亿。同时,中国知网还构筑了两级网络体系,服务上千个行业的发展。

但是,现在我们所面临的问题是如何利用这些知识,以期提供更加智能化的服务。目前这些知识只是供人去查找、使用、阅读、应用,但如何把这些知识转变成计算机能够理解、能够运用的内容,是一个非常大的课题,其中体现了知识和智能之间相互赋能的关系。实际上,在建设知识库的过程中,在知识的生产、传播、利用各个环节已经运用了很多人工智能技术。然而,建成知识库之后,如何促进人工智能的发展仍是我们面临的重大课题。目前,中国知网面向各个领域,如法律、医学、农业、交通等领域积极推进构建知识图谱的知识库工程。我个人认为法学、法律是一个知识高度密集型的行业,对于人工智能的发展和应用来讲,其知识库的建设具有非常好的前景。

image.png

实际上,中国知网已经服务于全国几乎所有的公检法系统、法律院校、专业领域等用户,市场占有率基本上已经接近100%。但是这只是传统的文献和知识的服务。近年来,为响应最高法的号召,我们也在做一些智能判案的相关工作,比如说智能辅助拍卖就是基于知识图谱的知识库来构建。我认为,如果没有知识图谱的知识库构建,真正的人工智能是很难实现的。除此以外,在山西、吉林、贵州等部分法院系统,我们也取得了初步效果和进展,在智能量刑、判案方面取得了一定的成绩。海量的文献资源与内部行业机构的知识资源有机融合,推动了知识库进一步嵌入到业务系统,为系统的智能化提供支撑。

大规模的知识图谱构建是一项非常复杂和艰巨的工作,以当前技术而言还不能够实现自动化的构建。知识库的构建是非常耗时、耗力的,海量的文献资源数据可以实现部分半自动化的构建,但是大规模的构建还是需要专家、相关行业从业人员来参与。就中国知网而言,它打造了一个大规模的知识库建设团队,在山西拥有一个上千人的团队。我们也希望和业内专家,尤其是法律界的专家,一同参与构建法律行业知识图谱的知识库,为行业智慧的发展提供支撑和赋能。