5 月 27- 28 日，機器之心在北京順利主辦了第一屆全球機器智能峰會(GMIS 2017)，來自美國、加拿大、歐洲，香港及國內的眾多頂級專家分享了精彩的主題演講。

在這篇文章中，機器之心整理了第四范式首席科學家、香港科大計算機科學與工程系主任楊強在大會第二天頒發的主題為《遷移學習研究的最新進展》的演講。

楊強，第四范式聯合創始人、首席科學家。楊強教授在人工智能研究領域深耕三十年，是國際公認的人工智能全球頂級學者，ACM 杰出科學家，兩屆「KDD Cup」冠軍。現任香港科技大學計算機與工程系主任，是首位美國人工智能協會(AAAI)華人院士，AAAI 執行委員會唯一的華人委員，國際頂級學術會議 KDD、IJCAI 等大會主席，IEEE 大數據期刊等國際頂級學術期刊主編。楊強教授在數據挖掘、人工智能、終身機器學習和智能規劃等研究領域都有卓越的貢獻，是遷移學習領域的奠基人和開拓者，他頒發論文 400 余篇，論文被引用超過三萬次。

以下是該演講的主要內容：

視頻：審核中

大家好，我叫楊強，我今天想跟大家分享一下大家可能都關心的問題，機器學習、人工智能有哪些最新的進展。

我先從比來比較熱的一個話題開始。我們知道本周人工智能界最熱的一個話題是人機大戰，在烏鎮，AlphaGo和柯潔進行了三場角逐。這個角逐看上去讓人心潮澎湃，而我們在里面到底學到了什么東西呢?

首先，，本年的數據和去年與李世乭下棋時候的數據大有差別，去年還用了很多人類大師們下棋的數據，但是本年更多地用了AlphaGo自我對弈的數據，這使得數據的質量大幅提高、也就是讓機器學習的效果大為提高。所以說，數據的質量是非常重要的。

第二條，計算架構也很重要。我們知道去年用了上千的CPU，用了成百的GPU，但是本年只用了小小的TPU。本年用的計算架構與去年的計算架構比擬，有了一種飛躍性的變革。

再則，智能算法也是非常重要的。 AlphaGo 能夠讓計算機自我訓練，自我學習，靠的是強化學習算法。有了這樣的算法，雖然人是沒有措施打敗機器的，但是機器是可以打敗機器。機器的特點是自動運算，如果我們賦予機器一種能力，讓它能夠自我學習，那么其某些方面能夠超越人的能力。所以這種自我學習的算法極其重要。

以上這三點對于商業活動、對于我們把人工智能落地，其實是非常重要。我們想一想工作傍邊、生活傍邊遇見的人工智能應用：是不是都有高質量的數據、很好的計算架構和自我學習、不停提高的閉環能力。這三個條件是我今天要說的第一件事。

我們下面進入到主題。在人機大戰中，柯潔給我們留下一句話，柯潔說，AlphaGo看上去像“神”一樣的存在，好像它是無懈可擊的。我們從機器學習的角度來說AlphaGo到底有沒有弱點呢?我個人的不雅觀點是，它是有弱點的，并且這個弱點還挺嚴重：這個弱點就是它沒有“遷移學習”的能力，而遷移學習是我們人類智慧的一種特質。

遷移學習這個特質表現在智慧的什么方面呢?

機器的一個能力是能夠在大量的數據里面學習，所以數據的質量是非常重要的，這是我們學到的一點。但是，你能不能在19× 19 的棋盤學到一個知識，再把它推廣到21× 21 的棋盤?你在學會下圍棋之后，你能不能去下象棋?你學會了下圍棋，能不能把它運用在生活傍邊?運用到生活的方方面面、商業活動、日常活動、指揮機器人的行動傍邊呢?

機器在今天是沒有這個推廣能力的，這就是我今天要說的標題問題。

在人類的進化演進傍邊，遷移學習這種能力是非常重要的。好比說，我們人類在學會騎自行車以后，再騎摩托車就非常容易了，這對于人來說是非常容易的;我們看一兩張圖片，就可以把它擴展到許多其他差別的景象，這種能力也是非常強的;我們有了知識，把這個知識再推廣到其他的知識傍邊，這個能力說明我們人這個計算系統有什么能力呢?叫可靠性，我們能把我們過去的經驗帶到差別的場景，這樣就有了一種能夠適應的能力。

那么，我們怎樣才能讓機器也具有這種能力呢? 我再給大家一個例子，讓大家去想一想。