5 月 27- 28 日，机器之心在北京顺利主办了第一届全球机器智能峰会(GMIS 2017)，来自美国、加拿大、欧洲，香港及国内的众多顶级专家分享了精彩的主题演讲。

在这篇文章中，机器之心整理了第四范式首席科学家、香港科大计算机科学与工程系主任杨强在大会第二天颁发的主题为《迁移学习研究的最新进展》的演讲。

杨强，第四范式联合创始人、首席科学家。杨强教授在人工智能研究领域深耕三十年，是国际公认的人工智能全球顶级学者，ACM 杰出科学家，两届「KDD Cup」冠军。现任香港科技大学计算机与工程系主任，是首位美国人工智能协会(AAAI)华人院士，AAAI 执行委员会唯一的华人委员，国际顶级学术会议 KDD、IJCAI 等大会主席，IEEE 大数据期刊等国际顶级学术期刊主编。杨强教授在数据挖掘、人工智能、终身机器学习和智能规划等研究领域都有卓越的贡献，是迁移学习领域的奠基人和开拓者，他颁发论文 400 余篇，论文被引用超过三万次。

以下是该演讲的主要内容：

视频：审核中

大家好，我叫杨强，我今天想跟大家分享一下大家可能都关心的问题，机器学习、人工智能有哪些最新的进展。

我先从比来比较热的一个话题开始。我们知道本周人工智能界最热的一个话题是人机大战，在乌镇，AlphaGo和柯洁进行了三场角逐。这个角逐看上去让人心潮澎湃，而我们在里面到底学到了什么东西呢?

首先，，本年的数据和去年与李世乭下棋时候的数据大有差别，去年还用了很多人类大师们下棋的数据，但是本年更多地用了AlphaGo自我对弈的数据，这使得数据的质量大幅提高、也就是让机器学习的效果大为提高。所以说，数据的质量是非常重要的。

第二条，计算架构也很重要。我们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。本年用的计算架构与去年的计算架构比拟，有了一种飞跃性的变革。

再则，智能算法也是非常重要的。 AlphaGo 能够让计算机自我训练，自我学习，靠的是强化学习算法。有了这样的算法，虽然人是没有措施打败机器的，但是机器是可以打败机器。机器的特点是自动运算，如果我们赋予机器一种能力，让它能够自我学习，那么其某些方面能够超越人的能力。所以这种自我学习的算法极其重要。

以上这三点对于商业活动、对于我们把人工智能落地，其实是非常重要。我们想一想工作傍边、生活傍边遇见的人工智能应用：是不是都有高质量的数据、很好的计算架构和自我学习、不停提高的闭环能力。这三个条件是我今天要说的第一件事。

我们下面进入到主题。在人机大战中，柯洁给我们留下一句话，柯洁说，AlphaGo看上去像“神”一样的存在，好像它是无懈可击的。我们从机器学习的角度来说AlphaGo到底有没有弱点呢?我个人的不雅观点是，它是有弱点的，并且这个弱点还挺严重：这个弱点就是它没有“迁移学习”的能力，而迁移学习是我们人类智慧的一种特质。

迁移学习这个特质表现在智慧的什么方面呢?

机器的一个能力是能够在大量的数据里面学习，所以数据的质量是非常重要的，这是我们学到的一点。但是，你能不能在19× 19 的棋盘学到一个知识，再把它推广到21× 21 的棋盘?你在学会下围棋之后，你能不能去下象棋?你学会了下围棋，能不能把它运用在生活傍边?运用到生活的方方面面、商业活动、日常活动、指挥机器人的行动傍边呢?

机器在今天是没有这个推广能力的，这就是我今天要说的标题问题。

在人类的进化演进傍边，迁移学习这种能力是非常重要的。好比说，我们人类在学会骑自行车以后，再骑摩托车就非常容易了，这对于人来说是非常容易的;我们看一两张图片，就可以把它扩展到许多其他差别的景象，这种能力也是非常强的;我们有了知识，把这个知识再推广到其他的知识傍边，这个能力说明我们人这个计算系统有什么能力呢?叫可靠性，我们能把我们过去的经验带到差别的场景，这样就有了一种能够适应的能力。

那么，我们怎样才能让机器也具有这种能力呢? 我再给大家一个例子，让大家去想一想。