打造通用人工智能應(yīng)知識與數(shù)據(jù)并重

新華社報道，目前，大數(shù)據(jù)驅(qū)動的人工智能在產(chǎn)業(yè)落地方面遇到諸多問題。在31日開幕的2019北京智源大會上，相關(guān)專家學者提出，開發(fā)人工智能應(yīng)避免過度依賴大數(shù)據(jù)，未來要更重視知識和經(jīng)驗的學習。

中國科學院院士張鈸在大會上說，訓練人工智能主要依靠兩種資源：一是數(shù)據(jù)；二是知識和經(jīng)驗，特別是常識。目前人工智能的成功應(yīng)用多是基于大數(shù)據(jù)的深度學習，但該方法一定程度存在“不可靠、不可信、不安全、難推廣”等缺點。

張鈸說，單純靠數(shù)據(jù)驅(qū)動在很多應(yīng)用場景下無法解決實際問題，如在智能翻譯領(lǐng)域，僅靠數(shù)據(jù)訓練會產(chǎn)生重大錯誤。機器無法理解很多基本常識，像“你真行”的“行”，就會被機器認為與“人行道”的“行”同義。因此，打造通用人工智能，必須把數(shù)據(jù)跟知識和經(jīng)驗結(jié)合起來。

他還認為，開發(fā)人工智能的目標并不是要做跟人類完全一樣的機器，而應(yīng)當優(yōu)勢互補，開發(fā)在某些方面勝過人，在某些方面弱于人的機器，這樣才可打造和諧的人機關(guān)系。

美國加利福尼亞大學洛杉磯分校教授朱松純在大會上說，目前人工智能的工作有點像“鸚鵡學舌”，只能單純學習對話，而不理解內(nèi)容。大數(shù)據(jù)、算力與深度學習結(jié)合的人工智能模式在產(chǎn)業(yè)落地時暴露出很多問題，如只能做特定的、人類事先定義的任務(wù)，不能做通用任務(wù)；需要海量數(shù)據(jù)，成本極高；模型不具有可解釋性，人類無法理解其決策過程等。

朱松純介紹了以“大任務(wù)”為驅(qū)動的通用人工智能研究方向。他借鑒兩歲前的嬰幼兒以任務(wù)為中心，探索物理世界和獲取社會常識的學習路徑，增強了人工智能常識推理、舉一反三的能力。團隊開發(fā)出“眼中有活”的桌面機器人，可在茶杯空了后主動為人加水。

本次大會由北京智源人工智能研究院主辦，為期兩天。來自美國斯坦福大學、英國曼徹斯特大學、清華大學、北京大學等機構(gòu)的100多位海內(nèi)外人工智能專家就智能芯片、自然語言處理、人工智能倫理等議題展開討論。