整理 | 熊宇軒、琰琰、維克多

編輯 | 青暮

作為粵港澳大灣區(qū)的第一AI盛會(huì)，GAIR大會(huì)已成功舉辦五屆，留下眾多精彩、經(jīng)典和令人驚嘆的瞬間。GAIR 2021則延續(xù)以往豪華陣容，以1場(chǎng)主旨論壇、2場(chǎng)行業(yè)峰會(huì)、9場(chǎng)高峰論壇，涵蓋自動(dòng)駕駛、安防、集成電路、醫(yī)療、元宇宙、碳中和、隱私計(jì)算、新消費(fèi)等熱門領(lǐng)域。

滾滾長(zhǎng)江東逝水，浪花淘盡英雄。上世紀(jì)80年代末，以符號(hào)邏輯為基礎(chǔ)的傳統(tǒng)人工智能遭遇理論危機(jī)，新的人工智能理論陸續(xù)被提出，人工智能研究也進(jìn)入了一個(gè)“百家爭(zhēng)鳴”的新時(shí)代，聯(lián)結(jié)主義、行為主義等學(xué)說迅速興起。

近十年來，得益于硬件設(shè)備和算法技術(shù)的提升，以深度學(xué)習(xí)為代表的聯(lián)結(jié)主義感知智能技術(shù)突飛猛進(jìn)。然而，正如圖靈獎(jiǎng)獲得者 Alan Kay 所言，盡管如今的深度學(xué)習(xí)研究空前繁榮，此類方法在數(shù)學(xué)原理上的突破仍十分有限。

在感知智能技術(shù)越來越成熟的今天，我們已經(jīng)可以通過深度學(xué)習(xí)技術(shù)從各種數(shù)據(jù)來源中提取有效的表征。但是，深度學(xué)習(xí)技術(shù)在決策、規(guī)劃方面的能力卻十分有限。

為此，研究者們又將目光投向了各種學(xué)說的融合，試圖為未來的人工智能研究尋找破局之法，催生了“神經(jīng)-符號(hào)計(jì)算”、“雙系統(tǒng)理論”等新型研究范式。人工智能研究社區(qū)再次面臨重要的路線抉擇。

在近期由粵港澳大灣區(qū)人工智能與機(jī)器人聯(lián)合會(huì)、雷峰網(wǎng)聯(lián)合主辦的第六屆GAIR全球人工智能與機(jī)器人大會(huì)（GAIR 2021）上，有六位重磅嘉賓作為這場(chǎng)里程碑式變革的重要見證者出席：

• 楊強(qiáng)，加拿大工程院院士、加拿大皇家科學(xué)院院士, 微眾銀行首席人工智能官，IEEE/AAAI Fellow；
• 張成奇，悉尼科技大學(xué)副校長(zhǎng)，澳大利亞人工智能聯(lián)合會(huì)理事長(zhǎng)；
• 周志華，南京大學(xué)計(jì)算機(jī)系主任兼人工智能學(xué)院院長(zhǎng)，歐洲科學(xué)院院士，ACM/AAAI/IEEE Fellow；
• 趙峰，清華智能產(chǎn)業(yè)研究院首席科學(xué)家、國際歐亞科學(xué)院院士、IEEE Fellow、Sloan Fellow
• 林方真，香港科技大學(xué)計(jì)算機(jī)系教授，AAAI Fellow；
• 林德康，奇點(diǎn)機(jī)智聯(lián)合創(chuàng)始人。

圓桌論壇：1991人工智能大辯論三十周年紀(jì)念

六位頂級(jí)人工智能專家齊聚一堂，回顧當(dāng)年人工智能大辯論的盛況及影響，以史為鑒，探尋人工智能下一個(gè) 30 年的發(fā)展道路。

1

風(fēng)云變幻：1991 年人工智能大辯論

自 1956 年達(dá)特茅斯會(huì)議之后，人工智能研究者們主要形成了符號(hào)主義、聯(lián)結(jié)主義、行為主義等學(xué)說。上世紀(jì) 90 年代初，符號(hào)主義流派在人工智能研究領(lǐng)域占據(jù)了主導(dǎo)地位。在物理符號(hào)系統(tǒng)假設(shè)和基于知識(shí)的啟發(fā)式求解方法指導(dǎo)下，人工智能技術(shù)在專家系統(tǒng)、機(jī)器翻譯、機(jī)器視覺、問題求解方面已經(jīng)嶄露頭角。

然而，80 年代個(gè)人計(jì)算機(jī)的普及對(duì)專家系統(tǒng)的需求產(chǎn)生了極大的沖擊。1991 年，被寄予厚望的日本“第五代計(jì)算機(jī)”（即“人工智能計(jì)算機(jī)”）研發(fā)計(jì)劃的失敗，以符號(hào)主義為主的傳統(tǒng)人工智能技術(shù)（GOFAI）遭遇了學(xué)術(shù)理論和產(chǎn)業(yè)應(yīng)用上的瓶頸，人工智能研究陷入低谷。為了打破這一局面，新的聯(lián)結(jié)主義、行為主義理論和技術(shù)紛紛登場(chǎng)。

在聯(lián)結(jié)主義方面，Yann LeCun、Sepp Hochreiter 等學(xué)者在聯(lián)結(jié)主義人工智能技術(shù)方面取得了一定的進(jìn)展，“黑盒”的神經(jīng)網(wǎng)絡(luò)技術(shù)可以避開知識(shí)表示帶來的困難，但神經(jīng)元間聯(lián)結(jié)的結(jié)構(gòu)和權(quán)值選取又成了難題。在行為主義方面，Rodney A. Brooks 提出研究“無需表示、無需推理”的智能，并基于行為主義技術(shù)設(shè)計(jì)出了一系列具備避讓、前進(jìn)、平衡等各種運(yùn)動(dòng)能力的機(jī)器人，技驚四座。

為了討論人工智能研究將何去何從，國際人工智能聯(lián)合會(huì)（IJCAI）在 1991 年的人工智能頂級(jí)期刊《Artificial Intelligence》的?？辖M織了一場(chǎng)人工智能的大辯論，就新的人工智能理論框架從五個(gè)問題、正反方面進(jìn)行了討論：

       1. 知識(shí)與概念化是否是人工智能的核心?

       2. 認(rèn)知能力能否與感知分離開來研究?

       3. 認(rèn)知的軌跡是否可用類自然語言描述?

       4. 認(rèn)知能否從學(xué)習(xí)匯總分離進(jìn)行研究?

       5. 所有的認(rèn)知是否有一種統(tǒng)一的結(jié)構(gòu)? 

林德康教授

林德康教授指出，1991年人工智能領(lǐng)域的主要爭(zhēng)論分成兩個(gè)派系——符號(hào)主義和行為主義，兩派的代表人物，正是 IJCAI 1991 計(jì)算機(jī)與思想獎(jiǎng)的兩位得主——后來的康奈爾大學(xué)校長(zhǎng) Martha Pollack，以及麻省理工學(xué)院人工智能實(shí)驗(yàn)室主任 Rodney Brooks。

Rodney Brooks 表示，行為主義的方法才是正確的AI范式，根據(jù)低層次感知信號(hào)去得到高層次決策。為此，他在論文《Intelligence without representation》中提出，人們通過符號(hào)主義研究表征的道路是失敗的，我們應(yīng)該以漸進(jìn)試錯(cuò)的方式逐漸實(shí)現(xiàn)智能，讓智能體依賴于通過感知和行為與現(xiàn)實(shí)世界連接起來，消除對(duì)表征的依賴。

Martha Pollack 則指出AI應(yīng)該通過符號(hào)邏輯表達(dá)出來的約束公式，來描述世界，再用約束滿足的方法把高層次的目標(biāo)細(xì)化。她在論文《The Use of Plans》中指出，智能體存在于復(fù)雜的環(huán)境中，它們需要通過規(guī)劃實(shí)現(xiàn)對(duì)動(dòng)作的操控。規(guī)劃不僅被用于指導(dǎo)行為，還被用于控制推理和實(shí)現(xiàn)智能體之間的協(xié)作，使復(fù)雜、動(dòng)態(tài)的多智能體環(huán)境下的智能行為成為了可能。因此，規(guī)劃在人工智能學(xué)術(shù)體系中應(yīng)該處于核心地位，

這次辯論的內(nèi)容一經(jīng)發(fā)表，就引起了人工智能研究社區(qū)的極大反響和討論，促進(jìn)了聯(lián)結(jié)主義、行為主義的興起。從此，人工智能研究進(jìn)入了新的紀(jì)元，并逐漸形成了如今的人工智能學(xué)術(shù)、產(chǎn)業(yè)格局。

2

異軍突起：華人 AI 研究迅猛發(fā)展

對(duì)于中國人工智能研究而言，1991 年也具有特殊的意義。在這一年的 IJCAI 91' 大會(huì)上，共有 6 位華人學(xué)者發(fā)表了研究成果，其中有五位學(xué)者在國外謀得教職，他們是：滑鐵盧大學(xué)的楊強(qiáng)、西安大略大學(xué)的凌曉峰、麥考瑞大學(xué)的張康、俄亥俄州立大學(xué)的趙峰、曼尼托巴大學(xué)的林德康。在 IJCAI 91' 上，“人工智能理論基礎(chǔ)大辯論”成為了中國參會(huì)者們熱議的話題。受此影響，華人學(xué)者們于 1992 年夏天在中科院計(jì)算所智能中心召開了“1992 AI Summer School”，報(bào)告者為國內(nèi)外最早在頂級(jí)會(huì)議和期刊上發(fā)表研究工作的華人學(xué)者，包括：張鈸、李國杰、高文、白碩、楊強(qiáng)、張成奇、彭云、林德康、李明、趙峰、林方真，等。這次活動(dòng)也為我國人工智能研究帶來了新的“火種”，為日后中國 AI 研究的騰飛奠定了基礎(chǔ)。

在本屆 GAIR 大會(huì)上，楊強(qiáng)、張成奇、周志華、趙峰、林方真、林德康等頂級(jí)人工智能專家從各自的角度出發(fā)回顧了當(dāng)年這次“大辯論”的深遠(yuǎn)影響。

張成奇教授

1982 年，張成奇教授正在吉林大學(xué)攻讀碩士研究生，從事專家系統(tǒng)方面的研究。那時(shí)，吉林大學(xué)是我國最早開始研究人工智能的單位之一，并在王湘浩院士的領(lǐng)導(dǎo)下發(fā)起了全國高校人工智能研究會(huì)。

1992 年，張成奇教授基于群論解決了分布式專家系統(tǒng)中不同的不確定性模型互相轉(zhuǎn)化的問題，這一成果發(fā)表在了人工智能頂級(jí)期刊《Artificial Intelligence》上，這是中國大陸學(xué)者首次在該期刊上發(fā)表論文。在張成奇教授看來，相較于當(dāng)年，如今的感知智能、行為主義智能技術(shù)已經(jīng)得到了長(zhǎng)足的發(fā)展，分布式人工智能可以發(fā)展一條更為光明道路。同年，在張成奇教授成功于《Artificial Intelligence》上發(fā)表論文四個(gè)月之后，楊強(qiáng)教授的研究成果也首次發(fā)表在該期刊上。

楊強(qiáng)教授

彼時(shí)，如今的“遷移學(xué)習(xí)”、“聯(lián)邦學(xué)習(xí)”旗手——楊強(qiáng)教授也醉心于符號(hào)主義人工智能研究，在規(guī)劃領(lǐng)域頗有建樹，試圖從邏輯角度尋找搜索路徑，探究高層次的推理技術(shù)。1989 年，楊強(qiáng)教授在 IJCAI 上發(fā)表了其第一篇頂會(huì)論文《Preprocessing Search Spaces for Branch and Bound Search》，在該論文中，楊強(qiáng)教授提出了一種名為“threaded decisions graph”的數(shù)據(jù)結(jié)構(gòu)，通過事先在搜索空間中進(jìn)行預(yù)處理的方式，降低了啟發(fā)式搜索問題求解方法的計(jì)算開銷。1990 年，楊強(qiáng)教授開發(fā)出的第一個(gè)開源規(guī)劃軟件“ABTWEAK”在工業(yè)界得到廣泛應(yīng)用，該成果被 AAAI 1990 收錄。1991 年，楊強(qiáng)教授在 IJCAI 大會(huì)上發(fā)表論文《The Downward Refinement Property》，提出了一種層次化的邏輯表達(dá)關(guān)注度模型，在保證準(zhǔn)確性的條件下大幅提高了推理速度。同年，楊強(qiáng)教授的論文《Characterizing Abstraction Hierarchies for Planning》也被 AAAI 大會(huì)收錄。1992 年，楊強(qiáng)教授首次在《Artificial Intelligence》期刊上發(fā)表論文。

回顧當(dāng)年的人工智能發(fā)展轉(zhuǎn)折，楊強(qiáng)教授認(rèn)為，1991 年的大辯論后，邏輯研究者們跳出了單調(diào)邏輯，轉(zhuǎn)向發(fā)展復(fù)雜邏輯。同時(shí)，IWML（即如今的 ICML）出現(xiàn)，機(jī)器學(xué)習(xí)開始進(jìn)行數(shù)學(xué)化革命。隨后，隨機(jī)森林、集成學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等“黑盒”的機(jī)器學(xué)習(xí)逐漸為人所接受，可解釋性逐漸淡化，形成了人工智能領(lǐng)域文化的轉(zhuǎn)變。同時(shí)，行為主義也逐漸興起，該流派的研究者們認(rèn)為智能不僅存在于人的大腦，也存在于人體的肌肉、骨骼中。此后，掃地機(jī)器人、谷歌機(jī)器狗以及火星探索者機(jī)器人紛紛涌現(xiàn)出來。這些機(jī)器人在不進(jìn)行邏輯推理的情況下，實(shí)現(xiàn)了一定的智能行為。在楊強(qiáng)教授看來，當(dāng)年的人工智能研究從符號(hào)主義推崇的“使用一套算法解釋智能現(xiàn)象”逐漸向“借鑒模型驅(qū)動(dòng)的物理學(xué)，通過通用模型解釋智能現(xiàn)象”過渡。

趙峰教授

上世紀(jì) 80 年代末，在 MIT 人工智能實(shí)驗(yàn)室求學(xué)的趙峰教授第一時(shí)間觸碰到了大洋彼岸行為主義興起的浪潮。當(dāng)年，趙峰教授的研究方向是基于模型的人工智能，旨在讓計(jì)算機(jī)程序能夠理解、推理物理世界中的現(xiàn)象。

在如今的波士頓動(dòng)力公司創(chuàng)始人MIT馬克雷伯特教授的實(shí)驗(yàn)室中，趙峰教授發(fā)現(xiàn)，當(dāng)時(shí)的機(jī)器人研究十分困難，因?yàn)槲覀冃枰獙?duì)機(jī)器的動(dòng)力系統(tǒng)作出非常精準(zhǔn)的規(guī)劃，這大大延緩了該領(lǐng)域的研究進(jìn)度。1989 年，趙峰教授MIT讀書時(shí)的Committee 老師Rodney Brooks基于行為主義思想設(shè)計(jì)了一款六足機(jī)器人，該機(jī)器人在無需進(jìn)行推理的情況下，能夠輕松跨越涵蓋，引起了巨大轟動(dòng)，并獲得了 1991 年的 IJCAI 計(jì)算機(jī)思維獎(jiǎng)。Rodney Brooks 高喊“無需推理、無需表示”的口號(hào)，發(fā)表了著名的論文《Intelligence without representation》。

與此同時(shí)，“人工智能理論基礎(chǔ)大辯論”讓學(xué)術(shù)界在研究方向上出現(xiàn)了重要的分歧，即擁抱數(shù)據(jù)驅(qū)動(dòng)還是堅(jiān)持模型驅(qū)動(dòng)和推理。在趙峰教授看來，要回答這一問題，可以從“工程”和“科學(xué)”兩個(gè)方面驗(yàn)證。從工程的角度來說，我們需要考慮某種學(xué)術(shù)思路能否解決實(shí)際問題；從科學(xué)的角度來說，我們可以觀察某種學(xué)說能否經(jīng)過時(shí)間的考驗(yàn)回答基礎(chǔ)的智能問題。

林方真教授

當(dāng)年在斯坦福大學(xué)讀博士的林方真教授認(rèn)為，1991年的AI大辯論并不是真正的辯論。傳統(tǒng)AI偏向自頂向下，優(yōu)先考慮人的高層推理和決策過程。Rodney Brooks則提倡自下而上，從簡(jiǎn)單本體開始學(xué)習(xí)。他的觀點(diǎn)與前者并不矛盾，而是一種補(bǔ)充。這也反映了當(dāng)年學(xué)術(shù)界“百家爭(zhēng)鳴”的狀況，研究者們紛紛提出自己對(duì) AI 未來發(fā)展趨勢(shì)的見解。當(dāng)年Nils Nilsson也因而倡導(dǎo)AI研究應(yīng)該考慮融合智能本體。這個(gè)觀點(diǎn)甚至在當(dāng)年最有影響的AI教課書上都有體現(xiàn)。

3

九九歸一：學(xué)派融合，螺旋上升的感知與認(rèn)知智能

周志華教授

進(jìn)入 21 世紀(jì)，我國在機(jī)器學(xué)習(xí)領(lǐng)域研究的進(jìn)步速度與日俱增，涌現(xiàn)出了一大批杰出的人工智能科學(xué)家，周志華教授就是其中的代表人物之一。

在周志華教授眼中，人工智能的概念和內(nèi)涵一直在動(dòng)態(tài)發(fā)展，今天的“AI”和90年代初的“AI”實(shí)質(zhì)上并不是一回事，當(dāng)年的AI主要是指“智能行為的符號(hào)化建?！边@條研究路線，并且當(dāng)年的神經(jīng)網(wǎng)絡(luò)是“與AI對(duì)立”的事物。

1991年提出的幾個(gè)問題，體現(xiàn)的是當(dāng)時(shí)研究者們對(duì)“符號(hào)主義”的反思，以及對(duì)引入其他路線的思考。這個(gè)論辯的直接結(jié)果之一是使得大家承認(rèn)了人工智能的“三大主義”（符號(hào)主義，連接主義，行為主義）。

機(jī)器學(xué)習(xí)的發(fā)展已經(jīng)讓現(xiàn)在的AI超越當(dāng)年的內(nèi)涵，不能再簡(jiǎn)單歸類為三大主義，例如規(guī)則學(xué)習(xí)和決策樹大體上可以歸入符號(hào)主義，神經(jīng)網(wǎng)絡(luò)可以歸入連接主義，強(qiáng)化學(xué)習(xí)和演化學(xué)習(xí)可以歸入行為主義，但統(tǒng)計(jì)學(xué)習(xí)、貝葉斯學(xué)習(xí)很難歸入以往的三大主義。事實(shí)上AI已形成五大主義：符號(hào)主義，連接主義，行為主義，頻率主義，貝葉斯主義。但回過頭來看，它們?nèi)魏螁畏矫婊蛟S都不夠，就像機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)一樣，要多方融合集成，兼收并蓄，例如知識(shí)推理與機(jī)器學(xué)習(xí)的融合。周志華教授說他個(gè)人可謂是“集成主義(ensemblism)"者，這是他自己造的一個(gè)詞。

1. 黑盒模型 vs 邏輯推理

目前流行的深度學(xué)習(xí)模型大多具有“黑盒屬性”，隨著深度學(xué)習(xí)模型的瓶頸逐漸凸顯出來，許多學(xué)者又將目光投向了邏輯推理。

楊強(qiáng)教授指出，認(rèn)知智能和感知智能的發(fā)展過程是一個(gè)螺旋式交替上升的過程，二者相輔相成。上世紀(jì)，我們研究人工智能問題，涉及的感知表達(dá)往往很簡(jiǎn)單，而考慮的認(rèn)知過程卻非常復(fù)雜。隨著軟硬件我們可以思考如何通過研究感知智能的方法促進(jìn)對(duì)認(rèn)知智能的研究，是否可以通過成功的感知系統(tǒng)解決認(rèn)知問題。

在張成奇教授看來，圖靈測(cè)試似乎定義了人工智能研究“只重結(jié)果，不看過程”的論調(diào)——只要結(jié)果達(dá)到特定指標(biāo)，人們就不會(huì)有太多質(zhì)疑和爭(zhēng)論。人工智能研究發(fā)展至今已經(jīng)快 70 年，但一直沒有跳出圖靈測(cè)試的“范疇”。

大多數(shù)人認(rèn)為，人類獨(dú)有的認(rèn)知才是真正的智能，任何動(dòng)物都具備的感知不屬于智能。所以，早期的人工智能研究之所以聚焦于認(rèn)知智能，首先是因?yàn)槲覀冋J(rèn)為認(rèn)知智能是高級(jí)智能；其二是因?yàn)槟菚r(shí)很難清晰地描述和定義感知。但如今，得益于算力、算法的發(fā)展和大數(shù)據(jù)驅(qū)動(dòng)，感知智能已經(jīng)相對(duì)成熟，很多感知智能方法在應(yīng)用中取得了不錯(cuò)的效果，符合圖靈測(cè)試的要求。

然而，感知智能對(duì)智能發(fā)展的推動(dòng)作用有限，所以越多越多的人開始寄希望于認(rèn)知智能，從目前的趨勢(shì)來看，在深度學(xué)習(xí)時(shí)代，大數(shù)據(jù)和知識(shí)雙輪驅(qū)動(dòng)是認(rèn)知智能取得新突破的一個(gè)頗有潛力的路徑。 

林方真教授認(rèn)為，在深度學(xué)習(xí)流行的今天，我們?nèi)匀恍枰獔?jiān)持對(duì)知識(shí)表示和推理技術(shù)的研究。人工智能是個(gè)漸進(jìn)發(fā)展的和交叉學(xué)科，需要通過不同的方法解決不同的問題。知識(shí)表示和推理是智能的重要基石，而邏輯則是推理的數(shù)學(xué)基礎(chǔ)。事實(shí)上，人類從古希臘時(shí)期就開始嘗試使用邏輯來形式化人類的推理，這是眾多哲學(xué)家和數(shù)學(xué)家上千年來的研究結(jié)晶。在林方真教授看來，用神經(jīng)網(wǎng)絡(luò)取代邏輯推理的方式并不可行，應(yīng)結(jié)合各種 AI 工具，而不是用某種工具取代其它的工具。

2. 感知、認(rèn)知智能的融合

如今，感知、認(rèn)知融合技術(shù)的融合已漸漸成為了一種趨勢(shì)。如何實(shí)現(xiàn)感知信號(hào)、認(rèn)知推理、行為決策之間的遞進(jìn)是融合各個(gè)主義學(xué)說的關(guān)鍵問題。

對(duì)此，周志華教授認(rèn)為，作為計(jì)算機(jī)學(xué)科出發(fā)的人工智能研究者，更關(guān)心的是受智能行為的啟發(fā)解決實(shí)際問題，而不必過分拘泥于“認(rèn)知”“感知”等概念和說法。從技術(shù)方法論上看，傳統(tǒng)基于邏輯的人工智能主要是基于自頂向下的“演繹”，比較容易利用領(lǐng)域?qū)＜抑R(shí)，而目前機(jī)器學(xué)習(xí)主要是基于自底向上的“歸納”，比較容易利用數(shù)據(jù)事實(shí)，現(xiàn)在差不多是考慮將自頂向下的演繹和自底向上的歸納結(jié)合起來的時(shí)候了，或許可以解決當(dāng)前的人工智能技術(shù)所不能解決的一些問題。

趙峰教授指出，我們需要從兩個(gè)方面考慮各種主義的融合：（1）人與動(dòng)物的差別。從感知角度來看，有些動(dòng)物在某種感知模型里，比人更加敏感。但是人能夠把經(jīng)驗(yàn)總結(jié)下來，形成體系化知識(shí)，并且在人與人之間互相傳播和交流這些知識(shí)，所以從這個(gè)角度來講，認(rèn)知行為理論是值得借鑒的。（2）機(jī)器學(xué)習(xí)。目前機(jī)器學(xué)習(xí)的知識(shí)挖掘仍然局限在基礎(chǔ)的“關(guān)聯(lián)”層面，未有效地觸及因果關(guān)系。如今，學(xué)術(shù)界和工業(yè)界對(duì)可解釋的 AI、可信 AI 技術(shù)的需求與日俱增。相比于 30 年前，如今的算力基礎(chǔ)和數(shù)據(jù)準(zhǔn)備達(dá)到了前所未有的高度，如果把機(jī)器學(xué)習(xí)、結(jié)構(gòu)化知識(shí)、認(rèn)知行為理論有機(jī)的結(jié)合起來，或許有望突破模型推理的黑盒挑戰(zhàn)。

3. 知識(shí)從何而來？

“知識(shí)”是人工智能系統(tǒng)發(fā)揮作用的重要基礎(chǔ)，在周志華教授看來，我們大致可以通過以下兩種方式獲取知識(shí)：（1）將人類的一些常識(shí)和經(jīng)驗(yàn)總結(jié)下來形成知識(shí)。該過程通常需要用邏輯表達(dá)的方式實(shí)現(xiàn)。（2）借助龐大的互聯(lián)網(wǎng)，作為人工智能獲取知識(shí)的來源。通過以上兩種方式獲取知識(shí)的方法各有千秋。人類基于邏輯關(guān)系的知識(shí)表達(dá)精確性高，對(duì)人工智能系統(tǒng)非常友好，從互聯(lián)網(wǎng)中挖掘出的知識(shí)，不可避免地會(huì)存在大量的噪聲和沖突。而互聯(lián)網(wǎng)中蘊(yùn)含的知識(shí)量往往更大，獲取知識(shí)的成本較低。為了將二者結(jié)合起來，可能在某種程度上會(huì)犧牲互聯(lián)網(wǎng)知識(shí)的靈活性，以及邏輯知識(shí)的精確性。機(jī)器學(xué)習(xí)或許可以作為結(jié)合二者的“粘合劑”。

楊強(qiáng)教授認(rèn)為，從遷移學(xué)習(xí)的角度來看，以人類為例，人類在兒時(shí)獲取的知識(shí)的主要來源于父母，相當(dāng)于給小孩賦予了一個(gè)預(yù)訓(xùn)練模型。經(jīng)過教育后，人類在“調(diào)參”過程中掌握了學(xué)習(xí)的規(guī)律和方法。長(zhǎng)大后，人類不需要接觸很多案例，就可以通過遷移學(xué)習(xí)訓(xùn)練模型，適配新的場(chǎng)景，學(xué)會(huì)很多新知識(shí)。如今，“預(yù)訓(xùn)練+調(diào)優(yōu)”的范式在人工智能領(lǐng)域被廣泛應(yīng)用，這一方向前景十分光明。

張成奇教授指出，認(rèn)知知識(shí)和感知知識(shí)的結(jié)合是很一個(gè)長(zhǎng)遠(yuǎn)的研究課題。人類不需要大數(shù)據(jù)感知，基于小樣本數(shù)據(jù)就可以完成學(xué)習(xí)任務(wù)，但對(duì)于人工智能系統(tǒng)而言，這是一項(xiàng)非常有挑戰(zhàn)的事情。對(duì)于一輛自動(dòng)駕駛汽車來說，為了了解道路周圍的環(huán)境，它需要用到感知智能。在行駛過程中，為了避免道路擁堵，規(guī)劃兩個(gè)位置之間的路徑，需要用到認(rèn)知智能技術(shù)。在掌握了認(rèn)知和感知知識(shí)后，它還需要學(xué)習(xí)駕駛技術(shù)，實(shí)現(xiàn)具體的動(dòng)作，這本身是一件非常難的事情。從現(xiàn)階段來看，我們可以嘗試分開研究感知和認(rèn)知知識(shí)。

4

結(jié)語

凡是過往，皆為序章。自 1991 年“人工智能理論基礎(chǔ)大辯論”已過去 30 年。30 年來，世界人工智能發(fā)展格局迅速變化，中國的人工智能研究者們前赴后繼，完成了對(duì)世界先進(jìn)國家人工智能技術(shù)跟跑、并跑、到領(lǐng)跑的過程。如今，各種學(xué)說的互相交融逐漸成為了人工智能研究社區(qū)的共識(shí)。讓我們一同期待人工智能研究社區(qū)迎來下一個(gè)百花齊放、萬紫千紅的 30 年。

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。