隨著人工智能技術(shù)的迅猛發(fā)展，我們見證了其從基礎(chǔ)算法到復(fù)雜應(yīng)用場景的跨越式進(jìn)步。從簡單的數(shù)據(jù)分析到復(fù)雜的決策支持，人工智能似乎無所不能。然而，在這波技術(shù)革新浪潮中，人工智能所面臨的真正挑戰(zhàn)正逐漸從形式化學(xué)習(xí)轉(zhuǎn)向內(nèi)容理解。

當(dāng)前，大多數(shù)人工智能系統(tǒng)特別是深度學(xué)習(xí)模型，主要依賴于對海量數(shù)據(jù)的形式化學(xué)習(xí)。這些模型通過識別數(shù)據(jù)中的模式和關(guān)聯(lián)來做出預(yù)測或決策。然而，這種學(xué)習(xí)方式的局限性在于，它們往往缺乏對數(shù)據(jù)背后含義的深入理解和洞察。以圖像和視頻內(nèi)容的理解為例，盡管計算機(jī)視覺技術(shù)利用深度學(xué)習(xí)模型能夠識別出物體、場景和動作等，但一個圖像識別系統(tǒng)即使能夠準(zhǔn)確地識別出一只水豚，它卻并不真正理解“水豚”這一概念所包含的深層含義，如水豚的生活方式、性格特點(diǎn)等。

對于大數(shù)據(jù)和深度學(xué)習(xí)的局限性，發(fā)展中國家工程科技院院士鐘義信在接受《人民郵電》報記者采訪時直言：“這些都是基于形式化的處理，數(shù)據(jù)被簡化為0—1的編碼序列，無法真實(shí)反映其背后的內(nèi)容。深度學(xué)習(xí)模型基于這樣的數(shù)據(jù)進(jìn)行訓(xùn)練，同樣缺乏對內(nèi)容的深入理解，因此不具備真正的理解能力。”這一觀點(diǎn)揭示了當(dāng)前人工智能領(lǐng)域所面臨的挑戰(zhàn)——如何推動AI系統(tǒng)實(shí)現(xiàn)對數(shù)據(jù)深層含義的真正理解。

換言之，深度學(xué)習(xí)所學(xué)習(xí)到的僅僅是形式上的關(guān)聯(lián)和模式，而沒有涉及內(nèi)容上的因果關(guān)系。鐘義信談到，對于人工智能而言，真正的“智能”不僅要求能夠處理形式，更重要的是要能夠理解數(shù)據(jù)、信息和知識背后的深層內(nèi)容。只有這樣，人工智能才能做出具有智能水平的決策。

這意味著，人工智能系統(tǒng)需要具備一種類似于人類的認(rèn)知能力，這種能力不僅體現(xiàn)在對數(shù)據(jù)的整理、歸納和有效信息的提取上，更重要的是能夠?qū)⑦@些信息與相應(yīng)領(lǐng)域的知識庫進(jìn)行深度融合，從而實(shí)現(xiàn)對數(shù)據(jù)的真正理解。例如在自動駕駛領(lǐng)域，人工智能系統(tǒng)需要具備對來自攝像頭、激光雷達(dá)等多個傳感器數(shù)據(jù)的實(shí)時處理能力，但僅僅識別出車輛、行人和其他障礙物還遠(yuǎn)遠(yuǎn)不夠，系統(tǒng)需要能夠理解這些物體之間的關(guān)系，預(yù)測它們的行為。同時，系統(tǒng)還需要融合對道路規(guī)則、交通信號和車輛動力學(xué)等知識的深入理解，才能在復(fù)雜的交通場景中做出安全合理的決策。

為實(shí)現(xiàn)從形式化學(xué)習(xí)到內(nèi)容理解的轉(zhuǎn)變，鐘義信主張對人工智能領(lǐng)域研究實(shí)行“范式大變革”。他認(rèn)為，學(xué)科的范式（科學(xué)觀與方法論）是指導(dǎo)學(xué)科研究的最高引領(lǐng)力量。然而作為信息學(xué)科高級篇章的人工智能卻遵循著物質(zhì)學(xué)科的范式，使人工智能的研究嚴(yán)重受限。用“物質(zhì)學(xué)科的范式”來指導(dǎo)“信息學(xué)科的研究”，人工智能的研究只能按照“分而治之”和“純粹形式化”的方法論得出各種局部性、孤立性、碎片式、智能水平低下、結(jié)果不可解釋，而且需要大規(guī)模樣本的研究成果。

資訊來源：中國工信新聞網(wǎng)，轉(zhuǎn)載自《人民郵電報》