導讀：4月11日，中國工程院院士李德毅在在蘇州舉辦的2020中國人工智能產(chǎn)業(yè)年會上，做了《探索新一代人工智能》的報告。
李德毅院士是中國人工智能學會名譽理事長，軍事科學院系統(tǒng)工程研究院研究員，近期被評選獲得「吳文俊人工智能最高成就獎」。
在報告中，李德毅院士從宏觀層面回答了以下幾個問題：(1)認知的三次革命;(2)「智能」的定義;(3)類腦的五條啟發(fā)等。整體思路有較大參考價值，為便于理解，「智源社區(qū)」對報告內(nèi)容進行重新編輯整理。
01
認知的三次革命
我們常常談「新一代人工智能」，但我們必須回答這樣幾個問題：傳統(tǒng)人工智能有什么技術表征?新一代人工智能應該有什么表征?
中間的分界點在哪里? 如果不認真思考這些問題，仍然把云計算、大數(shù)據(jù)、人工智能混為一談，那就太粗放了。
我個人認為這個分界點正是機器學習之后的深度學習事件上。在此之前，傳統(tǒng)人工智能是一種計算機智能，這種智能都是在計算機上玩的，包括去設計算法、提高算力、增加數(shù)據(jù)等。
但我們不能僅僅滿足于算力、算法和數(shù)據(jù)構建的智能。這也是為什么我們提出要探索新一代人工智能。
那么如何做「新一代人工智能」呢?有人說應該做「類腦智能」，因為我們已知的最具有智慧的模型便是人類的大腦。但這里存在的問題是，腦科學要真正搞清楚大腦的機理，并不是一兩年能夠完成的事情。在腦科學搞清楚之前，我們能不能做類腦智能呢?
現(xiàn)在作為人工智能最頂端的就是GPT-3，用了大量算力、算法來做預訓練、預編程。清華大學唐杰正在花很多力氣做中文的預訓練，將來自然語言處理生成報告、小說、詩歌，這些都可以在機器上看得到。但這些預訓練、預編程，難道就是我們要的人工智能嗎?
我覺得我們要的是會學習、自編程的人工智能。所謂「會學習」，英語對應一個詞叫 Learning to Learn;而「自編程」，即我們要把軟件工程師、算法工程師的工作，能夠讓機器來實現(xiàn)。這就是我們要做的類似人腦的智能。
為了說清楚這個問題，我愿意講講三次認知革命。人類的歷史經(jīng)歷了三次認知革命進入到智能時代。第一次認知革命是五千年來的文字、文化、文明，造就了智能的生態(tài);第二次認知革命是五百年來的科技革命，人類掌握如何利用物質(zhì)和能量創(chuàng)造動力工具延伸人的體能;而近一百多年來，人類開始研究生命、研究腦科學和人工智能，千方百計創(chuàng)造智力工具，延伸人的智能。
這三次革命很值得人們回顧。
我認為在三次認知革命之上，我們要研究人腦組織結構進化和后天學習這兩件事情，因為正是它們成就了人類的智能。前者，構成了我們當下智能的基礎;而后者，則是成就我們?nèi)祟愔悄艿母尽?/FONT>
02
智能的新定義
所以這里，我得出一個智能的新定義：智能是學習的能力，以及解釋、解決問題的能力;學習是解釋、解決問題的基礎，包括傳承學習和自主學習，學習的結果是記憶。
這句話很重要。我們不但要研究計算智能，還要研究記憶智能。
解決問題是學習的目的。不能用一臺機器總是做它原來能夠解決的問題，我們希望解決它從來沒有遇到過的新問題，這是我們要追求的。
這里我講一下學習。
學習的形態(tài)是交互，學習的核心是理解，學習的結果是記憶。
而現(xiàn)在所有計算機的智能都只是軟件工程師編程的代碼在一次又一次簡單執(zhí)行而已，這里面是沒有交互、理解和記憶的。我們希望的是，機器能夠在學習過程中能夠解決新的問題，這才叫做新一代人工智能。因此，學習是「新一代人工智能」解釋、解決現(xiàn)實問題的基礎，而記憶智能則是「新一代人工智能」中多領域、多情景、可計算智能的邊界和約束。
這里面涉及到一個很基本問題，到底用沒有通用智能?我認為人類學習過程中是不可以劃分通用和專用;也不可以劃分什么叫常識，什么叫非常識。
AlphaGo用的是19×19棋盤，如果把棋盤規(guī)則改一改，人類棋手仍然可以玩得很好，但AlphaGo 就不行了，所以在這種情況下AlphaGo并不是專用，如果它能夠適應所有的棋盤和規(guī)則，將是在專用領域里的通用。這就是我的基本觀點。
傳統(tǒng)人工智能是計算機智能，應該是封閉型人工智能。新一代人工智能應該是開放性人工智能，傳統(tǒng)人工智能應該是算力算法和數(shù)據(jù)，新一代人工智能是交互學習和記憶，傳統(tǒng)人工智能解決的是確定性問題，我們要解決的是不確定性人工智能。
03
類腦的五條啟發(fā)
我們現(xiàn)在說的類腦智能，確切說應該是受腦科學或者認知科學啟發(fā)的人工智能。并不是要在一個微觀的結構上做一個真正類腦的物理腦裝置，而是受啟發(fā)的，英文叫做Brain-inspired intelligence。
哪些可以啟發(fā)我們，讓我們能夠做新一代智能呢?這就是人工智能工作者要認真研究的對象。
目前被大家普遍認同的一個方法是：剝離意識，不糾結細節(jié)，從介觀結構上類腦，智能行為上類人。有一本書叫做《The wisdom of body》，就是軀體的智慧。能在物理裝置上重現(xiàn)人類的智能。
那么到底有哪些可以給我們啟發(fā)呢?我列出五條，每一個都很重要，圍繞這五條每一個都如山之重。我不具體講了。我們做的架構就是要圍繞這 5 條孵化。
回顧人工智能70多年發(fā)展，我們有三條主線，一個行為主義機器人學派，他們提出機器如何像人一樣行為;一個是符號主義，他們強調(diào)機器如何像人一樣思考，于是我們有了推理、預測、可解釋;現(xiàn)在大家比較看好的就是連接主義，強調(diào)的是機器如何像人腦一樣連接。
今天當我們研究新一代人工智能時候，我們發(fā)現(xiàn)這三個學派封閉型假說都要被打破才行。于是我們從行為主義強調(diào)模仿和類比，從行為智能得到感知智能;計算智能強調(diào)模型驅(qū)動，繼續(xù)發(fā)揚計算智能;連接主義里面強調(diào)要考慮語境、語用、語構、語法四要素。
人類智能進化先低階后高階，低階認知產(chǎn)生了感知智能、行為智能，高階認知產(chǎn)生記憶智能和計算智能，而人工智能恰是相反。我們鐘于符號計算，低階認知一直很弱，必須大大加強。
文章來源于智源社區(qū) ，作者賈偉
（轉(zhuǎn)載）
