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》