4月17日下午，湛廬特別邀請圣塔菲研究所客座教授、《AI 3.0》一書作者梅拉妮·米歇爾，中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室主任王飛躍，馭勢科技聯(lián)合創(chuàng)始人、董事長兼CEO吳甘沙，清華大學(xué)計算機系副教授、智源青年科學(xué)家劉知遠等國內(nèi)外知名科學(xué)家和創(chuàng)業(yè)者，以及特別嘉賓達闥云端機器人小姜，一起探討AI 3.0時代的新商機和新生態(tài)。

這次全智能場景發(fā)布會第一次采用了演播室和戶外智能場景雙現(xiàn)場形式，在無人駕駛汽車和云端智能機器人的烘托下，全面展示了中國人工智能領(lǐng)域的創(chuàng)新實力和前沿進展。幾位科學(xué)家、企業(yè)家跨界深度交流，共同探討了人工智能發(fā)展現(xiàn)狀，以及透視當(dāng)下AI發(fā)展的關(guān)鍵問題，并對產(chǎn)業(yè)布局和政策提出了可供參考的建議，助力未來的想象與開創(chuàng)。

以下為清華大學(xué)計算機系副教授、智源青年科學(xué)家劉知遠的演講精華內(nèi)容

清華大學(xué)計算機系副教授 智源青年科學(xué)家 劉知遠 

《AI 3.0》的作者米歇爾教授通過深入淺出的方式，把人工智能的發(fā)展歷程，特別是其內(nèi)在的技術(shù)路線的邏輯呈現(xiàn)給了大家，并提出了人工智能未來發(fā)展將會面臨的一些非常重要的命題，以及無人駕駛、自然語言處理等人工智能非常重要的應(yīng)用場景。我相信從技術(shù)路線的發(fā)展上來講，未來會有更多探索的可能性。我相信這是所有學(xué)者都在追尋的問題。

AI 3.0，一個“大數(shù)據(jù)”和“大知識”融合的時代 

說到“AI 3.0”，那么必然存在“AI 1.0”和“AI 2.0”。人工智能學(xué)者有一個重要共識，那就是人工智能的發(fā)展已經(jīng)歷了兩個非常重要的階段：從“小數(shù)據(jù)”（small data）到“大數(shù)據(jù)”（big data），再到“智慧數(shù)據(jù)”（smart data）的過程。從語言理解這個層面，我認(rèn)為人工智能的發(fā)展基本上也可以劃分成三個階段。

第一個階段，自然語言處理最初是從機器翻譯開始的。最開始，我們通過人為地編寫一些翻譯的規(guī)則，再配一個詞典，以實現(xiàn)機器翻譯。這個階段對應(yīng)“AI 1.0”。

后來，人們發(fā)現(xiàn)這個做法不可行，因為人類的語言千變?nèi)f化，我們很難通過一套人工編寫的規(guī)則來覆蓋所有情形。到了20世紀(jì)90年代，有人提出用機器學(xué)習(xí)方法，通過大規(guī)模的數(shù)據(jù)，讓人工智能自動學(xué)習(xí)翻譯的規(guī)則。隨后,人們進一步使用神經(jīng)網(wǎng)絡(luò)來挖掘每個詞背后的深層語義信息，以實現(xiàn)對整句話的理解。這是第二個階段，它對應(yīng)的是“AI2.0”。

從自然語言處理這個角度來講，人工智能在這一階段已經(jīng)達到一個新的高峰。我們在智源研究院的支持下做的“悟道”模型——超大規(guī)模的預(yù)訓(xùn)練模型，就是想要用互聯(lián)網(wǎng)級別的大規(guī)模的文本數(shù)據(jù)來學(xué)習(xí)各種語言的語言模型。

那么，是不是數(shù)據(jù)越多、模型越大其語言理解能力就越強？這就要提到人工智能第三個階段“AI 3.0”，我認(rèn)為答案是否定的。到第三個階段一定會有一個更新的框架，人工智能應(yīng)該能夠從大數(shù)據(jù)里學(xué)到更好地反映人類對這個世界認(rèn)知相關(guān)知識的能力，這類似于我們外在有一個世界模型，它一定不是像現(xiàn)在的神經(jīng)網(wǎng)絡(luò)，而是應(yīng)該有知識體系、層次結(jié)構(gòu)，至于它具體是什么樣的，從我的角度來看未來應(yīng)該是要把大數(shù)據(jù)和“大知識”（big knowledge）結(jié)合，即從AI 1.0階段的符號人工智能路線升級到第三階段的AI 3.0，充分對人類的知識進行建模，從而支持各種各樣的包括自然語言處理在內(nèi)的人工智能應(yīng)用。 

多模態(tài)，人工智能認(rèn)知世界的全新形式 

人類的認(rèn)知其實是多模態(tài)的，有視覺的、聽覺的、語言的等，因此我們希望計算機在認(rèn)識世界時也是多模態(tài)的。

米歇爾教授在《AI 3.0》中也提到了，在自動駕駛方面，人工智能領(lǐng)域正越來越多地討論關(guān)于賦予機器常識的重要性，人工智能對于語言、圖像的理解需要各種各樣的包括抽象能力、類比能力、常識在內(nèi)的復(fù)雜知識的支持。未來的人工智能需要像人一樣，構(gòu)建出關(guān)于這個世界的全面的認(rèn)知體系，這是非常重要的。

最近這兩三年在自然語言處理以及在計算機視覺領(lǐng)域有一個非常重要的趨勢，那就是如何讓互聯(lián)網(wǎng)上的大規(guī)模的文本、圖像、視頻等數(shù)據(jù)為我所用，讓計算機能夠自動從中學(xué)習(xí)我們的語言、視覺識別的相關(guān)知識。其實這幾年我們在這方面取得了一個非常重大的突破——預(yù)訓(xùn)練模型，也就是說我們不需要再去人為標(biāo)注任何數(shù)據(jù)了，我們可以直接讓模型從大規(guī)模的數(shù)據(jù)里進行自動學(xué)習(xí)，因此，我們稱之為自監(jiān)督的學(xué)習(xí)。

同時，我們希望利用數(shù)據(jù)驅(qū)動的方法從數(shù)據(jù)中獲取更多的關(guān)于語言理解的知識，其實這就是from data to knowledge（從數(shù)據(jù)到知識）。不過，我認(rèn)為現(xiàn)在的這種“data追問”的方法實際上無法比較好地還原我們?nèi)祟悓@個世界的認(rèn)知模型，包括抽象層次的結(jié)構(gòu)、復(fù)雜的關(guān)系，不同類型的知識等。然而，現(xiàn)在的訓(xùn)練模型的確可以通過大規(guī)模的數(shù)據(jù)習(xí)得生成流暢語言的能力，這說明它其實已經(jīng)學(xué)到了很多關(guān)于語言的知識，比如語法的規(guī)則等，互聯(lián)網(wǎng)上的語言文本的數(shù)據(jù)，可以看成是我們大腦中語言能力的外在體現(xiàn)。所以，在我看來“data追問”的方法一定是未來的一個非常重要的需要繼續(xù)堅持的路徑。

當(dāng)然，我們同時也要充分借鑒AI1.0時代人類知識的構(gòu)建模式，比如我們對于類比、隱喻、抽象學(xué)習(xí)這樣一些相關(guān)能力的先驗的認(rèn)識——元認(rèn)知或元知識，我們要把這兩者結(jié)合起來。也就是說我們可能會有一些底層的從數(shù)據(jù)中心獲得的比較具體的“知識”，我們可能還會有一些“大腦”，我們要把這兩者結(jié)合起來，由這些“大腦”指導(dǎo)我們的學(xué)習(xí)過程，進而得到一個更類似于人類學(xué)習(xí)能力的語言學(xué)習(xí)模型，這是我認(rèn)為的未來自然語言處理的一個重要的發(fā)展路徑。

“悟道1.0”是智源發(fā)布的一個最初版本，我們希望其能夠不斷演化，在各大高校和研究機構(gòu)的支持下，利用大數(shù)據(jù)、大算力以及學(xué)生們的聰明才智，一起推動這個領(lǐng)域的發(fā)展。 

重構(gòu)人類的知識平臺，人工智能的未來使命 

在我看來，未來的計算機一定能夠更好地服務(wù)于我們和我們社會，比如在人的生老病死、衣食住行等各個方面肯定都能發(fā)揮很重要的作用。

我主要是從事自然語言處理，具體來說是知識圖譜方面的研究，我認(rèn)為整個人類社會的發(fā)展其實是不斷積累我們認(rèn)識世界、改造世界的知識的過程，但其實就我們現(xiàn)在的社會來說，每個人的分工、知識體系其實都是高度專業(yè)化的，而且會越來越專業(yè)化。

每個人其實都只是整個人類知識的拼圖里很小的一塊，而且這一塊可能會越來越小，因為整個拼圖其實變得越來越大了，這時，對于人類社會來說，認(rèn)識世界、改造世界會變得越來越難。那么，隨著拼圖越來越大，我們到底該如何學(xué)才能更高效地把通識教育學(xué)習(xí)得更好，這是我們應(yīng)該思考的問題。比如，對于生物學(xué)家或者醫(yī)生而言，他會面臨一些挑戰(zhàn)，從去年新冠疫情出現(xiàn)至今，關(guān)于新冠病毒的論文已經(jīng)有幾萬篇了，那么對于從事這個領(lǐng)域研究的學(xué)者來說，他應(yīng)該如何讀這么多論文，其實本身我覺得對于學(xué)者來講，或者說對于人類社會的每個人來講，他想要再去創(chuàng)造新的知識就會變得越來越難，因為他所需的積累會變得越來越多。

所以，我認(rèn)為人工智能未來的一個非常大的使命，就是幫助人類把這個平臺構(gòu)建起來，使其成為我們的一個外部知識庫，這樣一來，我們只需掌握如何去利用這個知識庫，就可以更好地認(rèn)識世界、改造世界。 

每個人都能夠借助人工智能，走向一個更高的地方 

米歇爾教授在書中最后提到了6個問題，其中計算機能夠具有創(chuàng)造性嗎？我們距離創(chuàng)建通用的人類水平人工智能還有多遠？都是非常關(guān)鍵的問題，需要我們不斷地去探索并找到答案。

20世紀(jì)五六十年代的學(xué)者在面向未來時，他們也不知道該如何走，他們各自提出了一些技術(shù)路線，然后不斷得以演化，這也是一個跌宕起伏的展過程。雖然人工智能至今只有近70年的歷史，但其發(fā)展歷程可謂波瀾壯闊，經(jīng)歷過高峰，也經(jīng)歷過低谷。這一發(fā)展歷程正體現(xiàn)了一代又一代的人工智能學(xué)者的不懈探索。

說到人工智能的發(fā)展，它源于很多領(lǐng)域?qū)＜业墓餐Γ热鐢?shù)學(xué)家、控制論的專家、計算機專家以及腦科學(xué)家和神經(jīng)科學(xué)家等。所以，人工智能其實是一個交叉學(xué)科，其中甚至包含一些哲學(xué)、倫理學(xué)方面的研究。

因此，未來人工智能的發(fā)展需要摒棄“人工智能就是一門獨立的學(xué)科”這種觀念，我們需要綜合多學(xué)科的努力才能推動這個領(lǐng)域的發(fā)展。那么，在人才培養(yǎng)上，我們應(yīng)該重視培養(yǎng)交叉學(xué)科的能力和專業(yè)素養(yǎng)，這是人工智能跟其他的學(xué)科發(fā)展的不同之處。

每個人都在不斷地探索這個世界、獲取新的知識，但是這些知識可能都是散落在各處的，我希望未來的人工智能像粘合劑一樣，把這些知識拼出一個人類認(rèn)識這個世界的途徑，使得每個人都能借助人工智能，走向一個更高的地方。