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(shū)作者梅拉妮·米歇爾，中國科學(xué)院自動(dòng)化研究所復雜系統管理與控制國家重點(diǎn)實(shí)驗室主任王飛躍，馭勢科技聯(lián)合創(chuàng )始人、董事長(cháng)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(shí)代的新商機和新生態(tài)。

這次全智能場(chǎng)景發(fā)布會(huì )第一次采用了演播室和戶(hù)外智能場(chǎng)景雙現場(chǎng)形式，在無(wú)人駕駛汽車(chē)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(shí)力和前沿進(jìn)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)展現狀，以及透視當下AI發(fā)展的關(guān)鍵問(wèn)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(lái)的想象與開(kāi)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(guò)深入淺出的方式，把人工智能的發(fā)展歷程，特別是其內在的技術(shù)路線(xiàn)的邏輯呈現給了大家，并提出了人工智能未來(lái)發(fā)展將會(huì )面臨的一些非常重要的命題，以及無(wú)人駕駛、自然語(yǔ)言處理等人工智能非常重要的應用場(chǎng)景。我相信從技術(shù)路線(xiàn)的發(fā)展上來(lái)講，未來(lái)會(huì )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(wèn)題。

AI 3.0，一個(gè)“大數據”和“大知識”融合的時(shí)代 

說(shuō)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(gè)重要共識，那就是人工智能的發(fā)展已經(jīng)歷了兩個(gè)非常重要的階段：從“小數據”（small data）到“大數據”（big data），再到“智慧數據”（smart data）的過(guò)程。從語(yǔ)言理解這個(gè)層面，我認為人工智能的發(fā)展基本上也可以劃分成三個(gè)階段。

第一個(gè)階段，自然語(yǔ)言處理最初是從機器翻譯開(kāi)始的。最開(kāi)始，我們通過(guò)人為地編寫(xiě)一些翻譯的規則，再配一個(gè)詞典，以實(shí)現機器翻譯。這個(gè)階段對應“AI 1.0”。

后來(lái)，人們發(fā)現這個(gè)做法不可行，因為人類(lèi)的語(yǔ)言千變萬(wàn)化，我們很難通過(guò)一套人工編寫(xiě)的規則來(lái)覆蓋所有情形。到了20世紀90年代，有人提出用機器學(xué)習方法，通過(guò)大規模的數據，讓人工智能自動(dòng)學(xué)習翻譯的規則。隨后,人們進(jìn)一步使用神經(jīng)網(wǎng)絡(luò )來(lái)挖掘每個(gè)詞背后的深層語(yǔ)義信息，以實(shí)現對整句話(huà)的理解。這是第二個(gè)階段，它對應的是“AI2.0”。

從自然語(yǔ)言處理這個(gè)角度來(lái)講，人工智能在這一階段已經(jīng)達到一個(gè)新的高峰。我們在智源研究院的支持下做的“悟道”模型——超大規模的預訓練模型，就是想要用互聯(lián)網(wǎng)級別的大規模的文本數據來(lái)學(xué)習各種語(yǔ)言的語(yǔ)言模型。

那么，是不是數據越多、模型越大其語(yǔ)言理解能力就越強？這就要提到人工智能第三個(gè)階段“AI 3.0”，我認為答案是否定的。到第三個(gè)階段一定會(huì )有一個(gè)更新的框架，人工智能應該能夠從大數據里學(xué)到更好地反映人類(lèi)對這個(gè)世界認知相關(guān)知識的能力，這類(lèi)似于我們外在有一個(gè)世界模型，它一定不是像現在的神經(jīng)網(wǎng)絡(luò )，而是應該有知識體系、層次結構，至于它具體是什么樣的，從我的角度來(lái)看未來(lái)應該是要把大數據和“大知識”（big knowledge）結合，即從AI 1.0階段的符號人工智能路線(xiàn)升級到第三階段的AI 3.0，充分對人類(lèi)的知識進(jìn)行建模，從而支持各種各樣的包括自然語(yǔ)言處理在內的人工智能應用。 

多模態(tài)，人工智能認知世界的全新形式 

人類(lèi)的認知其實(shí)是多模態(tài)的，有視覺(jué)的、聽(tīng)覺(jué)的、語(yǔ)言的等，因此我們希望計算機在認識世界時(shí)也是多模態(tài)的。

米歇爾教授在《AI 3.0》中也提到了，在自動(dòng)駕駛方面，人工智能領(lǐng)域正越來(lái)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(yǔ)言、圖像的理解需要各種各樣的包括抽象能力、類(lèi)比能力、常識在內的復雜知識的支持。未來(lái)的人工智能需要像人一樣，構建出關(guān)于這個(gè)世界的全面的認知體系，這是非常重要的。

最近這兩三年在自然語(yǔ)言處理以及在計算機視覺(jué)領(lǐng)域有一個(gè)非常重要的趨勢，那就是如何讓互聯(lián)網(wǎng)上的大規模的文本、圖像、視頻等數據為我所用，讓計算機能夠自動(dòng)從中學(xué)習我們的語(yǔ)言、視覺(jué)識別的相關(guān)知識。其實(shí)這幾年我們在這方面取得了一個(gè)非常重大的突破——預訓練模型，也就是說(shuō)我們不需要再去人為標注任何數據了，我們可以直接讓模型從大規模的數據里進(jìn)行自動(dòng)學(xué)習，因此，我們稱(chēng)之為自監督的學(xué)習。

同時(shí)，我們希望利用數據驅動(dòng)的方法從數據中獲取更多的關(guān)于語(yǔ)言理解的知識，其實(shí)這就是from data to knowledge（從數據到知識）。不過(guò)，我認為現在的這種“data追問(wèn)”的方法實(shí)際上無(wú)法比較好地還原我們人類(lèi)對這個(gè)世界的認知模型，包括抽象層次的結構、復雜的關(guān)系，不同類(lèi)型的知識等。然而，現在的訓練模型的確可以通過(guò)大規模的數據習得生成流暢語(yǔ)言的能力，這說(shuō)明它其實(shí)已經(jīng)學(xué)到了很多關(guān)于語(yǔ)言的知識，比如語(yǔ)法的規則等，互聯(lián)網(wǎng)上的語(yǔ)言文本的數據，可以看成是我們大腦中語(yǔ)言能力的外在體現。所以，在我看來(lái)“data追問(wèn)”的方法一定是未來(lái)的一個(gè)非常重要的需要繼續堅持的路徑。

當然，我們同時(shí)也要充分借鑒AI1.0時(shí)代人類(lèi)知識的構建模式，比如我們對于類(lèi)比、隱喻、抽象學(xué)習這樣一些相關(guān)能力的先驗的認識——元認知或元知識，我們要把這兩者結合起來(lái)。也就是說(shuō)我們可能會(huì )有一些底層的從數據中心獲得的比較具體的“知識”，我們可能還會(huì )有一些“大腦”，我們要把這兩者結合起來(lái)，由這些“大腦”指導我們的學(xué)習過(guò)程，進(jìn)而得到一個(gè)更類(lèi)似于人類(lèi)學(xué)習能力的語(yǔ)言學(xué)習模型，這是我認為的未來(lái)自然語(yǔ)言處理的一個(gè)重要的發(fā)展路徑。

“悟道1.0”是智源發(fā)布的一個(gè)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的支持下，利用大數據、大算力以及學(xué)生們的聰明才智，一起推動(dòng)這個(gè)領(lǐng)域的發(fā)展。 

重構人類(lèi)的知識平臺，人工智能的未來(lái)使命 

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

我主要是從事自然語(yǔ)言處理，具體來(lái)說(shuō)是知識圖譜方面的研究，我認為整個(gè)人類(lèi)社會(huì )的發(fā)展其實(shí)是不斷積累我們認識世界、改造世界的知識的過(guò)程，但其實(shí)就我們現在的社會(huì )來(lái)說(shuō)，每個(gè)人的分工、知識體系其實(shí)都是高度專(zhuān)業(yè)化的，而且會(huì )越來(lái)越專(zhuān)業(yè)化。

每個(gè)人其實(shí)都只是整個(gè)人類(lèi)知識的拼圖里很小的一塊，而且這一塊可能會(huì )越來(lái)越小，因為整個(gè)拼圖其實(shí)變得越來(lái)越大了，這時(shí)，對于人類(lèi)社會(huì )來(lái)說(shuō)，認識世界、改造世界會(huì )變得越來(lái)越難。那么，隨著(zhù)拼圖越來(lái)越大，我們到底該如何學(xué)才能更高效地把通識教育學(xué)習得更好，這是我們應該思考的問(wèn)題。比如，對于生物學(xué)家或者醫生而言，他會(huì )面臨一些挑戰，從去年新冠疫情出現至今，關(guān)于新冠病毒的論文已經(jīng)有幾萬(wàn)篇了，那么對于從事這個(gè)領(lǐng)域研究的學(xué)者來(lái)說(shuō)，他應該如何讀這么多論文，其實(shí)本身我覺(jué)得對于學(xué)者來(lái)講，或者說(shuō)對于人類(lèi)社會(huì )的每個(gè)人來(lái)講，他想要再去創(chuàng )造新的知識就會(huì )變得越來(lái)越難，因為他所需的積累會(huì )變得越來(lái)越多。

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

每個(gè)人都能夠借助人工智能，走向一個(gè)更高的地方 

米歇爾教授在書(shū)中最后提到了6個(gè)問(wèn)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(lèi)水平人工智能還有多遠？都是非常關(guān)鍵的問(wèn)題，需要我們不斷地去探索并找到答案。

20世紀五六十年代的學(xué)者在面向未來(lái)時(shí)，他們也不知道該如何走，他們各自提出了一些技術(shù)路線(xiàn)，然后不斷得以演化，這也是一個(gè)跌宕起伏的展過(guò)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(guò)高峰，也經(jīng)歷過(guò)低谷。這一發(fā)展歷程正體現了一代又一代的人工智能學(xué)者的不懈探索。

說(shuō)到人工智能的發(fā)展，它源于很多領(lǐng)域專(zhuān)家的共同努力，比如數學(xué)家、控制論的專(zhuān)家、計算機專(zhuān)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(shí)是一個(gè)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(lái)人工智能的發(fā)展需要摒棄“人工智能就是一門(mén)獨立的學(xué)科”這種觀(guān)念，我們需要綜合多學(xué)科的努力才能推動(dòng)這個(gè)領(lǐng)域的發(fā)展。那么，在人才培養上，我們應該重視培養交叉學(xué)科的能力和專(zhuān)業(yè)素養，這是人工智能跟其他的學(xué)科發(fā)展的不同之處。

每個(gè)人都在不斷地探索這個(gè)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(lái)的人工智能像粘合劑一樣，把這些知識拼出一個(gè)人類(lèi)認識這個(gè)世界的途徑，使得每個(gè)人都能借助人工智能，走向一個(gè)更高的地方。