做和常识往往不在数据里张钹院士谈第三代人工智

常识往往不在数据里 ——张钹院士谈第三代人工智能发展趋势

近日，ai2000人工智能全球2000位最具影响力学者榜单在清华大学发布，中国学者规模位列世界第二，但高水平学者集中的研究机构匮乏，人工智能领域的人才队伍亟待加强。

ai2000榜单由清华-中国工程院知识智能联合研究中心和清华大学人工智能研究院发布。ai2000人工智能全所有的无缝钢管要进行力学性能测试球最具影响力学这可使设计人员开发出更轻、更高效的碳纤维增强环氧树脂结构者(200名)和提名学者(1800名)分布于全球不同高校和学术机构，美国有1128人次，中国171人次，欧盟有307人次上榜。

发布会上，清华大学人工智能研究院院长、中国科学院张钹院士做了热情洋溢的报告和精彩点评发言。

人工智能研究必须国际化

基础研究，尤其是人工智能领域的基础研究必须国际化，因为只有把全世界的研究人员共同团结起来、利用起来，才能够引领基础研究的发展。为什么目前人工智能领域大多由美国来引领，就是因为美国把全世界最优秀的人才利用了起来。

中国要想在基础研究上引领世界，必须走国际化道路。今天有很多外国留学生来华求学，这是一个好事儿，但我们还可以做一定平衡调整，吸引更广泛国家地区的优秀学生来华学习。

把数据驱动和知识驱动结合起来

人工智能的四大基础是：知识、数据、算法和算力，回顾历史，这四个因素都在不断地发挥作用。第一代人工智能也叫符号人工智能，比较强调知识对智能的作用，因为那时算法和算力都还没有跟上。

进入新世纪后，深度学习把大家的目标凝聚到了数据上，这时大数据的出现，再加上很好的算法，就形成了基于概念的深度学习，再加上云计算等手段复合材料具有强度高和质量轻等优点，使以数据为基础的连接主义模型得到了极大推广和应用。

数据主义喊了许多口号，导致了我们今天遇到一些困难，按照大数据建起来人工智能系统似乎不可信、不可靠、不安全、不易推广，这都是目以免生锈前用深度学习进行人工智能研究带来的问题，也可以说是大数据遇到的挑战。怎么来解决这个挑战呢？唯一的办法，就是重新引入知识，把数据驱动和知识驱动结合起来，达成可信安全的第三代人工智能。

常识往往不在数据里

自然语言理解是人工智能领域最核心的问题。不管做机器翻译也好，做自然语言应用也好，都试图通过分析符号序列来理解相关内容，这是第一代人工智能所谓符号主义的核心做法。到了第二代人工智能，又走上深度学习的道路，这条路充满希望，但又非常危险，因为解决不了可信安全的问题。

机器翻译现在只能翻译不重要的东西，因为翻错了也没有关系，真正重要的场合还需要人力同声翻译。机器最大的问题，就在于它缺乏常识，根本不知道自己不知道，这是一个很大的问题。知识包含两方面，一是我知道什么，二是我不知道什么。一个有学问的人，不仅仅表现在他知道的多，更表现在他清楚自己不知道的更多。那些狂妄自大的人，都是没有学问的人，不知道自己能吃几碗干饭，机器翻译也是这个问题。给机器任何句子，它都能翻，根本不懂也能瞎翻。

1/21