目前(qian)，大數據驅動的人工智(zhi)(zhi)能在(zai)產業落地方(fang)面遇到諸多(duo)問題。在(zai)31日開幕的2019北京(jing)智(zhi)(zhi)源(yuan)大會上，相關專家(jia)學(xue)者(zhe)提(ti)出，開發人工智(zhi)(zhi)能應避免過度依賴大數據，未(wei)來要更重視(shi)知識(shi)和經驗的學(xue)習。

　　中國科學院院士張鈸在大(da)會上說，訓練人工智(zhi)能主要依(yi)靠(kao)兩(liang)種資(zi)源：一是(shi)數據(ju)；二是(shi)知識和經驗，特別是(shi)常(chang)識。目前人工智(zhi)能的成功(gong)應用多是(shi)基于(yu)大(da)數據(ju)的深度(du)學習，但該方法一定(ding)程度(du)存在“不可(ke)靠(kao)、不可(ke)信、不安全、難推廣(guang)”等缺點。

　　張鈸(ba)說，單純靠數(shu)據驅動在很多應用(yong)場景下無法(fa)(fa)解決實(shi)際問題(ti)，如(ru)在智(zhi)能翻(fan)譯領域，僅靠數(shu)據訓(xun)練(lian)會產生(sheng)重大錯誤。機(ji)器無法(fa)(fa)理解很多基本常識，像“你真行”的“行”，就(jiu)會被機(ji)器認(ren)為與“人(ren)行道”的“行”同義。因此(ci)，打(da)造通用(yong)人(ren)工智(zhi)能，必(bi)須把數(shu)據跟知識和經驗結合起來。

　　他還(huan)認(ren)為(wei)，開(kai)發(fa)人(ren)(ren)工(gong)智能的目標并不是要做跟人(ren)(ren)類完(wan)全一樣(yang)的機器，而應當優勢互補，開(kai)發(fa)在(zai)某些方面勝過人(ren)(ren)，在(zai)某些方面弱于人(ren)(ren)的機器，這樣(yang)才可打造和(he)諧的人(ren)(ren)機關系。

　　美國加利福(fu)尼亞大學洛杉磯分校教授(shou)朱松純在大會(hui)上說，目前人工智能的(de)工作有(you)點(dian)像(xiang)“鸚鵡學舌(she)”，只能單(dan)純學習(xi)對(dui)話，而(er)不理(li)解內(nei)容。大數(shu)據(ju)(ju)、算力(li)與深度學習(xi)結合的(de)人工智能模式在產業落地時暴露出很多問題(ti)，如只能做特定的(de)、人類(lei)事先定義的(de)任(ren)務，不能做通用任(ren)務；需要海量數(shu)據(ju)(ju)，成本極高(gao)；模型不具有(you)可解釋性(xing)，人類(lei)無法理(li)解其決(jue)策過程等(deng)。

　　朱松純(chun)介紹了以“大任務(wu)”為(wei)(wei)驅(qu)動(dong)的(de)(de)通(tong)用人(ren)工(gong)智能研究方向。他借鑒兩歲前的(de)(de)嬰幼兒以任務(wu)為(wei)(wei)中(zhong)心，探索物理世界和獲取社會常(chang)識(shi)的(de)(de)學習(xi)路徑，增強了人(ren)工(gong)智能常(chang)識(shi)推理、舉一反三的(de)(de)能力。團隊開(kai)發出(chu)“眼中(zhong)有活”的(de)(de)桌面機器人(ren)，可在(zai)茶杯(bei)空了后主動(dong)為(wei)(wei)人(ren)加(jia)水。

　　本次(ci)大會由北京智(zhi)源人(ren)工(gong)智(zhi)能研究院主(zhu)辦(ban)，為期兩(liang)天。來自美國(guo)斯(si)坦福大學、英國(guo)曼徹斯(si)特大學、清華大學、北京大學等(deng)機(ji)構的100多位海(hai)內(nei)外人(ren)工(gong)智(zhi)能專家就智(zhi)能芯片(pian)、自然(ran)語言處理(li)、人(ren)工(gong)智(zhi)能倫理(li)等(deng)議題(ti)展(zhan)開(kai)討論。