中国科学院院士鄂维南：建立下一代人工智能生态

　　通信世界网消息（CWW）从图像识别、AlphaGo下围棋，到蛋白质结构解析，以深度学习为核心的“这一代“人工智能，已经取得了巨大成功。11月18日，第五届世界声博会暨2022科大讯飞全球1024开发者节上，中国科学院院士、北京大数据研究院院长鄂维南表示，以深度学习为核心的这一代人工智能已经取得了巨大的成功，但仍然存在多方面的挑战。因此，发展下一代人工智能，是人工智能领域许多人都在思考和探索的问题。

　　如何发展下一代人工智能？鄂维南介绍说，要回答这个问题，就必须从人工智能的底层逻辑出发。人工智能的底层逻辑包括社会逻辑、科学逻辑和商业逻辑。

　　在社会层面，我们要努力确保新的技术是有利于社会发展的。在科学层面，人工智能在工程方面已取得巨大成功，但是在科学方面仍然有很多问题。人工智能不应该仅仅是一些技术的组成，而是一个系统的Science。

　　商业逻辑方面有三个关键问题——能不能用，是不是可靠，以及成本如何。“对于能不能用，还存在许多挑战。以皮肤状况鉴别诊断为例，虽然深度学习提供了高诊断精度，但不具备可解释性，这严重制约了实际应用。”对于可靠性问题，鄂维南院士举猴子照片的例子说到，虽然深度学习算法能够准确识别猴子，但是如果猴子前面存在遮挡，深度学习算法有可能将其识别为人类。在成本维度，深度学习有效但并不高效，需要大量训练数据、人力成本和算力消耗。

　　鄂维南提出，当谈及下一代人工智能时，“数据、算法、平台、模型、系统以及应用”是重要的六大维度。目前人工智能算法基本分为两大类，一类是基于学习（数据、经验）的算法，例如深度学习、强化学习等，也就是这一代人工智能。另一类就是基于规则的算法，比如逻辑方法、符号方法、专家系统，即上一代人工智能。其中，专家系统的可解释性相对好，但是对复杂系统的准确度不够。与此同时，深度或强化深度学习则对复杂系统的准确率比较高，但可解释性比较差。

　　如何能找到一个可解释性强，并且对复杂系统准确率高的新方法？鄂维南院士分享了自己的建议——墨奇算法。墨奇算法有四个关键点：首先是非结构化数据的多尺度表示；其次是知识驱动的自监督学习；再者是基于算法的规则提取；最后是迭代改进。同时，以指纹识别为例，分享了墨奇算法如何发挥作用，并建立起第一个十亿级指纹识别系统。这样的系统仅仅依靠深度学习是做不到的。

　　“深度学习为什么能取得这么大的成功？”鄂维南院士最后分享道，在2012年，写深度学习的程序是非常困难的。现在，基本上本科生都能很容易做到。巨大转变的背后是一个非常完善的生态，包括算法、算力、好的数据集、以及模型训练平台等。因此，下一代人工智能不是个单纯的算法，而是要建立起来一个良好的生态。