《评人工智能如何走向新阶段》后记（再续5）

由AI科技大本营下载自视觉中国
 

51.今年发表的由俄罗斯“脑机接口”公司（Neurobotics）和莫斯科物理技术学院（MIPT）研究的一种全新“脑机接口”算法。利用“脑机接口”将人脑（EEG）神经元与脑外深度学习网络连接起来（本例采用无需开颅植入大脑的非侵入电极）。将来期望用于治疗中风患者。

52.脸书（Facebook）和加州大学旧金山分校（UCSF）与今年7月发布“脑机接口”技术（刊载于《nature》子刊上），超越深度学习算法，该项新算法可实时读取人类语言，可用意念打字，可用人眼超高精度摄像。

53.图灵奖得主、美国工程院院士、美国人工智能协会（AAAI）及IEEE杂志Fellow（院士）Judea Pearl在2018年发表的一篇论文中指出：由于机器学习（含深度学习）理论的局限（它以统计学或盲模型的方式运行），使它无法成为强人工智能的基础；或对可执行的认知任务而言，该理论的缺陷限制了人工智能的发展。

54.钟义信教授推荐潘云鹤院士谈话：人工智能走向2.O的本质原因是人类世界由二元空间（P,H）变成三元空间（P,C,H），此时钟短评：“知彼知己，心中有底。”

55.英特尔研究院院长Richard（Rich）A.Uhlig谈在数据洪流中属于颠覆性技术的新型计算方式：量子计算、神经拟态、图计算、概率计算，其中神经拟态芯片模仿人脑运作机制，形成高能效神经网络系统，主要采用异步脉冲神经网络（SNN）去解决问题，可应用在机器人、网络、动态控制、稀疏编码、图式搜索、路径规划、约束满足等很多领域。

56．近年来以深度学习算法为代表的人工智能技术快速发展，迄今开发出来的深度学习算法约500多个，但深度学习算法并不完美，几乎完全以统计学或盲模型方式运行，其潜力已近尽头，人工智能的发展要求新算法出现：类脑算法、脑机接口算法、认知算法、量子算法…

57.要用开源思维建设北京智源（人工智能）研究院。研究怎么把在北京的人工智能领域最强的人才吸引、笼络在一起，建立一个开源社区，建设一个人工智能技术高地，发挥人才专长，引导他们把注意力放在“无人区”、放在人工智能基础领域，缩小在人工智能技术理论与应用上与世界水平的差距。

我们要真正把开源这件事做起来，培养人们的开源理念，了解开源的组织架构和哲学以及背后的技术，进行人工智能理论研究和应用创新，这对中国来说是非常有意义的。

在人工智能领域我们受益于全球智慧的结晶，希望在开源这种形式下，中国学者、研究人员和工程师能够做出贡献、跟踪进步！
（摘引北京智源研究院理事长张宏江发言）

58.近年来问世的深度学习算法已不止500个，从下列9个深度学习模型库所支持的深度学习模型来看，已多达1200个： 
① 脸书PH库支持26个模型；② 谷歌TH库148个模型；③ 谷歌TM库200个模型；④ IBM MAX库32个模型；⑤ 微软OMNX库45个模型；⑥ 新加坡JingYK（个人）MZ库368个模型；⑦ OpenⅤIN库135个模型；⑧ Sebastian RK库86个模型；⑨ GLUON-CV库45个模型。

合计9个深度学习模型库支持1189个深度学习模型。

59.随着大数据红利消失，以深度学习为代表的机器智能—感知智能水平日益接近天花板。深度学习算法是以数据驱动的统计模式，人工智能发展要突破深度学习，还需要知识，特别是符号化的知识，在后深度学习时代人工智能的核心应该是知识表示和确定性推理，人工智能最重要的能力是知识而非数据，需要研发以知识驱动的机器智能—认知智能。

所谓让机器具备认知智能是指让机器能够像人一样思考，体现在机器能够解释数据、解释过程、解释现象，体现在推理、规划等一系列人类所独有的认知能力上。如何让机器具备理解和解释的能力？知识图谱或以其为代表的知识工程的一系列技术，在认知智能实现中起到非常关键的作用。知识图谱本质上是一种大规模的语义网络（表达各种各样实体、概念及其间各类语义关联，且知识图谱规模更大）。有了知识图谱就能进行计算机建模。

60.以知识驱动的认知计算同样含有知识工程，上世纪80年代中期国内提出的知识工程是基于知识表达进行逻辑推理。新一代的知识工程关注于具身（embodiment）的人工智能，即与身体场景有直接关系，具身有一种思想可能改变规则使用权重，可能形成人际间的共识，这在医学中至关重要，要让患者参与决策（在医疗中如果患者不配合将十分麻烦）。两者知识工程不同，在于具身的认识，前者脱离人的认知环境，过去是从已知数据中获得已产生的规则，现在的知识工程从新产生的数据中挖掘、调整规则，以知识为基础的规则是创造性、跳跃式的。