深度学习红利见顶，AI“敢问路在何方”？潘云鹤、姚期智两院士支招

图源：东方IC

在刚刚闭幕的2022世界人工智能大会（WAIC)上，很多观众邂逅了一件神奇的“隐身衣”：将一件T恤举在身前走过摄像头，它便对你“视而不见”，用来演示的屏幕上，一起路过的行人中，唯有你没有被绿色方框标注。

“这意味着，最后输出的报告中，你所有的信息都不在其中。”现场的瑞莱智慧RealAI工作人员告诉记者，一些特殊场景下，穿这件T恤的人就算在镜头里出现，人脸也不会被特殊标注并抓取，从而躲过比对。

这是一个警醒。10年前，ImageNet挑战赛上，Geoffrey Hinton团队运用神经网络深度学习技术，将图片识别的错误率从30%左右提升至16.42%，从而掀起本轮人工智能浪潮。

然而，高速发展10年后，学界普遍认为，从应用的角度来看，以数据驱动的深度学习，其技术潜力已接近“天花板”。一方面，深度学习的本质是利用没有加工处理过的数据，用概率学习的“黑箱”处理方法寻找规律，这一方法本质上不可解释、不可以迁移使用，而且需要大量标识化的数据。另一方面，风险点也已出现， 除了记者在2022WAIC现场看到的这件“隐身衣”外，伪造人脸“骗”过银行认证系统，在国内已有多起实际案例出现 。

世界人工智能大会举办的第五年，人们开始讨论新的话题：当此轮深度神经网络学习的技术红利逐渐见顶时，如何推动人工智能的普及化以惠及更多产业？人工智能新的发展又该走向何方？

“ 大数据、大模型固然很重要，大知识同样重要。 ”中国工程院院士、浙江大学教授潘云鹤在2022WAIC上指出，数据和知识双轮驱动将是人工智能第四次创新方向。

“

让数字人“有知识”

从诞生到现在，人工智能已经走过了66年，潘云鹤将其分为三个阶段。第一阶段是1956年达特茅斯会议之后， 规则和逻辑驱动的人工智能 ；第二阶段是20世纪60~70年代， 从逻辑进化到知识和推理驱动的人工智能 ，当时的知识型人工智能，不但使用逻辑，而且使用比逻辑更加广泛的人类经验，思维方式比现在更加“类人”，但当时的知识表达都是字符型，视觉和声音的信号怎么变成知识并没有解决。