中科院院士张钹提出人工智能“四要素”：知识、数据、算法与算力

2020 年 7 月 9 日，世界人工智能大会云端峰会以“智联世界 共同家园”为主题，以“高端化、国际化、专业化、市场化、智能化”为特色，集聚全球智能领域最具影响力的科学家和企业家，以及相关政府的领导人，围绕智能领域的技术前沿、产业趋势和热点问题发表演讲和进行高端对话。会上，中国科学院院士、清华大学人工智能研究院院长 张钹教授发表演讲《迈向第三代人工智能》。以下为 InfoQ 带来的现场报道（直播链接： https://ai.worldaic.com.cn/ ）。

以下为演讲实录，内容未经本人确认，由 InfoQ 依据现场视频进行整理：

第一代人工智能

张钹院士介绍到，第一代人工智能主要依靠知识驱动，从而对问题进行推理、决策等等。

一个比较知名的案例就是 1971 年，斯坦福大学建立的专家系统，通过将医生诊断的过程作为推理机制放进计算机，并以此来诊断血液传染病。由于内科医生都不是专业的传染病专家，因此这样的计算机辅助系统可以帮助医生做诊断。

而第一代人工智能最具代表性的成果，就是 IBM 推出的深蓝国际象棋程序，它在 1997 年打败了当时的世界冠军卡斯帕罗夫。

张钹院士认为，深蓝成功的秘诀有如下几点：

它据有知识与经验，因为它已经学习过 700000 盘象棋大师下过的棋局，并且有象棋大师参与对 8000 个评价函数参数的调试；此外，深蓝采用了α-β剪枝算法，同时还有 IBM 为它提供的强大算力，使它能够以平均每秒 8-12 步的搜索深度进行“思考”，这远非人类象棋大师能做到的。

总结起来，第一代人工智能优势如下：

但是，第一代人工智能的缺陷也很明显：

因此，为了能够解决更多复杂的问题，第二代人工智能出现了。

第二代人工智能

张钹院士介绍到，第二代人工智能就是以深度学习为代表的智能技术。

它能够模拟人类的感知，但是没法像人类学习知识一样。以图像识别为例，首先要给模型输入大量的图片，告诉它长成什么样的是马，这样模型才能学会分类；然后再用没训练过的图片进行输入，让模型进行识别，如果可以识别，则说明它的识别率达到了某一高度，通常用百分比来表示。

仅从图像识别或语音识别领域来说，现在不少模型已经可以达到或超过人类水平，比如著名的 ImageNet 比赛，2015 年微软推出的识别系统其误识率已经低至 3.57%，远低于人类 5.1%的误识率。

详细来说，深度学习优势有以下两点：

也正因如此，深度学习受到了更加广泛地关注。

应用深度学习最典型的例子，要数著名的围棋程序 AlphaGo 了。

从 2015-2017，短短三年的时间里，通过深度学习的应用，使得 AlphaGo 从业余 5 段水平成长到到专业棋手水平，从专业棋手又升级成世界一流的高手，最后，AlphaGo Zero 的诞生更是击败了以前的 AlphaGo，成为了超世界水平的围棋高手。

张钹院士分析道，AlphaGo 的成功来自三个方面：数据、算力、算法。

与深蓝一样，它也大量地学习了围棋大师的棋局，还有更加丰富的算法作为支撑，同时它也拥有在当时相当强大的算力来进行处理。

但是，第二代人工智能仍然有一些局限性：

张钹院士举例说明：下图中的雪山放在已经训练过的模型中，模型认为这座雪山有 94%可能性是阿尔卑斯山，然而当研究人员在其中加入了很小的噪声干扰后，模型就将雪山错误地识别成了狗：

张钹院士说：“深度学习虽然识别率很高，但是它不够安全、不够可靠，且不可解释。”

第三代人工智能

由于前两代人工智能都各有优劣，因此，第三代人工智能要解决的问题就是：

张钹院士认为，只有从技术上取得突破，才能推进创新应用，因此，综合第一代知识驱动型 AI 与第二代数据驱动型 AI，张钹院士提出了第三代人工智能的四要素：知识、数据、算法、算力。

张钹院士也举了几个例子来对第三代人工智能进行了简要说明。

计算机如何识别一匹马？前两代人工智能的方法是：将马的局部特征分析出来，与其他动物作比较，通过局部特征进行区别，即黑箱学习。

但是，这样的 AI 只能学习局部，不能进行高级学习，因此张钹院士认为要要借鉴人脑的模型。

他介绍到，仅仅是将人脑中稀疏放电这一特征放进模型中去，就可以看到系统能够分辨出人脸的轮廓，并检测出语义的特征。

但是，张钹院士也表示，目前在这一领域的研究还是初步工作，未来需要全世界一起努力，共同取得更大的进步。

虽然目前的 AI 系统在棋类游戏，这样的完全信息博弈中取得了不错的成果，但是在牌类这样不完全信息博弈的游戏中，表现仍然比较弱。因此，需要在对抗环境中进行训练。

比如，张钹院士的团队就利用游戏对 AI 系统进行对抗训练，使其能够即时处理复杂多样的任务。

基于知识的强化学习，能够帮助模型进行更加正确的决策。

另外在自动驾驶问题上，张钹院士也建议加入知识，通过强化学习的方法进行训练，从而让无人车更好地应对突发情况，以及更加复杂的路况。

总结

在演讲的最后，张钹院士提到：人类智能最重要的表现就是随机应变，举一反三，因此要充分应用的只是数据、算法和算力，知识也是非常重要的一环。通过不断地解决不完全信息、不确定性、动态环境下的问题，人们离达到真正的人工智能才能更进一步。

张钹院士认为，第一、第二代人工智能不过是智能时代的序幕，而第三代人工智能才是大戏的开始，希望全世界能够一起努力，解决问题，取得进步。