(相關資料圖)

（CWW）從圖像識別、AlphaGo下圍棋，到蛋白質結構解析，以深度學習為核心的“這一代“人工智能，已經取得了巨大成功。11月18日，第五屆世界聲博會暨2022科大訊飛全球1024開發者節上，中國科學院院士、北京大數據研究院院長鄂維南表示，以深度學習為核心的這一代人工智能已經取得了巨大的成功，但仍然存在多方面的挑戰。因此，發展下一代人工智能，是人工智能領域許多人都在思考和探索的問題。

如何發展下一代人工智能？鄂維南介紹說，要回答這個問題，就必須從人工智能的底層邏輯出發。人工智能的底層邏輯包括社會邏輯、科學邏輯和商業邏輯。

在社會層面，我們要努力確保新的技術是有利于社會發展的。在科學層面，人工智能在工程方面已取得巨大成功，但是在科學方面仍然有很多問題。人工智能不應該僅僅是一些技術的組成，而是一個系統的Science。

商業邏輯方面有三個關鍵問題——能不能用，是不是可靠，以及成本如何。“對于能不能用，還存在許多挑戰。以皮膚狀況鑒別診斷為例，雖然深度學習提供了高診斷精度，但不具備可解釋性，這嚴重制約了實際應用。”對于可靠性問題，鄂維南院士舉猴子照片的例子說到，雖然深度學習算法能夠準確識別猴子，但是如果猴子前面存在遮擋，深度學習算法有可能將其識別為人類。在成本維度，深度學習有效但并不高效，需要大量訓練數據、人力成本和算力消耗。

鄂維南提出，當談及下一代人工智能時，“數據、算法、平臺、模型、系統以及應用”是重要的六大維度。目前人工智能算法基本分為兩大類，一類是基于學習（數據、經驗）的算法，例如深度學習、強化學習等，也就是這一代人工智能。另一類就是基于規則的算法，比如邏輯方法、符號方法、專家系統，即上一代人工智能。其中，專家系統的可解釋性相對好，但是對復雜系統的準確度不夠。與此同時，深度或強化深度學習則對復雜系統的準確率比較高，但可解釋性比較差。

如何能找到一個可解釋性強，并且對復雜系統準確率高的新方法？鄂維南院士分享了自己的建議——墨奇算法。墨奇算法有四個關鍵點：首先是非結構化數據的多尺度表示；其次是知識驅動的自監督學習；再者是基于算法的規則提取；最后是迭代改進。同時，以指紋識別為例，分享了墨奇算法如何發揮作用，并建立起第一個十億級指紋識別系統。這樣的系統僅僅依靠深度學習是做不到的。

“深度學習為什么能取得這么大的成功？”鄂維南院士最后分享道，在2012年，寫深度學習的程序是非常困難的。現在，基本上本科生都能很容易做到。巨大轉變的背后是一個非常完善的生態，包括算法、算力、好的數據集、以及模型訓練平臺等。因此，下一代人工智能不是個單純的算法，而是要建立起來一個良好的生態。