10月23日，2020中國計算機大會（CNCC2020）主會場內，此時已是中午12點40分，臺下的聽眾早已饑腸轆轆，卻仍興致盎然地聽著臺上的嘉賓們“你來我往”“唇槍舌劍”。
這是CNCC2020的第二天。圍繞這場大會論壇的主題“第三代人工智能的演進路徑：‘統計’還是‘類腦’”，中國科學院院士張鈸、北京大學信息科學技術學院教授黃鐵軍等學者正在發表各自“立場”鮮明的觀點。辯至中途，中國科學院院士梅宏也忍不住加入，把現場的氣氛推向了高潮。
正如論壇主持人清華大學計算機系長聘副教授崔鵬所說，人工智能（AI）的發展已到了新的十字路口，現有技術的局限日益凸顯，而新一代技術的發展路徑尚不明朗。統觀人工智能的發展歷史，從以專家系統為代表的第一代人工智能，已發展到以統計機器學習為代表的第二代人工智能。展望未來十年到二十年，第三代人工智能應沿著既有的“統計”路徑不斷完善，還是借鑒人類大腦的模式和結構，走“類腦”的道路？
“統計”延伸還是“類腦”重建
“是時候考慮人工智能下一步該怎么走了！特別是中國應該考慮下一步怎么走，因為全世界都不知道下一步要怎么走。” 張鈸的開場白獲得了現場聽眾的一片掌聲。
此前，在紀念《中國科學》創刊70周年的專刊中，張鈸曾撰寫以《邁向第三代人工智能》為題的署名文章。在這篇文章中，張鈸指出，人工智能在60多年的發展歷史中，一直存在兩個相互競爭的范式，即符號主義與連接主義。符號主義（即第一代人工智能）到上世紀80年代之前一直主導著AI的發展，而連接主義（即第二代人工智能）從上世紀90年代逐步發展，到本世紀初進入高潮，大有替代符號主義之勢。但今天看來，這兩種范式只是從不同的側面模擬人類的心智（或大腦），具有各自的片面性，不可能觸及人類真正的智能。
他提出，為了建立一個全面反映人類智能的AI，需要建立魯棒與可解釋的AI理論與方法，發展安全、可信、可靠與可擴展的AI技術，即第三代人工智能。
而這也是業界的共識。當下，人工智能發展已步入“深水區”。其表現是，雖然以深度學習為代表的人工智能技術在諸多應用領域取得了性能突破，但其對大規模訓練數據的依賴，對場景的適用性狹窄，以及模型自身的可解釋性、穩定性和公平性無法保證，限制了人工智能進一步發展的深度和廣度。
實際上，早在8月底，中國計算機學會青年計算機科技論壇（CCF YOCSEF）就在北京召開了為期兩天的閉門思辨論壇，邀請了國內19位人工智能領域資深學者，圍繞第三代人工智能的演進路徑進行了激烈的思辨，并發現了兩條相對清晰的路徑。其一是在已被證明有效的統計學習的框架內進一步擴展和演進，其二則是理解人腦的智能產生機制，并由此重新定義“類腦”的學習和計算框架。
“在這兩天的論壇里，與會專家分別針對這兩條路徑進行了梳理和探討，今天這個大會論壇實質上是對此前思辨論壇的進一步延伸。”崔鵬說，“希望利用這樣的機會，進一步論證一下未來十年到二十年，‘統計’和‘類腦’到底哪一條路徑更有可能形成新的突破。”
大腦原理尚不清楚時“類”還是“不類”
此次論壇上，張鈸坦承，對于智能，目前業界尚沒有一個統一的定義。因此，“人工智能主要是用計算機來模擬人類的智能行為”。
他強調，之所以模擬的不是智能，而是智能行為，是因為行為是可觀察、測量和評估的，而只有可觀察、測量和評估的對象才可以進行科學研究。反之，如果對象非常模糊，就不可能進行科學研究，只能進行哲學層面的探討。
張鈸提出，第三代人工智能的發展思路是，把第一代的知識驅動和第二代的數據驅動結合起來，通過同時利用知識、數據、算法和算力等4個要素，構造更強大的AI。
“我不贊成用‘類腦’這個詞。”張鈸說，“類腦”的英文原文是“brain—inspired”，翻譯成“類腦”不太合適。因為目前的腦研究并沒有徹底揭示大腦的諸多秘密，因此“腦子不清楚類誰”。
而在黃鐵軍看來，“‘類腦’研究不用等到人類搞明白大腦的原理再去參考它來做，而是現在就可以做。”他舉例說，指南針發明的時候，科學家并不明白它為何能指南，而飛機發明的時候，也不清楚它為什么能上天，因此，“并不是一定要明白原理后這件事兒才能做成”。
他所給出的“智能”的定義是，智能是系統通過獲取和加工信息而獲得的能力。它包括以生物為載體的生物智能（自然智能）和以機器為載體的機器智能（人工智能）兩個方面。而智能科學是研究智能現象背后規律的科學，專指以機器智能為對象的技術科學。
“生物大腦是最好的先驗結構。人類設計的各種人工智能和機器學習方法，最終都將收斂到生物大腦結構。”黃鐵軍認為，正因如此，“強大智能必須依托復雜結構，站在進化肩膀上，看似艱難，實則最快”。
必須開辟新賽道
在清華大學統計學研究中心長聘副教授鄧柯看來，第一代人工智能是在做推理，第二代人工智能是在做感知，而到了第三代人工智能之后，科研人員將面臨一些更為復雜的問題。
他表示，在第二代人工智能的框架下，對于不確定性關注比較少，主要是在做一些基于算法的結果優化，而基于算法的優化和基于不確定性因素做推斷之間有非常大的差異。“要真正解決一些更深層次、更難的問題，急需建立起對于不確定性因素的認知以及在此基礎上的推理能力。這將是下一代人工智能非常核心的問題。”
黃鐵軍也認為，目前深度學習已經在圖像識別等方面取得了重大突破，但卻并未真正解決感知問題。他舉例說，通過反人臉識別技術，就可以讓軟件把自己識別成別的人。因此，深度學習遠未抓住人類視覺系統的復雜性，要重新思考智能模型。
“未來的人工智能發展一定要離開計算，不能在計算框架下思考智能問題。因此，要思考新的可能性，沒有說歷史一定要綁在計算這駕戰車上一直開下去。”黃鐵軍說。
在他看來，以人工智能為代表的智能科學，實際上是一個無限演進的過程，即從結構仿腦到功能類腦，再到性能超腦。而人工智能的下一步是什么？“從長遠看，希望一個智能系統能在復雜的環境里像生物一樣，甚至以超越生物的能力去探索。”
張鈸強調，第三代人工智能必須將知識驅動放在重要位置，將其和數據驅動結合起來。只有這樣，才能既最大限度地借鑒大腦的工作機制，又充分利用計算機的算力，使得人工智能在某些方面可以超越人類。
張鈸表示，對于大腦的研究，實際上他們一直在借鑒，而且也反映在了人工智能的研究成果中。但是，從現實的角度講，“未來幾十年必須靠計算機，別的都靠不上”。
梅宏對張鈸的觀點表示贊同。在他看來，談論第三代人工智能，應該是在第一代和第二代基礎上的延伸，是基于計算的不斷深化和完善。而“類腦”研究則類似學科的劃分，以追求終極的智能為目標。“現在對計算機而言，只有類人計算，沒有類腦計算，因為大腦原理還說不清楚，那不是計算。”
中國科學院自動化所研究員余山的研究背景是生物學，即研究大腦怎樣工作。“從我個人角度講，我還是相信‘類腦’可以給我們提供有益的啟示。”
不過，他認為，“類腦”研究的目的不是去再造一個腦，這個沒有太大意義，而是幫助人工智能能夠更快地找到合適的解決復雜問題的途徑。
無論是將知識驅動與數據驅動結合，還是做“類腦”研究，張鈸認為，第三代人工智能都要創造出顛覆性的技術。
“人工智能對國家未來發展的影響太大了，因此我們必須要找到一條新的出路。”張鈸強調，“不要糾纏在老賽道上，因為它已經過時了，必須要開辟出新賽道。只有在新賽道上，中國人才有可能和世界一塊兒前進。”
來源：《中國科學報》
