◎本報(bào)記者 何 亮 實(shí)習(xí)生 胡軼慧

　　“很多人將規(guī)模定律（Scaling Law）奉為圭臬，認(rèn)為只要數(shù)據(jù)越多、算力越強(qiáng)、模型參數(shù)越大就行了。但我認(rèn)為，要實(shí)現(xiàn)通用人工智能，僅靠數(shù)據(jù)是不夠的，我們需要探索另外一種路徑——為人工智能立‘心’�！苯�日，在湖北鄂州召開的蓮花山研究院二十周年學(xué)術(shù)思想研討會(huì)上，北京通用人工智能研究院院長朱松純分享了他的思考。他認(rèn)為，通用人工智能已成為全球科技競爭制高點(diǎn)。要在科技競爭中取得突破，關(guān)鍵是厘清大數(shù)據(jù)源頭，定位好人工智能發(fā)展方向。

　　“如果無法處理視覺數(shù)據(jù)，人工智能系統(tǒng)就只剩一個(gè)空架子。”在朱松純看來，數(shù)據(jù)標(biāo)注就像為計(jì)算機(jī)戴上一副特殊的“眼鏡”，讓其具備識(shí)別并理解圖像、文本和其他數(shù)據(jù)細(xì)節(jié)的能力。

　　1997年，斯科特·科尼什（Scott Konish）完成了世界上第一個(gè)數(shù)據(jù)集的標(biāo)注——圖像邊界，用來訓(xùn)練分類器。也正是看到了統(tǒng)計(jì)對(duì)圖像理解的可能性，2004年朱松純開啟大規(guī)模高顆粒度數(shù)據(jù)標(biāo)注工作。

　　“2008年，我和團(tuán)隊(duì)成員在數(shù)據(jù)標(biāo)注上遇到兩個(gè)瓶頸�！敝焖杉兏嬖V記者，其一，價(jià)值、因果、意圖等要素潛藏于感知數(shù)據(jù)表象之下，無法被傳感器直接探測(cè)，更難以標(biāo)注；其二，數(shù)據(jù)標(biāo)注的過程與特定任務(wù)高度相關(guān)，不同任務(wù)要求不同的標(biāo)注方法，繼續(xù)擴(kuò)大數(shù)據(jù)或模型規(guī)模，仍然無法提升泛化能力。這讓朱松純對(duì)通用人工智能有了更深入思考。

　　在朱松純看來，通用人工智能是由計(jì)算機(jī)視覺、自然語言處理等核心領(lǐng)域構(gòu)成的復(fù)雜巨系統(tǒng)，其研發(fā)道路之艱難好比“登月”；而大數(shù)據(jù)路線就好比“攀登珠峰”，兩者目標(biāo)相差甚遠(yuǎn)。

　　那么如何探索通用人工智能這條道路呢？朱松純認(rèn)為，人工智能研究需要由“理”向“心”轉(zhuǎn)變�！袄怼笔菙�(shù)理模型，“心”是認(rèn)知架構(gòu)、價(jià)值對(duì)齊。

　　“經(jīng)過近30年發(fā)展，人工智能多個(gè)核心領(lǐng)域已然呈現(xiàn)對(duì)內(nèi)融合、對(duì)外交叉的發(fā)展態(tài)勢(shì)，朝著通用人工智能方向推進(jìn)�！敝焖杉冋f，在融合過程中，必定會(huì)形成統(tǒng)一的人工智能架構(gòu)，以實(shí)現(xiàn)從解決單一任務(wù)為主的專項(xiàng)人工智能向解決大量任務(wù)、自主定義任務(wù)的通用人工智能轉(zhuǎn)變。

　　在朱松純看來，為機(jī)器立“心”，實(shí)現(xiàn)由“理”到“心”的過渡以及從大數(shù)據(jù)到大任務(wù)、從感知到認(rèn)知的飛躍，是未來10—20年的學(xué)術(shù)前沿，也是智能學(xué)科需要承擔(dān)的核心使命。