中國(guó)工程院院士、同濟(jì)大學(xué)黨委書記鄭慶華作主旨演講。
人民網(wǎng)上海12月25日電 “我們要讓機(jī)器智能變得更聰明，像人一樣具備因果推理、邏輯推理的能力，特別是具備小樣本持續(xù)學(xué)習(xí)，能夠在較低算力的平臺(tái)上，支持強(qiáng)推理的人工智能新模型。”12月25日，在第七屆人民網(wǎng)內(nèi)容科技論壇上，中國(guó)工程院院士、同濟(jì)大學(xué)黨委書記鄭慶華發(fā)表主題演講，提出“腦認(rèn)知啟發(fā)的機(jī)器記憶智能”新方向，倡導(dǎo)跳出數(shù)據(jù)驅(qū)動(dòng)大模型的路徑依賴，探索低算力、小樣本、強(qiáng)推理的人工智能新路徑，為人工智能與腦科學(xué)深度融合提供全新思路。
他回顧，人工智能概念自1956年提出，其發(fā)展總體沿著計(jì)算智能、感知智能向認(rèn)知智能推進(jìn)，未來(lái)更有望具備記憶、共情、反思等人類特有能力?！爱?dāng)前，人工智能整體還處于初級(jí)階段，未來(lái)發(fā)展?jié)摿Ψ浅４??！?/p>
然而，當(dāng)前主流的“數(shù)據(jù)驅(qū)動(dòng)的大模型”雖展現(xiàn)出強(qiáng)大能力，但其固有缺陷也日益凸顯。鄭慶華院士坦言，大模型存在“數(shù)據(jù)饑渴”，人類生產(chǎn)高質(zhì)量數(shù)據(jù)的能力遠(yuǎn)不能滿足其需求，且能耗巨大。其次，大模型存在災(zāi)難性遺忘、遷移能力差，呈現(xiàn)“喜新厭舊”的特點(diǎn)，難以處理動(dòng)態(tài)時(shí)空演變的復(fù)雜任務(wù)。再次，其抽象和推理能力較弱，難以抽象出事物內(nèi)在的因果邏輯。最后，大模型是“黑箱”模型，“知其然不知其所以然”，難以解釋和干預(yù)。
面對(duì)這些挑戰(zhàn)，一種融合數(shù)據(jù)與知識(shí)的混合模型成為重要技術(shù)途徑。鄭慶華介紹，其團(tuán)隊(duì)受“既見(jiàn)樹(shù)木又見(jiàn)森林”的認(rèn)識(shí)論啟發(fā)，提出“知識(shí)森林”概念，旨在從海量散雜亂的數(shù)據(jù)中構(gòu)建體系化、可計(jì)算的知識(shí)體系，并在此基礎(chǔ)上進(jìn)行邏輯推理。該方法已成功應(yīng)用于國(guó)家金稅工程風(fēng)險(xiǎn)識(shí)別、土木工程學(xué)科大模型（CivilGPT）構(gòu)建以及C919飛機(jī)設(shè)計(jì)知識(shí)管理等重要場(chǎng)景，實(shí)現(xiàn)了知識(shí)引導(dǎo)與數(shù)據(jù)驅(qū)動(dòng)的結(jié)合。
在此基礎(chǔ)上，鄭慶華提出第三條，也是更具突破性的技術(shù)途徑——人腦啟發(fā)的機(jī)器記憶智能。他指出，在應(yīng)對(duì)災(zāi)害、險(xiǎn)情等“小數(shù)據(jù)、小算力、低帶寬”場(chǎng)景時(shí)，恰恰需要更高智能，而這正是當(dāng)前大模型的短板。
“人為什么聰明？是因?yàn)槿擞杏洃??！编崙c華院士解釋，記憶不等于存儲(chǔ)，它具有聯(lián)想、抽象、還原及檢索的動(dòng)態(tài)功能，是人類智能的基礎(chǔ)。人腦記憶機(jī)制帶來(lái)了三大關(guān)鍵啟發(fā)：一是構(gòu)成記憶基礎(chǔ)的“吸引子”具備抗干擾、可計(jì)算等特性，使人腦避免“災(zāi)難性遺忘”；二是人腦通過(guò)稀疏激活、預(yù)測(cè)編碼、聯(lián)想記憶實(shí)現(xiàn)極高能效，能耗遠(yuǎn)低于同等規(guī)模的大模型；三是人腦憑借抽象與聯(lián)想能力，具備強(qiáng)大的環(huán)境適應(yīng)與推理能力。
受此啟發(fā)，鄭慶華團(tuán)隊(duì)提出“機(jī)器記憶智能模型”，其核心是以抽象聯(lián)想表征為核心，建立小樣本持續(xù)學(xué)習(xí)及混沌激活、協(xié)同推理的新模式。該研究聚焦四大科學(xué)挑戰(zhàn)：人腦記憶形成與工作機(jī)制、多層抽象時(shí)空聯(lián)想的記憶表征建模、小樣本學(xué)習(xí)與自適應(yīng)推理實(shí)現(xiàn)，以及抽象指導(dǎo)下的具象協(xié)同與混沌推理。
“我們認(rèn)為這是通向小樣本、低算力、強(qiáng)推理的高階智能的一條新路徑?！编崙c華表示，該研究有助于推動(dòng)人工智能和腦科學(xué)深度交叉、相互賦能，同時(shí)有望跳出數(shù)據(jù)驅(qū)動(dòng)的大模型技術(shù)“延長(zhǎng)線式”研究的路徑依賴，提出中國(guó)學(xué)者人工智能的新路徑、新方向。