人工智能发展报告（236页）

人工智能依靠机器学习和深度学习取得了快速进展，但存在依赖大规模标注 数据进行监督训练的问题，要实现真正的类人智能（强人工智能），机器还需要 掌握大量的常识性知识，以人的思维模式和知识结构来进行语言理解、视觉场景 解析和决策分析。谷歌在 2012 年提出了知识图谱（Knowledge Graph）概念，提 供了一种更好的组织、管理和理解互联网海量信息的能力，将互联网的信息表达 成更接近于人类认知世界的形式。知识图谱的构建过程本质是让机器具备认知能 力，可以理解世界和各种行业领域，是实现强人工智能的基石。 阿里巴巴达摩院发布“2020 十大科技趋势”报告中提到，人工智能已经在 “听、说、看”等感知智能领域达到或超越了人类水准，但在需要外部知识、逻 辑推理或者领域迁移的认知智能领域还处于初级阶段。 图灵奖获得者 Manuel Blum 夫妇在 2020 世界人工智能大会上提出意识 AI （意识智能）的思想，这是一个既经典又全新的概念和思路。核心的理念就是构 造一个新型的可用数学建模、可计算的机器认知/意识模型，如图 3-2 所示。

人工智能领域应用最广泛的算法是机器学习和深度学习。从宏观来看，算法 是人工智能的重要组成部分，而深度学习是近年来发展最快速的机器学习算法， 因其在计算机视觉、自然语言处理等领域中的优异表现，大幅加快人工智能应用 落地速度，催生了很多相关工具和平台，如百度飞桨深度学习开源框架、阿里巴 巴的深度学习框架 X-Deep Learning、旷视人工智能计算平台 Brain++等。然而， 机器学习和深度学习算法虽然在人工智能领域取得了显著成绩，但是受限于底层 算法，使得人工智能技术目前已经触及天花板。张钹院士建议，人工智能迫切 需要推动到新的阶段，有赖于与数学、脑科学等结合实现底层理论的突破[12]。 人工智能的技术和产业发展只靠算法是不够的，需要加强以算力为核心的 基础能力建设，比如智能体系架构和芯片。尤其是深度学习计算所需数据量巨 大，对算力要求很高，在已经固化的硬件加速器上无法得到很好的支持，需要 解决性能和灵活度之间的平衡问题。