当（dāng）前，以（yǐ）深度学（xué）习为代表的人工智能技术已经应用到各（gè）个行业。驱动人工智能技术蓬勃（bó）发展的（de）是各（gè）行各业积累的大数据（jù）。可以说，正是在大数据的“喂养”下（xià），人工（gōng）智能技术才（cái）真正茁壮成长。

然（rán）而，在近日（rì）召开的（de）香（xiāng）山科学会议第667次学（xué）术讨论会上，与会（huì）专（zhuān）家指出，大数据（jù）的“红利”效应正在逐（zhú）渐减弱，人工智能（néng）技术的单（dān）点突破难以（yǐ）持（chí）续支撑行（háng）业发展，亟须在（zài）数据科学和（hé）计算智能方面突破一些关（guān）键核（hé）心技术。

主流AI算法未充分考虑大数据复杂性

人们常常用海量性、多样性、高速以及价值密（mì）度低来描（miáo）述大数据的特点。但真实的大数据往往更加复杂，比如具（jù）有不完全（quán）性、不确定性、动态性、关（guān）联性等特点。反观经（jīng）典（diǎn）的人工智能算法，它们（men）对（duì）数据的（de）假设往往过于（yú）简单。比如，假（jiǎ）设（shè）数据是静态的，产生于独立（lì）同分布的采样过程；训练数据是可靠的、数据（jù）所承（chéng）载的信息是完全的（de）等。

“数（shù）据的真实复（fù）杂（zá）性和（hé）算法的简单（dān）假设之间存在着巨大鸿沟，这使得经典智能算法在（zài）很（hěn）多（duō）复杂（zá）任务上表（biǎo）现欠佳，亟待进一（yī）步的研究和探索。”会议（yì）执行主席（xí）之一、中国科学院院（yuàn）士梅宏（hóng）强调（diào），大数据（jù）是人工智（zhì）能获得成功的物质（zhì）基础（chǔ），但目前主流的人工（gōng）智能算法并未充分考虑大数据本（běn）身的（de）复杂性。

从计算（suàn）和（hé）通信（xìn）领（lǐng）域（yù）看，大数据与人工智能技术在大规模工程（chéng）化应用方面（miàn）取（qǔ）得了（le）长足进步。然而，大数据处理的技术进（jìn）步主（zhǔ）要体现在：以软硬（yìng）件（jiàn）垂直优化和体（tǐ）系重构的极端化方式来适应数据规模（mó）、传（chuán）输带宽和处理速度的（de）提（tí）升，研究人（rén）员（yuán）对（duì）大数（shù）据（jù）固有（yǒu）的非确定性和复杂（zá）性尚没有深刻认识；与此同时，人工智能技术（shù）也面临鲁棒性（xìng）、可解释性和复杂系统认（rèn）知瓶颈等（děng）挑（tiāo）战。

梅宏进一步指出（chū），当前数据（jù）智（zhì）能存在低效（xiào）、不（bú）通用以及不（bú）透明三大问（wèn）题。“现在的数据智（zhì）能（néng）就像（xiàng）工业（yè）革命前的‘蒸汽机（jī）原型’一样，低效而昂（áng）贵（guì）；它只（zhī）能针对不同应用定制不（bú）同模型，难以建立通用模（mó）型。”梅宏（hóng）说，更重要的是，当前并没有对（duì）数据智能形（xíng）成深刻认识，只（zhī）是知其然（rán），而不知（zhī）其所以（yǐ）然。

人机融合或可弥补数据自动推理弱点

在中国科学院自动化研究所研究员（yuán）陶建华看来，虽然当前人工智（zhì）能在数据自动推理中依然面临很（hěn）多技术难（nán）点，但是人机融合的推理方式（shì）可以有效地弥补这（zhè）些弱点。人机融合（hé）推理着重于（yú）研（yán）究一种（zhǒng）由人（rén）和机器相互（hù）协作下的新的推理模式，包含“机器懂人（rén）”和（hé）“人懂机器”两方面的含义。

对人的推理思维的理解是（shì）“机器懂人（rén）”的关键。其核心问题是如何（hé）构建能够反映（yìng）人推理过程的（de）思维（wéi）形式化计算方法。该方（fāng）法将人的推理思维形式化描述、概率推（tuī）理、构建（jiàn）知识（shí）图（tú）谱，以（yǐ）及（jí）与现（xiàn）实场（chǎng）景的信息进行（háng）有机融合，从而可以将人（rén）的推理（lǐ）过程有效（xiào）的输入到（dào）机（jī）器中，并与（yǔ）机器的推理网络进行结合。

此（cǐ）外，解决（jué）“人懂（dǒng）机器”问题（tí）将有助于人（rén）对（duì）机器智能辅助增强（qiáng）。机器推理（lǐ）过程的可解释性（xìng），对于构建人机融合的（de）推理过（guò）程（chéng）尤为关键。过程（chéng）可解（jiě）释的机器推理方法（fǎ）提（tí）供了解决问题（tí）的新（xīn）方法，适当的扩展流程，并（bìng）最大限度地（dì）减少人为错误的机会（huì），可以帮助人类和机器协同做出更为准确和迅速（sù）的推理与判断。

微软（ruǎn）亚洲研究院副（fù）院长（zhǎng）刘铁岩结合他们的实际工作举（jǔ）例（lì）道：“我们（men）在（zài）深度强化学习的基础上，利（lì）用（yòng）‘完美（měi）教练’技术来处理信（xìn）息的不完全和不确定性，从而很好地（dì）解决了麻将这（zhè）一复（fù）杂的博（bó）弈问题。我们（men）的算法（fǎ）在2019年3月登陆知名的竞技麻将平（píng）台，经过5000局的（de）鏖战，成（chéng）功晋级十段，其稳定段（duàn）位显著超越人类顶级选手，成为首个超（chāo）人麻将AI。”这（zhè）是在处（chù）理数据不完全性（xìng）和不确定性方面做出的有益尝试。

刘铁（tiě）岩指出，大（dà）数据特性在不断演化，且愈发复杂（zá）。新型（xíng）智能（néng）算（suàn）法（fǎ）需要针（zhēn）对数据特点（diǎn）有的放矢地解决问题（tí），这样才能填补数据与算法间的（de）鸿沟，使人工智能绽（zhàn）放更多的价（jià）值。