摘要：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fd908a82d294d4d8ab8df1a43ff062b61\" img_width=\"1080\" img_height=\"799\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E第二大障礙，將語義映射到符號空間，難免會丟失一部分信息，如何在機器翻譯中加入感性的知識也是一大難點和挑戰，現今深度學習在有些方面爲什麼不能和人來抗衡呢。\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003EAMiner：智能科技情報挖掘平臺\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E平臺界面：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fb772c0b4272a46f48151a74bc51689c3\" img_width=\"1080\" img_height=\"501\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E在線鏈接：https:\u002F\u002Fwww.aminer.cn\u002F\u003C\u002Fp\u003E\u003Cp\u003EAMiner系統旨在爲研究者提供更全面的領域知識和更具針對性的研究話題與合作者信息，爲研究者提供全面的學術信息獲取及交流服務。

"\u003Cdiv\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp9.pstatp.com\u002Flarge\u002Fpgc-image\u002F5a48e309764040308377c896f4eb6716\" img_width=\"958\" img_height=\"455\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E\u003Cstrong\u003E大數據文摘出品\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E編譯：寧靜\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E2019年7月30日，知識智能高峯論壇暨清華大學（計算機系）—中國工程科技知識中心“知識智能聯合研究中心”（下稱聯合中心）年度報告會在清華大學廖凱原樓會議廳舉行。\u003C\u002Fp\u003E\u003Cp\u003E以下是人工智能研究院院長張鈸院士在題爲“知識在人工智能的位置”報告上的演講內容，文摘菌進行了不改變原意的整理：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp9.pstatp.com\u002Flarge\u002Fpgc-image\u002F255c15bac582497b9bc8aa03e539b183\" img_width=\"915\" img_height=\"524\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E張鈸院士作題爲“知識在人工智能的位置”的報告\u003C\u002Fp\u003E\u003Cp\u003E我們對人類大腦和智能瞭解很少，憑什麼有可能做人工智能呢？做法很簡單，這需要我們“大膽假設、小心求證”。\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003E大膽假設\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E假設之一體現在人類智能，人腦中的活動是可以用符號來進行描述的。人類的智能行爲，是受到腦中智能符號處理這樣一個過程控制的，這就是所謂的物理符號系統，它是智能的充分和必要條件，這是一個非常大膽的假設，提出這些假設的人主要都是認知心理學家，他們假設人類的智能行爲都能清晰的表達出來，這使得人工智能進入到符號聯結的時代。\u003C\u002Fp\u003E\u003Cp\u003E這個假設對於人類理性思維是很正確的描述，人類理性智能來自於何處？人類理性主要來源於兩個方面：一是先前的知識與經驗，二是推理能力。名醫爲什麼醫術那麼高超，就是因爲他有豐富的醫學知識和臨牀經驗，第二就是熟練嚴謹的推理能力，從病人的症狀推理到他可能發生的疾病，所以用先前的模型描述人類的理性智能是很正確的，但是，這個假設有遇到困難，主要表現在以下方面，知識是人類理性的基礎，但是知識和經驗很難自動獲取，不確定性等使得第一代人工智能受到挫敗，知識的獲取、表達遇到障礙。\u003C\u002Fp\u003E\u003Cp\u003E第二個假設——亞符號系統。深度學習、機器學習來源於此，人類的智能行爲就是因爲神經元的活動，這種活動我們應該建立怎麼樣的模型？我們應該用什麼樣的模型模擬人工神經網絡的計算過程？40年後人們找到合適的算法，這就是現今我們講到的深度學習。\u003C\u002Fp\u003E\u003Cp\u003E深度學習解決了兩大問題：\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E對於原始的信息輸入沒有要求，早期的輸入需要人工標註和一部分先驗知識；\u003C\u002Fli\u003E\u003Cli\u003E最終性能提高了很多。\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F1dd147fa57434200b8aca1b95b80570e\" img_width=\"1080\" img_height=\"618\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E深度學習改變了人工智能的面貌，推進了人工智能的發展，但是深度學習也是有缺陷的，深度學習做出的系統缺陷很大，危險性很大，機器儘管能識別不同的物體，但它本質上並不認識這個物體，機器只有感覺，沒有感知，在說感知之前有必要先了解一下什麼是知識。\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003E什麼是知識？機器會瞎說，毫無自知之明？\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E知識包含四個方面：\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E理性知識：來自於教育、來自於學習、來自於邏輯推理，這一部分知識是可以清晰和準確表達的，這屬於“知其然，又知其所以然”的，“we konw what we know”。\u003C\u002Fli\u003E\u003Cli\u003E感性知識：這一部分知識來自人類的感知，這一類知識屬於“知其然，不知其所以然”的，一般很難清晰的表達，這一類知識同樣重要，那怎麼表達？怎麼獲取？也是現今研究的關鍵。\u003C\u002Fli\u003E\u003Cli\u003E常識；\u003C\u002Fli\u003E\u003Cli\u003E自我知識。\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cp\u003E知識的魅力在於“知道我知道什麼”和\"知道我不知道什麼“,\u003Cstrong\u003E認識自我的不足是智能的重要表現\u003C\u002Fstrong\u003E，從這一點看機器還沒有上升到認知層面，魯棒性差，完全沒有“自知之明”，會瞎說，因爲它完全不知道自己不知道什麼。\u003C\u002Fp\u003E\u003Cp\u003E一個很形象的例子，如果讓機器翻譯“說你行的人行”這句話，機器翻譯的結果可能是：“Talk about the pedestrian line of your profession”完全背離了原意。\u003C\u002Fp\u003E\u003Cp\u003E怎麼樣讓機器有“自知之明”？到現在爲止，人類還沒有解決。\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003E人工智能面臨兩大障礙\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E所以，目前人工智能遇到兩大障礙：\u003C\u002Fp\u003E\u003Cp\u003E現在的人工智能，只能處理確定性強的數據處理任務，對突發狀況的處理仍然漏洞百出，如複雜環境下的自動駕駛，在突發情況下的處理能力仍然差強人意，而我們很難將人類司機的經驗傳授給機器，人類出生開始就以無監督的學習方式來觀察、聆聽周圍的事物，而機器相比人類是沒有生活的，而且它的知識也不會不斷地更新，常識知識對智能系統還是很重要。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fd908a82d294d4d8ab8df1a43ff062b61\" img_width=\"1080\" img_height=\"799\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E第二大障礙，將語義映射到符號空間，難免會丟失一部分信息，如何在機器翻譯中加入感性的知識也是一大難點和挑戰，現今深度學習在有些方面爲什麼不能和人來抗衡呢？因爲人的大腦神經元很複雜，現今用的神經網絡都只是簡單的模擬，後續的發展還需要進一步向神經科學學習。\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F84fb5758155a42f5b212e11e173d917e\" img_width=\"1080\" img_height=\"911\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Ch1\u003E\u003Cstrong\u003E如何突破障礙\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E最後，我們需要知識、數據、算法、算力這幾個資源的配合。\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E針對第一道障礙，需要智能系統做到隨機應變、舉一反三，知識在其中發揮着重要的角色，需要在系統中嵌入不確定知識與推理、常識與常識推理。\u003C\u002Fli\u003E\u003Cli\u003E對於第二道障礙，需要數據+知識，克服純數據驅動帶來問題。\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E隨後聯合中心主任唐傑、首席科學家李涓子、劉奕羣和周源分別介紹了智能科技情報挖掘平臺AMiner、大規模知識圖譜XLORE構建關鍵技術、羣體智能支撐的互聯網搜索技術及其應用，以及支持技術預見的多源異構網絡數據融合研究的工作。\u003C\u002Fp\u003E\u003Ch1\u003E\u003Cstrong\u003EAMiner：智能科技情報挖掘平臺\u003C\u002Fstrong\u003E\u003C\u002Fh1\u003E\u003Cp\u003E平臺界面：\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fb772c0b4272a46f48151a74bc51689c3\" img_width=\"1080\" img_height=\"501\" alt=\"清華AI研究院院長張鈸：機器毫無自知之明，知識對智能系統很重要\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E在線鏈接：https:\u002F\u002Fwww.aminer.cn\u002F\u003C\u002Fp\u003E\u003Cp\u003EAMiner系統旨在爲研究者提供更全面的領域知識和更具針對性的研究話題與合作者信息，爲研究者提供全面的學術信息獲取及交流服務。系統採用人工智能、數據挖掘和社會網絡分析與語義搜索等技術，提供研究者語義信息抽取、面向話題的專家搜索、權威機構搜索、話題發現與趨勢分析、基於話題的社會影響力分析、研究者社會網絡關係識別、 即時社會關係圖搜索、研究者能力圖譜、審稿人推薦等衆多功能。\u003C\u002Fp\u003E\u003Cp\u003E平臺自2006年上線。經過十多年的建設發展，已建立全領域論文文獻及專家學者庫，收錄論文文獻超過2.5億及論文引用關係7.5億，收錄學者1.3億，其中超過40萬專家通過了人工標註與審覈，建立了如各國院士、大獎獲得者、ACM fellow、各領域知名學者、知名高校教師、優秀青年人才等特色專家子庫超過300個。\u003C\u002Fp\u003E\u003Cp\u003EAMiner系統平臺構建了超過800萬知識概念、上億連邊的學術知識圖譜，建立了完整的論文與學者之間的映射關係、以及學者之間的關係網絡，爲全球科研機構及科研人員提供免費的學術資源信息檢索及科技情報分析挖掘專業知識服務。\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E"'.slice(6, -6), groupId: '6720078829240467971