当前，以深度学习为代表的人工智能技术已经应用到各个行业。驱动人工智能技术蓬勃生长的是各行各业积累的大数据。可以说，正是在大数据的“喂养”下，人工智能技术才真正茁壮发展。
然而，在近日召开的香山科学会议第667次学术讨论会上，与会专家指出，大数据的“红利”效应正在逐渐减弱，人工智能技术的单点突破难以继续撑持行业生长，亟须在数据科学和计算智能方面突破一些关键核心技术。
主流AI算法未空虚考虑大数据复杂性
人们经经常使用海量性、多样性、高速以及价值密度低来描述大数据的特点。但真实的大数据往往更加复杂，比方具有不彻底性、不确定性、动态性、关联性等特点。反观经典的人工智能算法，它们对数据的假设往往过于简单。比方，假设数据是静态的，发生于独立同分布的采样过程；训练数据是可靠的、数据所承载的信息是彻底的等。
“数据的真实复杂性和算法的简单假设之间存在着巨大界限，这使得经典智能算法在不少复杂任务上默示欠佳，亟待进一步的研究和探索。”会议执行主席之一、中国科学院院士梅宏强调，大数据是人工智能获得乐成的物质基础，但目前主流的人工智能算法并未空虚考虑大数据自己的复杂性。
从计算和通信领域看，大数据与人工智能技术在大规模工程化应用方面取得了长足进步。然而，大数据从事惩罚的技术进步次要显露在：以软硬件垂直优化和体系重构的极端化方式来适应数据规模、传输带宽和从事惩罚速度的提升，研究人员对大数据固有的非确定性和复杂性尚没有粗浅认识；与此同时，人工智能技术也面临鲁棒性、可评释性和复杂系统认知瓶颈等挑战。
梅宏进一步指出，当前数据智能存在低效、欠亨用以及不透明三大问题。“此刻的数据智能就像家产革命前的‘蒸汽机原型’一样，
，低效而猥贱；它只能针对不同应用定制不同模型，难以成立通用模型。”梅宏说，更重要的是，当前并无对数据智能形成粗浅认识，只是知其然，而不知其所以然。天天头条-想要就有的资讯：新闻频道、体育频道、财经频道、游戏频道、科技频道、健康养生频道等资讯。
人机融合或可增补数据自动推理弱点
在中国科学院自动化研究所研究员陶建华看来，虽然当前人工智能在数据自动推理中依然面临不少技术难点，但是人机融合的推理方式可以有效地增补这些弱点。人机融合推理侧重于研究一种由人和机器彼此协作下的新的推理模式，包括“机器懂人”和“人懂机器”两方面的含义。
对人的推理思维的理解是“机器懂人”的关键。其核心问题是如何构建能够反映人推理过程的思维形式化计算举措。该举措将人的推理思维形式化描述、概率推理、构建常识图谱，以及与现实场景的信息进行有机融合，从而可以将人的推理过程有效的输入到机器中，并与机器的推理网络进行结合。
此外，打点“人懂机器”问题将有助于人对机器智能接济增强。机器推理过程的可评释性，对于构建人机融合的推理过程尤为关键。过程可评释的机器推理举措提供了打点问题的新举措，适当的扩展流程，并最大限度地减少人为过失的机会，可以赞助人类和机器协同做出更为准确和迅速的推理与判断。
微软亚洲研究院副院长刘铁岩结合他们的实际工作举例道：“我们在深度强化学习的基础上，支配‘完美教练’技术来从事惩罚信息的不彻底和不确定性，从而很好地打点了麻将这一复杂的博弈问题。我们的算法在2019年3月登陆着名的竞技麻将平台，经过5000局的鏖战，乐成晋级十段，其不变段位显著逾越人类顶级选手，成为首个超人麻将AI。”这是在从事惩罚数据不彻底性和不确定性方面做出的有益测验考试。
刘铁岩指出，大数据特性在不竭演化，且愈发复杂。新型智能算法须要针对数据特点有的放矢地打点问题，这样能力填补数据与算法间的界限，
，使人工智能绽放更多的价值。申博sunbet www.0-577.com
申博Sunbet官网中共巴中市委组织部欢迎您的加入。
+1
