新华社北京10月31日电(记者彭茜)目前，大数据驱动的人工智能在产业落地方面遇到诸多问题。在31日开幕的2019北京智源大会上，相关专家学者提出，开发人工智能应避免过度依赖大数据，未来要更重视知识和经验的学习。
中国科学院院士张钹在大会上说，训练人工智能主要依靠两种资源：一是数据;二是知识和经验，特别是常识。目前人工智能的成功应用多是基于大数据的深度学习，但该方法一定程度存在“不可靠、不可信、不安全、难推广”等缺点。
张钹说，单纯靠数据驱动在很多应用场景下无法解决实际问题，如在智能翻译领域，仅靠数据训练会产生重大错误。机器无法理解很多基本常识，像“你真行”的“行”，就会被机器认为与“人行道”的“行”同义。因此，打造通用人工智能，必须把数据跟知识和经验结合起来。
他还认为，开发人工智能的目标并不是要做跟人类完全一样的机器，而应当优势互补，开发在某些方面胜过人，在某些方面弱于人的机器，这样才可打造和谐的人机关系。
美国加利福尼亚大学洛杉矶分校教授朱松纯在大会上说，目前人工智能的工作有点像“鹦鹉学舌”，只能单纯学习对话，而不理解内容。大数据、算力与深度学习结合的人工智能模式在产业落地时暴露出很多问题，如只能做特定的、人类事先定义的任务，不能做通用任务;需要海量数据，成本极高;模型不具有可解释性，人类无法理解其决策过程等。
朱松纯介绍了以“大任务”为驱动的通用人工智能研究方向。他借鉴两岁前的婴幼儿以任务为中心，探索物理世界和获取社会常识的学习路径，增强了人工智能常识推理、举一反三的能力。团队开发出“眼中有活”的桌面机器人，可在茶杯空了后主动为人加水。
本次大会由北京智源人工智能研究院主办，为期两天。来自美国斯坦福大学、英国曼彻斯特大学、清华大学、北京大学等机构的100多位海内外人工智能专家就智能芯片、自然语言处理、人工智能伦理等议题展开讨论。
关键词： 训练人工智能