“许多人将规模定律（Scaling Law）奉为圭臬，认为只要数据越多、算力越强、模型参数越大就行了。但我认为，要实现通用人工智能，仅靠数据是不够的，我们需要探索另外一种路径——为人工智能立‘心’。”近日，在湖北鄂州召开的莲花山研究院二十周年学术思想研讨会上，北京通用人工智能研究院院长朱松纯分享了他的思考。他认为，通用人工智能已成为全球科技竞争制高点。要在科技竞争中取得突破，关键是厘清大数据源头，定位好人工智能发展方向。
“如果无法处理视觉数据，人工智能系统就只剩一个空架子。”在朱松纯看来，数据标注就像为计算机戴上一副特殊的“眼镜”，让其具备识别并理解图像、文本和其他数据细节的能力。
1997年，斯科特·科尼什（Scott Konish）完成了世界上第一个数据集的标注——图像边界，用来训练分类器。也正是看到了统计对图像理解的可能性，2004年朱松纯开启大规模高颗粒度数据标注工作。
“2008年，我和团队成员在数据标注上遇到两个瓶颈。”朱松纯告诉记者，其一，价值、因果、意图等要素潜藏于感知数据表象之下，无法被传感器直接探测，更难以标注；其二，数据标注的过程与特定任务高度相关，不同任务要求不同的标注方法，继续扩大数据或模型规模，仍然无法提升泛化能力。这让朱松纯对通用人工智能有了更深入思考。
在朱松纯看来，通用人工智能是由计算机视觉、自然语言处理等核心领域构成的复杂巨系统，其研发道路之艰难好比“登月”；而大数据路线就好比“攀登珠峰”，两者目标相差甚远。
那么如何探索通用人工智能这条道路呢？朱松纯认为，人工智能研究需要由“理”向“心”转变。“理”是数理模型，“心”是认知架构、价值对齐。
“经过近30年发展，人工智能多个核心领域已然呈现对内融合、对外交叉的发展态势，朝着通用人工智能方向推进。”朱松纯说，在融合过程中，必定会形成统一的人工智能架构，以实现从解决单一任务为主的专项人工智能向解决大量任务、自主定义任务的通用人工智能转变。
在朱松纯看来，为机器立“心”，实现由“理”到“心”的过渡以及从大数据到大任务、从感知到认知的飞跃，是未来10—20年的学术前沿，也是智能学科需要承担的核心使命。
分析：
这段内容主要探讨了通用人工智能的发展方向，作者朱松纯认为，仅靠数据驱动并不能实现通用人工智能，还需要探索新的路径，即为人工智能立“心”。他将数据驱动比作“攀登珠峰”，而通用人工智能的探索则好比“登月”，两者目标有着本质区别。朱松纯认为，人工智能研究需要由“理”向“心”转变，即从数理模型转向认知架构和价值对齐。
更进一步的分析：
- 对现有 AI 发展方向的批判： 文章对单纯依靠扩大数据规模和提升算力来实现通用人工智能的观点提出了质疑，认为这种路径存在局限性。
- 探索新的发展方向： 作者强调了认知架构和价值对齐在通用人工智能发展中的重要性，为 AI 研究指明了新的方向。
- 强调融合和交叉性： 作者指出人工智能多个核心领域之间需要融合和交叉，才能最终实现通用人工智能的目标。
总结：
这段内容体现了朱松纯教授对通用人工智能的深刻思考，他通过对比、比喻等手法，阐释了数据驱动与“立心”两种不同的路径，并指出未来 AI 研究需要更加注重认知和价值方面的探索。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，可联系本站进行审核删除。
