科创中国

行业领域

新一代信息技术产业,人工智能

需求背景

人工智能的发展历程经常被划分为两代，即知识驱动的AI和数据驱动的AI。第一代AI主要基于知识库和推理机来模拟人类的推理和思考行为。其代表性成果就是IBM公司的DeepBlue和DeeperBlue，于1997年5月打败了当时的国际象棋冠军卡斯帕罗夫。知识驱动的AI具有很好的可解释性，而且知识作为一种数据和信息高度凝练的体现, 也往往意味着更高的算法执行效率。但是，其缺点在于完全依赖专家知识。一方面，将知识变成机器可理解可执行的算法十分费时费力；另一方面，还有大量的知识或经验难以表达建模。因此，知识驱动的AI的应用范围非常有限。

需解决的主要技术难题

第二代AI则基于深度学习来模拟人类的感知，如视觉、听觉、触觉等。其代表性成果就是深度神经网络，通过收集大量的训练数据并进行标注，然后训练设计好的深度网络。这类AI不需要领域知识，只需要通过大数据的训练就可以达到甚至超过人类的感知或识别水平。这类AI具有通用性强、端到端的“黑箱”或傻瓜特性。但是，也正是由于其“黑箱”特性，才使得第二代AI算法非常脆弱，依赖高质量、带标记的大数据和强大的算力。因此，具有鲁棒性差、不可解释，以及不太可靠等瓶颈问题。

期望实现的主要技术目标

建立知识、数据双驱动的AI，意味着克服基于数据驱动的AI系统对高质量、带标记数据的依赖问题，同时在一定程度上解决了当前AI系统对算力要求过高、极大限制AI应用范围的问题。与此同时，当前AI系统鲁棒性差、不可解释、不够可靠，因此限制了AI系统在真实场景中的关键应用。将知识与数据同时纳入AI系统的考量，可以解决当前AI系统存在的顽疾，从而构建真正可信、可靠、可解释的AI系统。

需求解析

解析单位：“科创中国”人工智能专业科技服务团（中国人工智能学会） 解析时间：2022-12-19

倪晶

中关村芯海择优科技有限公司

陈小锋

综合评价

知识驱动的AI具有很好的可解释性，而且知识作为一种数据和信息高度凝练的体现, 也往往意味着更高的算法执行效率。但是，其缺点在于完全依赖专家知识。一方面，将知识变成机器可理解可执行的算法十分费时费力；另一方面，还有大量的知识或经验难以表达建模。因此，知识驱动的AI的应用范围非常有限。

查看更多>

处理进度