作者：中联科创特约嘉宾尹智

人工智能是关于"学习"的科技，而学习不仅仅只通过大数据 —— 

前两天写了一篇短文，不赞成了一下任正非老爷子对人工智能的定义。他认为人工智能就是计算机加统计学。我翻到前一阵看到的另一篇文章，如附图，觉得这个事儿还可以再说一下。这篇文章其实也是一个反驳权威性质的，是在评价deep mind发的一篇论文，有一些故弄玄乎，让人不明觉厉的意思。文中有一些观点我也不完全赞同，但是至少有两点，我觉得有道理 :第一是说人类的智能，其实很多不是从大数据中而来的，如附图（如果不是从大数据而来，也就和统计学的关系不是特别大了）。比如说抽象概念的能力，这个更像我几天前说的，应该是通过强化学习，而不是通过大数据统计归纳这种方式学习到的。比如说"刺痛"这个概念，如果单单希望从大量数据中归纳出这是个什么，即使可行，也会是一个非常低效的过程。而真正理解刺痛这个概念，最好的方式就是用触觉体验一下 — 当然机器不可能像人类一样用生物感官去体验，但是这种触觉完全是可以虚拟化为生物电的数字模拟，这就不是"大"数据，而是典型的"小"而"精"的数据。又比如说逻辑推理能力，这会要求"演绎"的成分更多，而不主要是统计学典型依赖的大数据"归纳"能力。所以逻辑推理，其实我觉得更适合于符号体系的逻辑，更依靠以往的经验规则。当前的深度人工神经网络的推理，个人觉得其实本质上也是一种符号推理，只不过一般我们所说的推理表现形式是用人类熟悉的自然语言和数学语言代码，人工神经网络表现出来的是网络参数和网络结构的形式 — 这是机器的符号体系，我们不能因为说人类不理解，就否定这是一种符号体系。

此外文中说的多模态转换，跨模态合成任务，会是人工智能的新机遇，我非常赞成，我甚至觉得这将是通用人工智能的必由路径。前一阵写过一篇文章，提到人类在常识方面的学习效率远远高过现在的人工智能模型，这是因为人类有五感，人类可以把视觉，听觉，嗅觉，味觉触觉信息，做合成和交叉对比，从而互相加强每种感觉背后的概念和含义。仅从逻辑上说，如果我们希望能创造出跟人类类似的通用智能，我们至少得给它类似的感知和学习的渠道 — 五感，或者可以对等到五感的其他感知方式，不是吗？如果一个人不幸生下来就看不见，我们如何能只用听觉，嗅觉，触觉，味觉让这个人真正了解"颜色"呢？—— 仅代表尹智个人观点 Ken's