迈向第三代人工智能

被引：203

作者：

张钹

朱军

苏航

机构：

[1] 清华大学人工智能研究院

来源：

中国科学:信息科学 | 2020年 / 50卷 / 09期

关键词：

人工智能; 符号主义; 连接主义; 双空间模型; 单空间模型; 三空间模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

人工智能(artificial intelligence, AI)自1956年诞生以来,在60多年的发展历史中,一直存在两个相互竞争的范式,即符号主义与连接主义(或称亚符号主义).二者虽然同时起步,但符号主义到20世纪80年代之前一直主导着AI的发展,而连接主义从20世纪90年代才逐步发展起来,到21世纪初进入高潮,大有替代符号主义之势.今天看来,这两种范式只是从不同的侧面模拟人类的心智(或大脑),具有各自的片面性,依靠单个范式不可能触及人类真正的智能.需要建立新的可解释和鲁棒的AI理论与方法,发展安全、可信、可靠和可扩展的AI技术.为实现这个目标,需要将这两种范式结合起来,这是发展AI的必经之路.本文将阐述这一思想,为叙述方便,我们称符号主义为第一代AI,称连接主义为第二代AI,将要发展的AI称为第三代AI.

引用

页码：1281 / 1302

页数：22

共 13 条

[1]

Big Learning with Bayesian methods[J]. Jun Zhu,Jianfei Chen,Wenbo Hu,Bo Zhang.National Science Review. 2017(04)

[2]

Building Watson: An Overview of the DeepQA Project[J] . Ferrucci,David,Brown,Eric,Chu-Carroll,Jennifer,Fan,James,Gondek,David,Kalyanpur,Aditya A,Lally,Adam,Murdock,J William,Nyberg,Eric,Prager,John,Schlaefer,Nico,Welty,Chris.AI Magazine . 2010 (3)

[3] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[4] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

[5]

Methodological solipsism considered as a research strategy in cognitive psychology 1[J] . J. A. Fodor.Behavioral and Brain Sciences . 1980 (1)

[6]

Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position[J] . Kunihiko Fukushima.Biological Cybernetics . 1980 (4)

[7]

Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

[8]

Computer science as empirical inquiry[J] . Allen Newell,Herbert A. Simon.Communications of the ACM . 1976 (3)

[9]

A logical calculus of the ideas immanent in nervous activity[J] . Warren S. McCulloch,Walter Pitts.The Bulletin of Mathematical Biophysics . 1943 (4)

[10]

Posterior sampling for multi-agent reinforcement learning solving extensive games with imperfect information .2 Zhou Y C,Li J L,Zhu J. Proceedings of the International Conference on Learning Representations (ICLR) . 2020

← 1 2 →