【ICCSIP2021大咖观点】张钹院士——《第三代人工智能》

第六届认知系统和信息处理国际会议线上主论坛——产、学、研各领域大咖齐聚首，交流创新发展实践经验，共话AI 时代下的智造新思维。

会议现场，中国科学院院士、清华大学人工智能研究院院长张钹发表主旨演讲，演讲主题为《第三代人工智能》。以下为张钹院长演讲内容全文整理。

（本文未经张钹老师本人审核，仅根据录音整理。如有错误，敬请原谅。）

---

各位专家、各位听众大家好，我今天要讲的是第三代人工智能，实际上就要说明人工智能未来的发展。那么我们首先要看一下，我们为什么提出来要发展第三代人工智能。

1.人工智能发展历史回顾

首先，我们简单回顾一下人工智能的发展历史。大概可以分成三个阶段，第一个阶段大概大体上在前30年，这个时候大家知道，都是以符号主义占主导地位的。这次大体是在1960年到上个世纪末。第二阶段，从本世纪初开始。大家都知道深度学习，或者也有叫神经网络，或者也有把它叫做亚符号处理，这个方法的崛起。那么我们到2015年之后，全世界开始发现人工智能方法，特别是深度学习方法的很多局限性，所以我们就首先提出来发展第三代人工智能的思想。

那我们简单回顾一下前面两代人工智能发展的状况。我们知道第一代人工智能的符号主义是由人工智能的创始人共同提出来的，他们就是以所谓的启发式搜索模型去模拟人类的各种各样的智能行为。这个中间是走过一些弯路。首先就是他们把启发式搜索，中间的启发式，主要定义为一些通用的弱方法。所以当时就研究各种各样通用的问题求解器，当时也有把它叫做通用人工智能。结果，这条路实际上从当时的情况来讲是走不通的，因此后来就转向强调领域知识在符号系统里的作用，这就是大家现在目前非常熟悉的，就是知识驱动的方法，我们有时候也可以把它叫做专家系统。也就是说它把人类的智能行为用知识或经验为基础的符号推理作为它的模型。这种模型看起来可以用来解决一些实际问题，不像最早想用通用的方法，实际上是解决不了实际的问题，大多数都用一些玩具世界的问题来做。

有人提出来这个知识驱动的方法以后，就有可能去建立一个实际可以用的人工智能系统，最有代表性的成果就表现为深蓝。实际上深蓝模型，我们也可以用启发式搜索的模型来表现它，实际上它也是一个符号推理的模型。因为下国际象棋，是一个理性分析的过程。但是它用的搜索，不是一般的搜索树或者图，我们把它叫做最大最小树，比较适合做博弈。那么这个博弈我们可以看到，A和B进行博弈，A下棋的时候，A做出决策，那么他应该是自己的利益最大化，所以这个用MAX来表示。然后轮到B来下的时候，那么对于A来讲，B要下对A最不利的步，所以这叫做Minimum。所以实际上，下国际象棋就相当于在一个搜索空间中间，A和B轮流进行决策。所以最后谁赢谁输，那是谁决策的正确，或者谁决策一贯正确，总是正确的，那么他会赢。

那么人工智能为什么愿意用下棋作为一个典型案例来表现它？因为它最后的结果是很容易进行评价的，也就是说谁赢了谁就是做得好。所以从这点来看的话，类似于这种完全信息博弈的情况下，或者完全信息决策的情况下，我们完全可以用这种符号推理的模型来实现，而且可以做到达到甚至超过人类的水平。所以总结来讲的话，第一代人工智能它之所以成功就是很好的利用知识和经验。因为在深蓝里大量的使用了过去象棋大师下棋的知识和经验，比如说过去下过的这70万盘大师棋局，还有一些残局，通过这些已经下过棋局的分析，可以总结出来一些下棋的规律。而且下棋大师们的经验也可以通过对机器的调试，调试中间的8000个参数，完全可以把经验也输进去。所以第一个因素是利用了人类的知识和经验，当然这里面需要一个非常好的算法。那么在最大最小数的搜索中间，使用α-β剪枝并行算法是比较快的。而且最后需要有一个计算的能力，计算能力因为当时的硬件还不够好，所以IBM专门为下国际象棋做了硬件，所以使得它能够在短时间里往前预测8到12步。

那么第二代人工智能就是大家现在常常讲的，实际上最早也是由人工智能创始人提出来的另外一个模型，这个模型叫做亚符号处理的模型。那么这个模型就是现在大家熟悉的神经元网络。那么大家知道在本世纪初，由于神经元网络采取了更深度的、更多层次的神经网络，对图像和语音等进行识别，最后由于使用了深度网络的效果非常好，这表示在图像识别、语音识别上取得很大的成功，而且能够解决很多实际问题。那么其中最具代表性的成果实际上就是大家非常熟悉的AlphaGo。

2.人工智能发展所遇到的瓶颈

那么从AlphaGo来讲的话，我们大家知道，2015年以前我们做的围棋程序实际上最多只达到业余水平。那么从2015年以后，谷歌做的AlphaGo，就在两年时间里达到很高的水平，从业余到专业，又到世界水平，目前来讲又远超过世界水平。这个原因是什么呢？实际上最