吴飞|浙大求是特聘教授吴飞：数据驱动与知识引导相互结合的智能计算( 二 )

今年8月，李国杰院士写了一篇文章，提出了一个疑问：为什么我们的人工智能上不着天下不落地？恐怕我们已经进入了第五范式时代。李院士的这篇文章，直接用 AlphaFold 的例子来表示他所认为的第五范式：今后的科学计算，或者人工智能计算，一定是领域专家和数据的驱动相互结合，才能形成场景人工智能或者解决场景的任务。
数据驱动和知识引导相互结合的人工智能时代，即给定一堆数据，我们需要从数据里面吸取知识，然后基于知识做决策和服务。这里的数据一定是满足任务可学习、结果可信、过程可推理和架构可实现这些条件。这种架构可实现，是现在的大型互联网公司有能力完成的，我们也发现，下游的任务确实在大模型的驱动下能够得到很好解决。

三种记忆体

我们反思一下，人脑的智能计算或者科学计算是怎样的模式？生物学家和神经学家告诉我们，人的大脑有三种记忆体，第一个叫做瞬时记忆。我们可以眼观六路、耳听八方，在一个空间里可以瞬时感觉到这个空间里各种各样数据，这就是瞬时记忆。但如果我们没有对瞬时记忆的数据引起注意，这些信息就不会传给工作记忆体。

文章插图

瞬时记忆传给工作记忆体后，工作记忆体直接展开用因果智能计算的高层次数据活动，但这些高层次的活动并不是就事论事，就数据论数据，它会激活我们长期记忆里的先验和知识。比如，我们今天来到成都，中午和朋友聚餐；。我们在到达成都时，可能会回忆起上一次来成都干什么；和上次相比，成都有什么变化；朋友又发生了什么变化。我们经常讲弦外之音、话外之意，为什么别人讲话，我们能听出话外之意？这是因为工作记忆体激活了相关的信息来理解当前的数据。

数据驱动与知识引导相互而结合的人工智能时代

我们从这个过程已经深刻感觉到，对当前数据的理解，一定激活了其他信息，这种信息是一种潜在的信息，或者叫做common sense，即常识性信息，也有人把它称为暗知识，我们无法表达，机器也无法捕捉，但人的大脑可以很好地捕捉下来。既然人脑是这样的活动模式，现在的智能计算可否往这个渠道进行？
DeepMind 在 2016 年发表了一篇《神经图灵机》的文章，我们知道图灵计划就是两端无限长的纸袋，上面有非常多的方格，然后把数据放在纸袋上，数据驱动以写好的程序进行。这个过程没有利用到数据以外的信息。但神经图灵机架构起一个外在记忆体，对当前数据能更好地学习、理解和处理，以得到更好的学习成果。这篇文章发表后，Nature 期刊为其形成社论，称其为深度神经推理，而不是平常的推理机制。
现在我们也发现，只要有一个 x 算法，神经网络一定会把 x 算法变成一个 give 算法，或者一定想把它和认知或者神经结合起来，也就是不停地探索计算方式和方法，与我们大脑和心理认知如何更好地结合，这不是无病呻吟，而是沿着人脑的思路进行扩展。现在的计算一定要有数据，而且一定是数据驱动；亦即人工智能是引擎，大数据是燃料，一个模型空转转不起来。
第二，知识很重要。我们不能一味从数据里发现知识，一定要有知识指导计算过程。此外，行为探索也很重要，人毕竟是在一个开放的环境里进行认知与思考。所以，数据、知识、行为相互结合，是不是一种更好的计算模式？掀起新一轮人工智能浪潮使用的计算方法，AlphaGo 有深度学习、强化学习和蒙特卡罗树搜索三把利剑，而AlphaFold 则是图神经网络、注意力模型和物理建模相互结合。