当前（qián），以深（shēn）度学（xué）习为代表的人工智能技术已经应用到各个行业。驱动人工（gōng）智（zhì）能技（jì）术蓬勃发展的是各行各业积累的大数据。可以说（shuō），正是在大数（shù）据的（de）“喂养（yǎng）”下，人工智能技术才真（zhēn）正茁壮成长。

然（rán）而，在近（jìn）日召开的香山科学会议（yì）第（dì）667次（cì）学术讨论会上（shàng），与（yǔ）会专家指出，大数据的“红利”效应（yīng）正在逐渐减弱，人工智能技术（shù）的单点突破难（nán）以持续支撑行（háng）业发展，亟须在数据科学和（hé）计算智能方面突破（pò）一（yī）些关（guān）键（jiàn）核心技术（shù）。

主（zhǔ）流AI算（suàn）法未充分考（kǎo）虑大数据复杂性

人们常（cháng）常用（yòng）海（hǎi）量（liàng）性、多样（yàng）性、高速以（yǐ）及价值密度（dù）低来描（miáo）述（shù）大数（shù）据的特点。但真实的大数（shù）据往往更加复（fù）杂，比如具有不完全性、不确（què）定性、动（dòng）态（tài）性、关联性等特点。反观经典的人工智能算法（fǎ），它们对数据的假（jiǎ）设往往过于（yú）简单。比如，假设（shè）数据是静态的，产生于独立同分（fèn）布的采样（yàng）过程；训练（liàn）数据（jù）是可靠的、数据所承载的信息是完（wán）全的等。

“数据的真实复杂性（xìng）和算法的简单假设之间存在（zài）着巨大鸿沟，这使（shǐ）得经典智能（néng）算法在很多复杂任务上表现（xiàn）欠佳，亟待进一步的研（yán）究和探（tàn）索。”会议执行主席之一、中（zhōng）国科（kē）学院院士梅宏强调，大（dà）数据是人工智能获得（dé）成功的（de）物（wù）质基础（chǔ），但目（mù）前主（zhǔ）流（liú）的人工智能算法并未（wèi）充（chōng）分考虑大数据本（běn）身的复杂性。

从计（jì）算和（hé）通信领域（yù）看，大（dà）数据与人工智能技术在大规（guī）模工程化应用方面取得了长足进步。然而（ér），大（dà）数据（jù）处理的技（jì）术（shù）进（jìn）步主（zhǔ）要体现在：以（yǐ）软硬件垂直优化（huà）和体（tǐ）系重构（gòu）的（de）极端化方式来适应数据（jù）规（guī）模、传输带宽（kuān）和处理速（sù）度的（de）提升，研究人员（yuán）对大数据固有的非确定性和（hé）复杂性尚没有深刻认（rèn）识；与此同时，人工智能（néng）技术也面临鲁棒（bàng）性、可解释性和（hé）复杂系统认知瓶颈等挑战（zhàn）。

梅（méi）宏进（jìn）一（yī）步指出，当前数据（jù）智（zhì）能（néng）存（cún）在低效（xiào）、不通用以（yǐ）及不透明（míng）三大问题。“现在的（de）数据智能就像工业革命（mìng）前的‘蒸汽机原型’一样，低效而（ér）昂贵；它（tā）只（zhī）能针对不同应用定制不同模型，难以建立通（tōng）用模型。”梅宏说，更重要的是，当前并没（méi）有对数据智（zhì）能形成（chéng）深刻（kè）认识，只是知（zhī）其然，而（ér）不知其所以然。

人机融合或可弥补数（shù）据自动推理弱点

在中国科学院自动化研究（jiū）所研究员陶建华（huá）看来，虽然当前人工智能（néng）在数（shù）据自动推理中依然面临（lín）很多技术难点，但是人（rén）机（jī）融（róng）合的推理方式（shì）可以（yǐ）有效地弥补这些弱点。人机融合（hé）推理着（zhe）重于（yú）研究（jiū）一种由（yóu）人和机器相互协作（zuò）下的新（xīn）的（de）推理模式，包含（hán）“机器懂人”和“人懂机器”两（liǎng）方面的含义。

对人的推理思（sī）维的理解（jiě）是“机器懂人”的关键。其核心问题是如何构建能够反映（yìng）人推理过（guò）程（chéng）的思维形式化计算方法。该方法将人的推（tuī）理（lǐ）思维形式化描（miáo）述、概率推理（lǐ）、构建知识（shí）图谱，以（yǐ）及与（yǔ）现实（shí）场景的信息进行（háng）有机融合，从而可以（yǐ）将人的推理过程有效的输入到（dào）机器中，并与机器的推理网络（luò）进行结合（hé）。

此外，解决“人懂机（jī）器”问题将有（yǒu）助于人对机器智能辅助增强。机器推理（lǐ）过程的可解释性（xìng），对（duì）于构建人机融合的推理过程尤为关键。过（guò）程可解释的机器推理方法提供了解决问题（tí）的新（xīn）方法，适当的扩展流程，并最大限度地减少人为错误的机会，可以（yǐ）帮（bāng）助人类和机器协同做出更为准确和迅速的推理与（yǔ）判断（duàn）。

微软亚洲研究（jiū）院副院长刘铁岩结合他们的（de）实际工作举例道：“我（wǒ）们在深度（dù）强化学（xué）习的基础上（shàng），利用‘完美教练（liàn）’技术来处理信息的（de）不（bú）完全和不确定性，从（cóng）而（ér）很好（hǎo）地解决了麻将这一复杂的博（bó）弈问题。我们的算法在2019年3月登陆知（zhī）名的竞技麻将平台，经过5000局（jú）的鏖战（zhàn），成（chéng）功晋级十段（duàn），其稳定段位显（xiǎn）著超越人类顶级（jí）选手（shǒu），成为首个超人麻将（jiāng）AI。”这是在处理数据不完全（quán）性和不（bú）确定性方面做出的有益尝试。

刘（liú）铁岩指出，大数据特性在不断（duàn）演（yǎn）化（huà），且愈发（fā）复杂（zá）。新（xīn）型智能（néng）算（suàn）法需要针对数据（jù）特点有（yǒu）的放矢地解（jiě）决问题，这样（yàng）才能填补数（shù）据与算（suàn）法间（jiān）的鸿沟（gōu），使人工智（zhì）能绽放更多的价值。