人工智能2.0时代的机器安装智慧大脑探究

设想让智能机器人读这首诗，并在图像数据库中搜索与之最契合的场景，结果会呈现怎样的对比？

在一次重要的学术讨论中，专家指出，在这种情境下，机器人会按照规则行事，从数据库中识别出一幅海棠图，叶面上可能挂着雨珠。不同观察者在同一场景下可能做出不同选择：有人会选择一位亭立在幽静田间小道、细雨绵绵的少女形象。

这类实验提示我们，人工智能面临的挑战之一是如何把知识嵌入到具体场景中。若干研究者指出，场景化知识对智能系统的意义重大。

自2015年以来，相关机构启动了以“人工智能2.0”为核心的重大研究计划，科学家们推动从语言知识向视觉知识的拓展。

以往的AI1.0主要关注语言层面的知识，而在AI2.0阶段，深度学习显著提升了视觉问题的解决能力。专家表示，梦想是让语言转化为画面，并通过视觉知识等核心技术实现更丰富的智能表达。

在学术讨论中，曾提及一个德国心理学家的儿童心理实验：一个大人抱着书放置于书柜，因需两手操作，无法当场开柜；而角落里的一名母亲抱着1岁半的孩子，未给出指令，孩子却自发去打开柜门并放回书本。这一实验提醒我们：要让智能系统具备像儿童那样的协作性与灵活性，需要理解人类在协作中的直观动机与行为。

AI2.0时代的智能大脑被期待拥有更强的人性化特征。专家描绘了一个智能化城市的生活场景：针对高龄空巢老人，系统不仅要实现健康监测、护理与疾病预警，还要保障基本生存需求，如营养供给、紧急情况报警、排泄监测等；更要满足情感需求，促进与朋友的互动、个人兴趣的学习等，并能与楼宇、社区等外部环境联动，提供家庭设施维护与安全防灾等服务。

智能系统的迭代、维护与升级，将通过模块化组合实现“全盘思维”的智能大脑。不同模块的协同工作将带来更高层次的综合能力。

当前，尽管对一般性问题的处理已经取得较大成功，但在处理大规模、复杂系统时，仍面临开启复杂系统的关键挑战。部分学者指出，理解非线性在复杂系统中的作用，是破解瓶颈的核心之一。

非线性问题被视为人工智能发展的瓶颈，一个常见比喻是将非线性比作一座山，单纯的线性叠加无法跨越它。当前的深度神经网络等方法，其实在一定程度上落在“伪非线性”的误区之中。

在应用层面，关于智能制造的理解也在持续深化。专家指出，智能制造是智能技术与制造技术的融合，通过智能手段解决制造过程中的问题。这并不等同于无人工厂或黑灯工厂，现实中仍存在需要人工参与与成本权衡的场景。

在新一代信息技术的带动下，人机互联、混合现实、大数据与人工智能等领域正在加速发展，推动制造业的转型升级。智能技术与大数据的融合正在改变制造企业的运作方式与竞争格局。

面对AI2.0时代的挑战，学者们提出与1.0不同的方向：向视觉知识的研究聚焦，涉及视觉知识表达、视觉识别、视觉形象思维模拟、视觉知识的学习与多重知识表达等关键问题。通过视觉形象思维的模拟，AI2.0有望实现以语言描述生成画面的新能力，为智能系统带来更丰富的表达能力。

未来的探索需要在这片尚未全面开垦的领域内，持续拓展与探索，努力实现更具协作性与理解能力的智能大脑。