【密度科技】怎么讓人工智能變得更聰明？鄭慶華院士：向人腦學習

“我們要讓機器智能變得更聰明，像人一樣具備因果推理、邏輯推理的能力，特別是具備小樣本持續學習，能夠在較低算力的平臺上，支持強推理的人工智能新模型。”12月25日，在第七屆人民網內容科技論壇上，中國工程院院士、同濟大學黨委書記鄭慶華發表主旨演講，提出“腦認知啟發的機器記憶智能”新方向，倡導跳出數據驅動大模型的路徑依賴，探索低算力、小樣本、強推理的人工智能新路徑，為人工智能與腦科學深度融合提供全新思路。

中國工程院院士、同濟大學黨委書記鄭慶華作主旨演講

他回顧，人工智能概念自1956年提出，其發展總體沿著計算智能、感知智能向認知智能推進，未來更有望具備記憶、共情、反思等人類特有能力。“當前，人工智能整體還處于初級階段，未來發展潛力非常大。”

然而，當前主流的“數據驅動的大模型”雖展現出強大能力，但其固有缺陷也日益凸顯。鄭慶華院士坦言，大模型存在“數據饑渴”，人類生產高質量數據的能力遠不能滿足其需求，且能耗巨大。其次，大模型存在災難性遺忘、遷移能力差，呈現“喜新厭舊”的特點，難以處理動態時空演變的復雜任務。再次，其抽象和推理能力較弱，難以抽象出事物內在的因果邏輯。最后，大模型是“黑箱”模型，“知其然不知其所以然”，難以解釋和干預。

面對這些挑戰，一種融合數據與知識的混合模型成為重要技術途徑。鄭慶華介紹，其團隊受“既見樹木又見森林”的認識論啟發，提出“知識森林”概念，旨在從海量散雜亂的數據中構建體系化、可計算的知識體系，并在此基礎上進行邏輯推理。該方法已成功應用于國家金稅工程風險識別、土木工程學科大模型（CivilGPT）構建以及C919飛機設計知識管理等重要場景，實現了知識引導與數據驅動的結合。

在此基礎上，鄭慶華提出第三條，也是更具突破性的技術途徑——人腦啟發的機器記憶智能。他指出，在應對災害、險情等“小數據、小算力、低帶寬”場景時，恰恰需要更高智能，而這正是當前大模型的短板。

“人為什么聰明？是因為人有記憶。”鄭慶華院士解釋，記憶不等于存儲，它具有聯想、抽象、還原及檢索的動態功能，是人類智能的基礎。人腦記憶機制帶來了三大關鍵啟發：一是構成記憶基礎的“吸引子”具備抗干擾、可計算等特性，使人腦避免“災難性遺忘”；二是人腦通過稀疏激活、預測編碼、聯想記憶實現極高能效，能耗遠低于同等規模的大模型；三是人腦憑借抽象與聯想能力，具備強大的環境適應與推理能力。

受此啟發，鄭慶華團隊提出“機器記憶智能模型”，其核心是以抽象聯想表征為核心，建立小樣本持續學習及混沌激活、協同推理的新模式。該研究聚焦四大科學挑戰：人腦記憶形成與工作機制、多層抽象時空聯想的記憶表征建模、小樣本學習與自適應推理實現，以及抽象指導下的具象協同與混沌推理。

“我們認為這是通向小樣本、低算力、強推理的高階智能的一條新路徑。”鄭慶華表示，該研究有助于推動人工智能和腦科學深度交叉、相互賦能，同時有望跳出數據驅動的大模型技術“延長線式”研究的路徑依賴，提出中國學者人工智能的新路徑、新方向。

來源：人民網