“常常有比喻說，鑰匙并不丟在這個(gè)地方，大家為什么都在這個(gè)地方找鑰匙呢？因?yàn)檫@個(gè)地方燈亮看得見。真正的鑰匙丟在黑暗的角落里，那里不好找，一時(shí)半會(huì)寫不了文章，所以好多人不愿意去找?！?/p>

近日，中國(guó)科學(xué)院院士、清華大學(xué)人工智能研究院院長(zhǎng)張鈸在一次學(xué)術(shù)活動(dòng)中闡述深度學(xué)習(xí)方法易受欺騙、易受攻擊的根本原因。他提出，根本解決辦法并不在“燈亮看得見”的深度學(xué)習(xí)模型的修修補(bǔ)補(bǔ)上，而應(yīng)該向人類學(xué)習(xí)。學(xué)習(xí)的內(nèi)容包括，一、改變深度學(xué)習(xí)網(wǎng)絡(luò)的模型與結(jié)構(gòu)；二、在數(shù)據(jù)驅(qū)動(dòng)的基礎(chǔ)上引進(jìn)知識(shí)。

張鈸，清華大學(xué)計(jì)算機(jī)系教授，中國(guó)科學(xué)院院士，1958年畢業(yè)于清華大學(xué)自動(dòng)控制系。他參與人工智能、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等理論研究，以及這些理論應(yīng)用于模式識(shí)別、知識(shí)工程與機(jī)器人等技術(shù)研究。

清華大學(xué)人工智能研究院院長(zhǎng)張鈸

從“讓數(shù)據(jù)說話”到引入知識(shí)

數(shù)據(jù)、算法、算力通常被認(rèn)為是深度學(xué)習(xí)時(shí)代驅(qū)動(dòng)人工智能崛起的三大因素。

但張鈸認(rèn)為，知識(shí)與這三者同樣重要，共同組成人工智能的四大基礎(chǔ)。“回顧人工智能的歷史，可以看到這四個(gè)因素不斷地發(fā)揮作用?！?/p>

1月11日，張鈸在清華-中國(guó)工程院知識(shí)智能聯(lián)合研究中心年會(huì)暨認(rèn)知智能高峰論壇上提出上述觀點(diǎn)。

張鈸介紹，第一代人工智能即符號(hào)主義主導(dǎo)的人工智能時(shí)代強(qiáng)調(diào)知識(shí)對(duì)智能的作用，由于當(dāng)時(shí)受算法和算力的限制，知識(shí)表示依賴人工編程，因而以知識(shí)為基礎(chǔ)的推理模型沒有得到大量推廣。

深度學(xué)習(xí)興起之后，學(xué)界將目標(biāo)轉(zhuǎn)移至數(shù)據(jù)，提出“讓數(shù)據(jù)說話”。張鈸認(rèn)為，這種強(qiáng)調(diào)對(duì)深度學(xué)習(xí)的發(fā)展起到積極的作用，但也有“很大的不足”：過分強(qiáng)調(diào)數(shù)量的重要性，片面認(rèn)為“質(zhì)量差沒關(guān)系，數(shù)據(jù)多就可以解決問題”。

“這導(dǎo)致按照大數(shù)據(jù)建起來的人工智能系統(tǒng)面臨不可信、不可靠、不安全、不易推廣的挑戰(zhàn)”。

在他看來，解決這個(gè)挑戰(zhàn)的辦法之一是引入知識(shí)。

“這也是我們?nèi)斯ぶ悄苎芯吭核岢牡谌斯ぶ悄艿牡缆贰ㄟ^數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)的結(jié)合克服第一代和第二代人工智能的不足。

“鑰匙丟在黑暗的角落里”

深度學(xué)習(xí)應(yīng)用于模式識(shí)別雖然可以在大數(shù)據(jù)的訓(xùn)練中學(xué)到正確的分類，卻很容易受到惡意干擾、欺騙和攻擊。將獅子識(shí)別為圖書館、把雪山認(rèn)作一只狗、停止標(biāo)志識(shí)別被當(dāng)成限速標(biāo)志……此類深度學(xué)習(xí)系統(tǒng)被“忽悠”的案例層出不窮，如果發(fā)生在自動(dòng)駕駛場(chǎng)景，就可能產(chǎn)生嚴(yán)重后果。

面對(duì)深度學(xué)習(xí)的脆弱性，單純從深度學(xué)習(xí)網(wǎng)絡(luò)上修修補(bǔ)補(bǔ)只能治標(biāo)，不能治本。

張鈸在回答現(xiàn)場(chǎng)觀眾提問時(shí)表示，“深度學(xué)習(xí)不能提取出語(yǔ)義層面的特征，只能提取底層特征，這是它脆弱、易受攻擊的根本原因。如果不解決這個(gè)問題，只靠修修補(bǔ)補(bǔ)，不能根本解決問題，現(xiàn)在的很多做法就是如此?！?/p>

如何根本解決深度學(xué)習(xí)存在的問題？

張鈸認(rèn)為，有兩個(gè)工作可以做：一是學(xué)習(xí)人類神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，結(jié)合腦科學(xué)以改進(jìn)深度學(xué)習(xí)模型，二是將知識(shí)驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)結(jié)合起來。“前者涉及學(xué)科交叉更難一點(diǎn)，搞計(jì)算機(jī)的大多數(shù)選擇后一條路”。

走第二條路的關(guān)鍵問題是如何從原始數(shù)據(jù)中自動(dòng)提取知識(shí)。“這一直做不好，因?yàn)橹R(shí)很難自動(dòng)獲取，需要依賴人工，單純依賴人工是走不遠(yuǎn)的”。他鼓勵(lì)人工智能研究者重點(diǎn)在知識(shí)獲取方面做工作，“如果這個(gè)問題解決了，很多問題將迎刃而解?！?/p>