朱松纯：人工智能研究需由“理”向“心”转变

“很多人将规模定律（Scaling Law）奉为圭臬，认为只要数据越多、算力越强、模型参数越大就行了。但我认为，要实现通用人工智能，仅靠数据是不够的，我们需要探索另外一种路径——为人工智能立‘心’。”近日，在湖北鄂州召开的莲花山研究院二十周年学术思想研讨会上，北京大学人工智能研究院和智能学院院长、北京通用人工智能研究院院长朱松纯分享了他对人工智能发展的思考。

从攻读哈佛大学博士学位起，朱松纯已在人工智能领域深耕三十余年。他认为，通用人工智能已经成为全球科技竞争的制高点，要在科技竞争中取得突破，关键是厘清大数据的源头，定位好人工智能的发展方向。

“如果无法处理视觉数据，人工智能系统就只剩下一个空架子。”在朱松纯看来，数据标注就像为计算机戴上一副特殊的“眼镜”，让计算机具备识别并理解图像、文本和其他数据细节的能力。只有经过标注的数据，才能够被计算机理解。

1997年，斯科特·科尼什（Scott Konish）完成了世界上第一个数据集的标注——图像边界，用来训练分类器。也正是看到了统计对图像理解的可能性，2004年朱松纯开启大规模高颗粒度数据标注工作。

“到2008年，我和团队成员在数据标注上遇到两个瓶颈。”朱松纯告诉记者，一方面，探索通用人工智能，价值、因果、意图等要素，潜藏于感知数据表象之下，无法被传感器直接探测，更难以标注。另一方面，数据标注的过程与特定任务高度相关，不同任务要求不同的标注方法，继续扩大数据或模型规模，仍然无法提升泛化能力。“这时，我才意识到，用大数据的方法并不能抵达实现通用人工智能的目标。”他说。

朱松纯表示，通用人工智能是由计算机视觉、自然语言处理、机器学习、认知推理、机器学习、机器人学与多智能体等六大核心领域构成的复杂巨系统，其研发之路的艰难，就像是“登月”，而大数据路线好比是“攀登珠峰”，两者目标相差甚远。

那么如何探索通用人工智能这条道路呢？朱松纯认为，人工智能的研究需要由“理”向“心”转变。“理”是数理模型，“心”是认知架构、价值对齐。

“经过近30年的发展，人工智能的六大核心领域已然呈现出对内融合、对外交叉的发展态势，朝着通用人工智能的方向推进。”朱松纯表示，在这个融合过程中，必定会形成统一的人工智能架构，以实现从解决单一任务为主的“专项人工智能”向解决大量任务、自主定义任务的通用人工智能转变。

今年年初，北京通用人工智能研究院发布了全球首个通用智能人小女孩“通通”。朱松纯介绍，“通通”实现了通用人工智能领域核心技术从0到1的突破，展现了基于认知架构，由价值和因果驱动的自主智能，并能和人类价值实时对齐，具备透明、可解释的推理和决策过程。不同于当前主要以海量数据为基础的大模型，以“通通”为代表的通用智能体突破了对大数据大算力的依赖，走出了一条全新的通用人工智能发展道路。

在朱松纯看来，为机器立“心”，实现由“理”到“心”的过渡以及从大数据到大任务、从感知到认知的飞跃，这是未来10到20年学术前沿的焦点，也是智能学科需要承担的核心使命。