◎本报记者 何 亮  实习生 胡轶慧

    “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，北京通用人工智能研究院院长朱松纯分享了他的思考。他认为，通用人工智能已成为全球科技竞争制高点。要在科技竞争中取得突破，关键是厘清大数据源头，定位好人工智能发展方向。

    “如果无法处理视觉数据，人工智能系统就只剩一个空架子。”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”，让其具备识别并理解图像、文本和其他数据细节的能力。

    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。

    “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，其一，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；其二，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。这让朱松纯对通用人工智能有了更深入思考。

    在朱松纯看来，通用人工智能是由计算机视觉、自然语言处理等核心领域构成的复杂巨系统，其研发道路之艰难好比“登月”；而大数据路线就好比“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年发展，人工智能多个核心领域已然呈现对内融合、对外交叉的发展态势，朝着通用人工智能方向推进。”朱松纯说，在融合过程中，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。

    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，是未来10—20年的学术前沿，也是智能学科需要承担的核心使命。