唐杰教授在分享中，从人工智能的发展历程入手，重点解析了近十年AI的演进脉络，特别是感知领域取得的重大突破。他指出，算法是这一感知时代最具标志性和核心地位的要素——像BERT、ALBERT、MoCo2这些快速迭代的先进算法，就是最有力的证明。而展望未来，下一波人工智能浪潮的关键，在于实现具备推理能力、可解释性和认知能力的人工智能。
随着AI对社会和经济的影响日益加深，各国政府纷纷将其提升至国家战略层面。截至目前，美国、中国、欧盟等主要经济体都已出台了国家级的人工智能发展政策。
在这样的大背景下，人工智能未来十年会走向何方？要回答这个问题，不妨先回顾一下AI的发展历史，从中寻找线索。
再深入看看AI近十年的发展，一个重要的标志是：人工智能在感知方面取得了重大成果。在语音识别、文本识别、视频识别等领域，AI的表现已经超越了人类水平。可以说，AI在感知层面正逐步接近人类的能力。而从趋势来看，人工智能将经历一个从感知到认知的逐步演进，具体走向如下图所示：
那么，AI在感知方面到底做了哪些事情？AlphaGo、无人驾驶、文本与图片的跨媒体计算等领域都在快速发展。从宏观视角看，算法依然是这个感知时代最重要、最具代表性的内容。如果把近十年的重要算法做一个归类——以深度学习为例——其发展脉络可见下图：
这里有必要提一下张钹院士提出的第三代人工智能理论体系。2015年，张钹院士提出了第三代人工智能体系的雏形。2017年，DARPA启动了XAI项目，核心想法是从可解释的机器学习系统、人机交互技术以及可解释的心理学理论三个维度，全面研究可解释性AI系统。2018年底，第三代人工智能的理论框架正式公开，核心思想是：建立可解释、鲁棒的人工智能理论和方法；发展安全、可靠、可信及可扩展的AI技术；推动AI的创新应用。具体实施路线包括：与脑科学融合，发展脑启发的人工智能理论；以及数据与知识融合的AI理论与方法。在这个框架下，研究团队进一步深化，提出了“认知图谱”的概念，其核心是知识图谱+认知推理+逻辑表达。
当使用传统算法（如BiDAF、BERT、XLNet）来解决问题时，计算机往往只能找到局部片段，缺乏知识层面的推理能力——这正是当前AI所欠缺的。相比之下，人类在解决问题时存在推理路径和推理节点，能够理解整个过程；而当前的大部分深度学习算法，实际上是将其当作一个黑盒来处理，如下图所示：
这一基本思想，结合了认知科学中的双通道理论。人脑的认知系统包含两个子系统：System 1和System 2。System 1是直觉系统，通过快速匹配相关信息来寻找答案，速度极快且简单；System 2则是分析系统，通过推理和逻辑来得出结论。去年NIPS大会上，图灵奖得主Bengio在主题演讲中也强调，从System 1到System 2的认知过渡，是深度学习未来发展的重要方向，如下图所示：
基于这个思路，研究团队构建了一种称为“认知图谱”的新方法。在System 1中主要做知识扩展，在System 2中做逻辑推理和决策，流程如下图所示：
具体来说，在System 1中进行知识扩展——比如针对某个问题，先找到相关的影片，然后由System 2来做决策。如果找到了标准答案，整个推理过程就结束；如果不是标准答案，但相关的信息有用，则将其反馈给System 1继续扩展知识，System 2再次决策，直到找到正确答案。
当前实现中，System 1（直觉系统）用BERT来完成，实现信息的快速匹配；System 2则用图卷积网络来实现，在图卷积网络中进行推理和决策。通过这种方式，可以实现一定程度的推理+决策。
当然，这只是一个总体思路。要真正实现知识和推理，还需要万亿级常识知识库的支撑，如下图所示。换句话说，四五十年前费根鲍姆做过的事情，今天可能需要重做一遍——但规模要大得多，要构建更大规模的常识知识图谱，并用它来支撑深度学习的计算，才能真正实现未来的人工智能。
所以，这一代人工智能浪潮走到终点，可能仍然缺乏推理能力和可解释能力。而下一波人工智能浪潮的兴起，必将实现具有推理、可解释性和认知能力的人工智能——这既是下一个十年需要攻克的难题，也必将成为现实。