人有两种记忆，而基于深度学习的AI只有一种，所以AI有问题？( 四 )_9月21日-22日

··4··

法律和政策是不能逾越的边界

如何将人类的价值和规范嵌入AI系统？

模拟人脑神经网络的深度学习和大数据的发展，“唤醒”了沉寂的AI，然而，此时的AI仍存在很多问题：不可解释、不可理解、不可信。

李真真解释说，人的记忆分为陈述性记忆和非陈述性记忆。

比如，在学习游泳之前，阅读相关书籍，记住某些动作要领，这种记忆是陈述性记忆；经过不断地练习，把知识变成运动技能，学会游泳，此时的记忆是非陈述性记忆。

基于神经网络的AI模型，理论基础是连接主义（仿生学），学习机制是自上而下的，从生物学意义来讲，这是自然选择导致物种形成的过程。不过，“它未必会导致高级智能的形成。”李真真解释说，非陈述性记忆是在实践中获得的知识，可通过连接主义的方法实现；而陈述性记忆是以符号系统表达的知识，属于符号主义（逻辑主义）AI模型。

所以，为使AI达到人类的水平，需将人类的推理方法、符号逻辑，尤其是博弈逻辑教给基于神经网络的AI，以补充基于深度学习的不足。