想让人工智能更“聪明”大数据还得深加工( 二 )_当前

“数据的真实复杂性和算法的简单假设之间存在着巨大鸿沟，这使得经典智能算法在很多复杂任务上表现欠佳，亟待进一步的研究和探索。 ”会议执行主席之一、中国科学院院士梅宏强调，大数据是人工智能获得成功的物质基础，但目前主流的人工智能算法并未充分考虑大数据本身的复杂性。

从计算和通信领域看，大数据与人工智能技术在大规模工程化应用方面取得了长足进步。然而，大数据处理的技术进步主要体现在：以软硬件垂直优化和体系重构的极端化方式来适应数据规模、传输带宽和处理速度的提升，研究人员对大数据固有的非确定性和复杂性尚没有深刻认识；与此同时，人工智能技术也面临鲁棒性、可解释性和复杂系统认知瓶颈等挑战。

梅宏进一步指出，当前数据智能存在低效、不通用以及不透明三大问题。 “现在的数据智能就像工业革命前的‘蒸汽机原型’一样，低效而昂贵；它只能针对不同应用定制不同模型，难以建立通用模型。 ”梅宏说，更重要的是，当前并没有对数据智能形成深刻认识，只是知其然，而不知其所以然。