人工智能從1956年第一次提出來，已經(jīng)發(fā)展了63年多，最初的第一代人工智能是用計算機來解決問題，第二代是以AlphaGo為標志的深度學習，但是深度學習是基于真正的大數(shù)據(jù)，在目前似乎也遇到了瓶頸，于是，科學家們提出了第三代人工智能，但是目前來看，還沒有人真正明確第三代人工智能是什么，但是其趨勢是清晰的。

把數(shù)據(jù)驅(qū)動和知識驅(qū)動結(jié)合起來

人工智能的四大基礎(chǔ)是：知識、數(shù)據(jù)、算法和算力，回顧歷史，這四個因素都在不斷地發(fā)揮作用。第一代人工智能也叫符號人工智能，比較強調(diào)知識對智能的作用，因為那時算法和算力都還沒有跟上。

進入新世紀后，深度學習把大家的目標凝聚到了數(shù)據(jù)上，這時大數(shù)據(jù)的出現(xiàn)，再加上很好的算法，就形成了基于概念的深度學習，再加上云計算等手段，使以數(shù)據(jù)為基礎(chǔ)的連接主義模型得到了極大推廣和應用。

數(shù)據(jù)主義喊了許多口號，按照大數(shù)據(jù)建起來的人工智能系統(tǒng)似乎不可信、不可靠、不安全、不易推廣，這都是目前用深度學習進行人工智能研究帶來的問題。唯一的辦法，就是重新引入知識，把數(shù)據(jù)驅(qū)動和知識驅(qū)動結(jié)合起來，達成可信安全的第三代人工智能。

常識往往不在數(shù)據(jù)里

自然語言理解是人工智能領(lǐng)域最核心的問題。不管做機器翻譯也好，做自然語言應用也好，都試圖通過分析符號序列來理解相關(guān)內(nèi)容，這是第一代人工智能所謂符號主義的核心做法。到了第二代人工智能，又走上深度學習的道路，這條路充滿希望，但又非常危險，因為解決不了可信安全的問題。

比如機器翻譯現(xiàn)在只能翻譯不重要的東西，因為翻錯了也沒有關(guān)系，真正重要的場合還需要人力同聲翻譯。機器最大的問題，就在于它缺乏常識，根本不知道自己不知道，這是一個很大的問題。

所以常識是必要的，簡單翻譯幾句話也需要大量常識積淀，“說你行，不行也行”，機器沒有常識，就很難理解這句話，人反而覺得很簡單，這就是常識的重要性。但常識庫的建立非常之難，現(xiàn)在沒法從數(shù)據(jù)中去建立常識庫，因為常識往往不表示在數(shù)據(jù)之中。

建立常識，必須下功夫去做，只有這個問題解決了，自然語言的理解才能達到目標。而自然語言理解，則是第三代人工智能的終極目標，這是一個艱巨的任務。如果這個問題解決了，人工智能的其他問題將會迎刃而解。