馬斯洛需求層次理論認(rèn)為人的需求具有從低到高，遞進(jìn)發(fā)展的變化。實際上，技術(shù)應(yīng)用的發(fā)展也具有類似遞進(jìn)優(yōu)化的趨勢。此外技術(shù)的不斷優(yōu)化也推動新需求的出現(xiàn)，再反推技術(shù)的再創(chuàng)新，這是一個發(fā)展的閉環(huán)，其邏輯可以從人工智能的發(fā)展解釋。

業(yè)內(nèi)人士根據(jù)人工智能的歷史發(fā)展節(jié)點，技術(shù)路徑、商業(yè)化發(fā)展，提出了許多階段劃分理論。有人提出了強、弱人工智能的分別，李開復(fù)提出了人工智能的發(fā)展是從黑科技到形成行業(yè)解決方案和產(chǎn)品，再到正要進(jìn)入的 AI＋、AI 賦能傳統(tǒng)行業(yè)的階段。對此，專注于第三代人工智能技術(shù)研發(fā)的 RealAI（瑞萊智慧），從技術(shù)的角度去解讀了人工智能的發(fā)展。

首先，第一代是知識驅(qū)動的符號模型，最典型的是邏輯專家系統(tǒng)，它能夠基于規(guī)則狹義定義任務(wù)。第二代則是數(shù)據(jù)驅(qū)動型 AI，包括早期的淺層統(tǒng)計學(xué)習(xí)方法、現(xiàn)在最熱門的深度學(xué)習(xí)方法。其特點是從數(shù)據(jù)內(nèi)部，不是由人提取知識編寫程序，而是由程序或神經(jīng)網(wǎng)絡(luò)自動從數(shù)據(jù)中提取經(jīng)驗和規(guī)則，來完成未來的決策任務(wù)。目前市場上的人工智能應(yīng)用大多以第二代人工智能技術(shù)為主流，不過，RealAI 認(rèn)為是時候開啟第三代人工智能。

近年來，人工智能技術(shù)從大爆發(fā)到探索落地并非一帆風(fēng)順，目前各類人工智能應(yīng)用正在進(jìn)入相對成熟期。不過，RealAI 認(rèn)為隨著 AI＋行業(yè)，部分場景應(yīng)用的深度挖掘，及技術(shù)滲透加強，一些技術(shù)弊端也會凸顯。據(jù) RealAI 公司副總裁唐家渝介紹，第一代人工智能技術(shù)存在大規(guī)模應(yīng)用的局限，而第二代人工智能則面臨著高度依賴大量高質(zhì)量數(shù)據(jù)、不能適應(yīng)不斷變化的條件、算法可解釋性非常差等諸多問題�！氨热绗F(xiàn)在很多 AI 系統(tǒng)通過醫(yī)學(xué)影像，判斷一位患者得了什么病再給出診療意見，但 AI 往往只會給出一個結(jié)果，并不會合理解釋它是如何得出這個結(jié)果的�！� 唐家渝表示，而 RealAI 則希望提供更成熟可信的人工智能技術(shù)。

作為孵化于清華大學(xué)人工智能研究院的產(chǎn)學(xué)研技術(shù)公司，RealAI 依托于清華大學(xué)源頭性的創(chuàng)新技術(shù)，致力于打造安全、可控的第三代人工智能，并賦能工業(yè)制造、金融、公共安全等高價值產(chǎn)業(yè)。

據(jù)唐家渝介紹，RealAI 提出的第三代人工智能是 “知識＋數(shù)據(jù)” 雙驅(qū)動，其創(chuàng)新包括三個特點：一是可信，算法能夠提供白盒化模型和人類可理解的決策依據(jù)；二是可靠，能夠在各種情況下實現(xiàn)預(yù)測效果的可靠性提升；三是安全性，即便算法受到惡意攻擊，或存在缺陷樣本，仍能保持較高的判斷能力。“第三代人工智能是實現(xiàn)通用人工智能的一種方式�！� 唐家渝做了一個形象的解釋，通用人工智能的目標(biāo)是：在各場景下都可以像人一樣做決策。

那么，RealAI 如何打造更優(yōu)化的人工智能解決方案？

唐家渝透露，RealAI 第三代人工智能以貝葉斯深度學(xué)習(xí)為核心技術(shù)，貝葉斯深度學(xué)習(xí)可以理解為 “貝葉斯機器學(xué)習(xí)” 與 “深度學(xué)習(xí)” 方法的結(jié)合。據(jù)介紹，貝葉斯機器學(xué)習(xí)是傳統(tǒng)的人工智能方法，甚至比深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)出現(xiàn)更早，該方法以貝葉斯定理為核心，優(yōu)勢是可以將人的經(jīng)驗知識引入到?jīng)Q策里，進(jìn)行不確定性計算。“第一，該方法在給出結(jié)果的時候，可以給出概率及分析理由。第二，因為加入了人的經(jīng)驗，訓(xùn)練過程不再完全依賴于數(shù)據(jù)，作出的決策也更符合人類意識，更安全。”

唐家渝以一個案例說明，如自動駕駛領(lǐng)域，傳統(tǒng)深度學(xué)習(xí)方法需要在訓(xùn)練過程輸入盡可能多的物體數(shù)據(jù)才讓自動駕駛的識別系統(tǒng)學(xué)會分辨行人與車輛的區(qū)別，但融合貝葉斯方法后，無需將所有的物體數(shù)據(jù)都輸入，或許只需要告訴系統(tǒng)類似多面體的物體很可能是交通工具之類的概念，將知識驅(qū)動與數(shù)據(jù)驅(qū)動的方法結(jié)合起來，系統(tǒng)很大程度上就不會識別錯�！敖�(jīng)驗是可推理的，數(shù)據(jù)是不可推理的，傳統(tǒng)的深度學(xué)習(xí)模型無法模擬人類對知識、經(jīng)驗進(jìn)行推理的理性行為�！� 他說。