毫無疑問，人工智能（主要是其子項的深度學習）已經取得顯著進展，所有公司都在宣傳自身在產品中集成了這樣那樣的AI能力，無論是搜索引擎、語音識別還是在線購物。

但疑問揮之不去。在屢屢被夸耀的AI技術背后，其實大部分AI工程師的時間是用來處理數據?！半m說數據是新的‘石油’，但冶煉技術還很原始?！薄督洕鷮W人》給出結論稱。

“現在AI的能力叫弱AI，也就是說，我們需要靠大量的數據，且要有人工標注，才能讓它訓練出比較靠譜的模型?！?a href="http://www.xsypw.cn/tags/英特爾/" target="_blank">英特爾中國研究院院長宋繼強告訴界面新聞。

在學界看來，AI也有強弱之別。簡單來說，當下實用化AI大都是程度很低的弱AI，僅是加強自動化、讓業務計算機化。強AI則是面對不確定狀況，可能代替人類下判斷。

英特爾中國區物聯網事業部首席技術官兼首席工程師張宇對此進一步指出，做數據處理也分初級階段和高級階段。初級階段就是把表面的特征提煉出來，到高級階段就要把這些特征與相應的一些行業需求，一些“Knowhow”結合起來，真正讓數據在行業應用里發揮作用。

宋繼強認為，如果要改變AI的現狀，就一定要有新的范式轉移：“不是只靠大量數據訓練，而且要端到端有標注的數據訓練，才可以給出一個可以工作的AI算法或者是模型，必須要有新的能力是可以通過少量的數據就能夠逐漸去學會這些能力?！?/p>

他以英特爾剛推出的神經擬態芯片Loihi為例，“我們用Loihi做了一個嗅覺系統，上面用的是脈沖神經網絡模型。它和深度學習的模型不一樣，例如10種氣味，每種氣味只用一個樣本，就可以訓練出92%的識別率，而如果你要用深度學習的話，要3000個樣本才可以達到這樣的識別率?！?/p>

神經擬態芯片Loihi則是英特爾今年3月公布的最新研究成果，潛力初步得到顯示，在神經科學與人工智能交叉研究中取得不少進展。

高性能計算、神經擬態計算、量子計算，這三者通常被稱為通往未來AI的三條“賽道”。但在對于三條賽道的選擇上英特爾選擇全線押注，其中高性能計算的進展進度最快，以芯片制造商為代表的技術公司都在研發深度學習芯片。

Loihi的推出符合英特爾對AI路徑的未來構想：下一代AI即將進入3.0時代，五六年前的2.0時代是靠統計式學習、數據庫命令的機器學習，在視覺、語音和金融數據處理中已經發揮重要作用，3.0時代需要AI能從更少量的數據中學習，并且能夠適應環境變化進而自我演進，甚至能夠推理。

弱AI不弱，強AI不強，這是深度學習碰到瓶頸了嗎？

“深度學習如果說從它發展的曲線來看，現在確實進入了平臺期，”對于該問題，宋繼強以自身職業經歷舉例稱，“當時我還在貝爾實驗室，同事設計了一個叫Learn net的網絡來做字母識別，那個網絡很淺，但是它的基礎就是卷積神經網絡。所以應該說我們在理論和使用的底層算法方面，這一輪人工智能和上一輪人工智能沒有本質的區別?！?/p>

要解決上述問題，宋繼強的建議是開放思路，例如雷達中信號處理就與當前人工智能所用的卷積神經算法類似，但后者有大量可優化的空間，更缺乏可參照雷達信號處理的理論基礎。

他進一步解釋，用大量的數據去得到一個我們可以接受的結果，但是我們所用的方法不見得是最優的，“比如我們用一些網絡壓縮技術來降低運算量，但是對最后的處理準確度并沒有太大影響。這都是因為目前的理論不夠完善造成的。”

“如果說我們在人工智能的理論和算法上有進一步突破的話，它將能夠解決我們目前遇到的強AI不強等問題，這是我比較期待的。”他說道。