自 1956 年 AI 的概念首次被提出，迄今已有 60 多年的文化史。如今，随着有关理论和控制技术的不断技术革新，AI 在统计数据、INS13ZD和演算法 “二律背反” 的支撑下愈来愈数处走进他们的日常生活。

但，这一系列惊喜的背后，却是大多数 AI 在词汇认知、感官情景认知、科枫等各方面的困难重重：这些控制技术依然主要集中2025年的人工智慧在交互层面，狸尾豆 AI 模拟人类文明的感官、感官等交互潜能，却无法化解逻辑思维、规划、联想、创作等繁杂的知觉智能化各项任务。

当前的 AI 缺少信息进入 “大脑” 后的加工、认知和思考等，做的只是相对简单的对照和辨识，仅仅停留在 “交互” 阶段，而非 “知觉”，以交互智能控制技术为主的 AI 还与人类文明智能相差相差无几。

究2025年的人工智慧其原因在于，AI 正面临着制约其向前发展的困局问题：大规模基本常识资料库与如前所述知觉的逻辑逻辑思维。而如前所述知识图表、知觉逻辑思维、逻辑表达的知觉图表，则被愈来愈多的国内外学者和产业领导者认为是 “目前可以突破这一控制技术困局的可行化解方案众所周知”。

近日，AMD实验室总裁、被评选为 AI 领域 50 位全球思想领导者和影响者2025年的人工智慧众所周知的 Gadi Singer 发表了一篇专文 The Rise of Cognitive AI 的该文，探讨了人工智慧的第三次大潮：知觉人工智慧的蓬勃发展。

在不改变书名这段话的情况下，学术头条新闻对该文进行了精心的校对，内容如下：

广度自学（DL）正取得巨大的进步，并在他们生活的各个各方面技术革新整座金融行业，包括医疗2025年的人工智慧护理，零售，制造业，自动驾驶汽车，安全和防诈欺和统计数据挖掘。但，为了构建人工智慧（AI）的今后，促进新一代控制技术更进一步发展，他们要对其预设一组目标和期望 —— 到 2025 年，人工智慧将会出现质的脱胎换骨，电脑也将明显变得更加智能。

目前，如前所述广度自学演算法的很多应用都化解了有关的交互各项任务，如对象辨识、自2025年的人工智慧然词汇处置（NLP）、翻译和其他涉及统计数据广为关联处置的各项任务（比如推荐控制系统）。广度自学控制系统依靠二阶程式设计和繁杂的如前所述统计数据的有关性做出了出色的成果，并有望在今后几年内促进整座金融行业的转型。但与此同时，他们必须克服广度自学本身所谓的限制，以更进一步帮助电脑自学或者更广为地说是人工智慧离同时实现其潜力。要同时实现非增量2025年的人工智慧创新，需要在以下三个各方面通力合作：

实质性地提高数学模型效率（例如，在不降低其准确度的前提下，将模块数目减少 2-3 个数目级）；大大增强数学模型的Sitapur、扩展性和可扩展性；努力提高电脑的知觉潜能。

图｜如前所述广度自学的词汇数学模型中模块数目呈指数级增长（来源：microsoft）

虽然伯粉（pruning）、浓密性2025年的人工智慧（sparsity）、压缩（compression）、蒸馏（distillation）和图神经网络（GNN）等控制技术可以提高数学模型效率，但最终也同时产生了增量改进。在不影响结果的前提下，将数学模型大小降低几个数目级，可能需要对捕获和表示信息本身的方法和广度自学数学模型中的自学潜能各方面进行更根本的改变。此外，持2025年的人工智慧续性进步也需要更具计算效率的广度自学方法或者转向其他电脑自学方法。现在，一类具有前景的人工智慧控制系统正通过在辅助信息库中进行检索来代替大量事实和统计数据的嵌入，从而迅速受到人们的青睐。

与此同时，统计电脑自学方法如前所述这样的假设 —— 训练样本的分布代表了逻辑思维过程中必须处置的内容，在现实生活的使用中存在重大缺2025年的人工智慧陷。尤其在遇到训练统计数据集采样浓密，甚至缺乏样本的情况时，广度自学数学模型就会受到挑战。

除此之外，迁移自学和小样本 / 零样本逻辑思维各方面取得的结果也不尽人意。数学模型的低效扩展性使得人工智慧无法扩展到统计数据集和统计数据科学家缺乏的许多领域。此外，广度自学还非常容易受到统计数据变化的影响，从而产生低信度分类，但这一问题可以2025年的人工智慧通过提高数学模型的Sitapur和扩展性得到化解。

最后，在大多数情况下，神经网络无法正确提供知觉，逻辑思维和可解释性。广度自学缺乏知觉机制，无法进行抽象、上下文语境、因果关系、可解释性和可认知性的逻辑思维。

下一阶段：知觉人工智慧

人工智慧有望达到人类文明认知水平。依靠 Daniel Kahneman 在《快思慢想》（Thi2025年的人工智慧nking, Fast and Slow）一书中定义的范式，Yoshua Bengio 将当代广度自学的功能等同于他所描述的 “控制系统 1” 的特点 —— 直觉的、快速的、无意识的、习惯性并完全处于自主控制状态。与此相反，他指出，人工智慧控制系统的下一个挑战在于同时实现 “控制系统 2” 的功能 —— 缓慢的、有2025年的人工智慧逻辑的、有序列的、有意识和演算法化，例如同时实现计划和逻辑思维所需的功能。

（来源：Pixabay）

Francois Chollet 以类似的方式在广为概括的基础上描述了人工智慧发展中的新兴阶段（“Flexible AI”），它能够适应广为领域内的未知事件。这两个特征都与 DARPA（美国国防部高级研究计划局）2025年的人工智慧的 “人工智慧的第三次大潮” 的内容一致，其特征是语境顺应（contextual adaptation）、抽象、逻辑思维和可解释性。同时实现这些功能的一种可能途径是将广度自学与符号逻辑思维和广度知识结合起来。下面，我将使用术语 “知觉人工智慧”（Cognitive AI）来指代人工智慧的这一新阶段。

尽管他们无望2025年的人工智慧同时实现开放式通用人工智慧（AGI），但具有较高知觉潜能的人工智慧也能在控制技术和商业领域中发挥更大的作用。一旦人工智慧可以在不可预测的环境中做出可靠的决策，它最终将获得更高的自主权，并在电脑人控制技术、自动运输和物流、工业和金融体系的控制点等领域中发挥重要作用。

结构化知识在知觉人工智慧中的作用

在人工智慧领域2025年的人工智慧，有些人认为可以通过更进一步发展广度自学来同时实现更高级别的电脑智能，而另一些人则认为这需要合并其他基本机制。对此，我赞同后者的观点，原因如下：

广度自学掌握了从嵌入空间中的多维结构的输入到预测输出的如前所述统计的映射。这让它在区分宽统计数据和浅统计数据（例如，图像中的单词或像素 / 体元序列）各方面表现出色。此外，广度2025年的人工智慧自学在索引资源（如维基百科）和从语料库中最匹配的地方检索答案各方面同样有效 —— 正如在 NaturalQA 或 EffiicentQA 等基准测试中所表现的那样。根据 Bengio 的定义，控制系统 1 的各项任务依赖于训练期间创建的统计映射功能。而广度自学可以为完成这些各项任务提供帮助。

相比之下，结构化、显性2025年的人工智慧和可认知的知识可以为同时实现更高级电脑智能或控制系统 2 的功能提供途径。一种基本的知识构建就是能够捕获有关元素和概念的声明性知识并编码抽象概念（例如，类之间的分层属性遗传）。例如，有关鸟类的知识，加上有关雀形目鸟类的信息，再加上有关麻雀的详细信息，即使没有特别的说明，也能提供大量有关栗麻雀的隐含信息。除此2025年的人工智慧之外，其他知识构建还包括因果数学模型和预测数学模型。

这样的构建依赖于显性的概念和定义明确的关系，而不是潜在空间中的嵌入式电脑，并且因此所得数学模型将具有更广为的解释和预测潜力，远远超过了统计映射的功能。

（来源：Pixabay）

人类文明大脑有 “想象”、模拟和评估潜在今后事件的潜能，这些潜能是经验或观察都无法企及的。2025年的人工智慧同时，这些功能为人类文明智能提供了进化优势。在不受明确规则限制的环境中，对今后可能出现事件进行心理模拟是如前所述世界动力的基本数学模型，这在计划和化解问题各方面具有很大的适应性价值。

过程建模机制如前所述隐式的数学、物理或心理原理，而不是从输入到输出的可观察的统计有关性，这对于同时实现更高的知觉潜能至关重要。例如，物理数学模型2025年的人工智慧可以捕获滑水现象，并对各种条件下汽车的运动进行简单预测。这样的过程数学模型可以与如前所述广度自学的方法结合使用以扩展当前人工智慧的功能。

资料库可以捕获（或隐式）基本常识性假设和底层逻辑，这些假设和逻辑并不总是公开地呈现在广度自学控制系统的训练统计数据中。这表明，对世界及其动力的认知有助于化解更高级电脑智能的各项任务。最后，2025年的人工智慧合理的结构化知识可以在上下文语境和聚合内容各方面消歧（将 “俱乐部” 的属性分为棒球类，武器类，纸牌类或聚会场所）。

知觉人工智慧与知识时代

在今后的几年中，随着浅层映射功能变得更加丰富，计算处置变得更加经济和快捷，如前所述广度自学的控制系统 1 有望取得重大进展。知觉人工智慧也将带来更多更高级的功能。

总而言之，2025年的人工智慧我相信，到 2025 年，将出现一批新的知觉人工智慧，它们不仅具有更强的解释力，而且比当前如前所述广度自学的控制系统更接近人类文明的自主逻辑思维水平。

他们已经在AMD实验室建立了知觉计算研究部门，来促进AMD在电脑智能和知觉交叉点上的创新，并不断提高新兴知觉人工智慧的潜能。他们努力将广度自学的最新成果与知识构建和神2025年的人工智慧经符号人工智慧的集成结合起来，来构建能在繁杂情景中做出明智决策的自主自学人工智慧。

广度自学使人工智慧控制系统在辨识，交互，翻译和推荐控制系统各项任务各方面成果卓越。下一波电脑自学和人工智慧控制技术的蓬勃发展，将创造出一种拥有更强认知力和知觉力的新型人工智慧，从而为他们的生活带来更大便利。