“某种形式上的人工智能是一个遍布于西方知识分子历史的观点，是一个急需被实现的梦想，先民对人工智能的追求表现在诸多神话，传说，故事，预言以及制作机器人偶（自动机）的实践之中。”
希腊神话出现的机械人和人造人，中世纪出现的巫术或炼金术，中国西周时期的偃师造人等赋予了人工智能基本设想：人类思考过程的机械化。与其说是一项技术，人工智能更像是某种精神因子，它贯穿在电影、艺术、商业、工业、生活中。
从1956年达特茅斯会议上正式确立人工智能研究领域后，人工智能从知识驱动来到了数据驱动。但几经周折，到现在也未达到第一代AI研究员所预期的那样——具有人类同等智能水平。而AI这些年的发展历程中也饱受非议：变聪明，则底层劳动力对失业惶恐加剧；还不够聪明，有关伦理道德，不可靠，不可信的指责也络绎不绝。
不可否认的是，人工智能的发展确实是在向前，但似乎也存在可见的瓶颈，这背后原因会是哪些，我们能否寻找另一条路？
以数据驱动的AI的硬伤
清华大学人工智能研究院院长、中科院院士张钹曾在《迈向第三代人工智能的新征程》演讲中对第一代、第二代人工智能的优劣进行了阐述。
第一代人工智能提出了以知识经验为基础的推理模型，它的优点是可解释、鲁棒性强，但局限性在于对人类的知识经验很难准确表达。
第二代人工智能最重要的成果便是深度学习，与知识驱动的第一代AI不同的是，第二代AI是以数据驱动，大数据的出现，加上优秀的算法，形成了基于概念的深度学习，再加上云计算等技术，使以数据为基础的连接主义模型得到了极大推广和应用，这也是为何数据在当下是极其关键且核心的因素的缘由，如果类比风力发电，数据便是风，有它才能有电。
但以数据驱动的AI有根本性的问题，张钹举例图像识别系统，它的识别率可以超过人类，但与人类感知不同，如果它一旦受到外界干扰，它就会出错。换言之，模式识别并未达到人类认知的水平，只能达到低等动物的水平，感知即是感觉+知觉，而模式识别只有感觉，没有认知。
他表示，按照大数据建立起来的人工智能系统似乎不可信、不可靠、不安全、不易推广，这都是目前用深度学习进行人工智能研究带来的问题，也可以说是大数据遇到的挑战。
遥想前两年利用DeepFake进行诈骗的案件，人脸识别的种族歧视等问题，都从侧面反应出了上述困境。
如何让机器有“常识”？光“喂”数据远远不够
“过去的人工智能要做什么需要研究人员将人类已经存在的信息变成算法，留在计算空间中，让计算机自动执行人类已经设计好的程序。而现在的通用计算机，是一个自动计算机，自动执行程序，人类程序员形似‘天启’为其注入智力，也如同我们无意之中提供的行为数据。”国防科技大学教授王怀民院士在2021世界人工智能大会期间这样指出。
所谓“天启”即是图灵1939年博士论文中提出的概念。天启图灵机是一种抽象计算机，用来研究决定性问题，通常可以执行很多对一般图灵机而言很特殊的操作，而现在最接近于天启图灵机概念的便是互联网应用，它通过搜集用户每天的行为数据，经过大数据算法形成了对于个体行为特征的分析和抓取，进而推送专属于每个用户自身的信息内容。
我们不经意间在某个视频上多停留的几秒，对同一家店的多次打卡，又或是对于某些消费品类的青睐，都会给人工智能带去海量的行为数据，而在这过程中，人工智能不再只是执行人类设计好的程序的计算系统，它同时也在理解人类。
对此，王怀民指出，这是一个意外，但已超出有穷表达的概念，这在今天应该给予高度重视。
那么为何我们需要对这些细微的变化给予高度重视？
因为常识往往不在数据中，自然语言理解就是最好的例子。它是人工智能领域最核心的问题，不管是机翻也好，自然语言应用也罢，人工智能系统当下的问题，在于缺乏常识，所以真正重要的场合还是以人为核心的同声传译为主。知识的发展，经验的传承是在海量数据中难以提取的。
第三代人工智能：人机混合的群体智能或是一大方向
国务院印发的《新一代人工智能发展规划》提出了五种人工智能的技术形态，即从数据到知识到决策的大数据智能、从处理单一类型媒体数据到不同模态（视觉、听觉和自然语言等）综合利用的跨媒体智能、从“个体智能”研究到聚焦群智涌现的群体智能、从追求“机器智能”到迈向人机混合的增强智能、从机器人到智能自主系统。
那我们该如何实现？我们所迎来的人机混合的群体智能时代或许是一条出路。
赛迪顾问人工智能产业研究中心高级分析师杜欣泽表示，第一代AI和第二代AI只是从两个维度，不同侧面描述人类心智，依靠单个范式不可能触及人类真正的智能。而第三代AI是融合第一代的知识驱动和第二代的数据驱动的人工智能，利用知识、数据、算法和算力四个要素，建立新的可解释和鲁棒的AI理论与方法，发展安全、可信、可靠和可扩展的AI技术。
未来，AI与人类的关系将从“功能辅助”转向“人机协同”。人类知识将在未来的AI技术发展中至关重要，需要构建起AI与人类的协作体系，而不是传统的人工智能单纯、单方向帮助人类完成特性功能性任务。当机器增强人类能力的同时，人类专家也在给予机器指引，让机器更加理解人类。
