吴飞|浙大求是特聘教授吴飞：数据驱动与知识引导相互结合的智能计算( 五 )

文章插图

现在有一个方向的研究，认为精确刻画交通湍流和疾病传播等复杂系统的动力学偏微分方程异常困难。如何刻画新冠肺炎的传播？怎么刻画马航失事的飞机在大西洋和太平洋的残骸？它受到非常多的因素影响，大西洋彼岸一只蝴蝶翅膀的扇动，就会带来台风和暴雨，怎么带来的台风和风暴雨，这很难用方程表示。怎么办？我们可以学神经网络，但神经网络的方程我们不知道，且这些神经网络也不是简单的神经网络，而是建立输入数据和输出数据之间的关联。现在没有这个方式怎么办？
神经算子是科学计算里非常热门的一个方向，要把知识和数据更好地结合起来，就要更好地研究一些科学算子，更好地进行设计，把物理建模的约束融入到模型之中的模型。然后还要有一些快速的优化方法，从软件的角度进行考虑，因为真实世界实在太复杂了，我们无法用方程建立，只能用逼近、函数、优化、拟合等科学的方法加以解决。
我们和潘院士之前做过一个调研，通用人工智能现在的态势到底是怎样的？很多媒体说美国已经把通用人工智能当成国家任务在积极部署，我们把特朗普、奥巴马和拜登政府的国家人工智能规划通读一遍后，发现美国没有把通用人工智能当成国家的重要任务，最多只在奥巴马政府时期，用了一个叫做 General Purpose 的 AI。General Purpose 意为“通用目的”，和我们讲的 AGI 不同。在美国的这些人工智能计划里，更多是人工智能应该 more general，也就是更灵活、更通用。
借今天的演讲我想传递一个想法：数据驱动和知识引导，这里的知识一定是来自领域的知识，AlphaFold、Rose TTAFold 肯定没有用到百度百科或维基百科的知识，一定是化学家能看懂的知识，只有把这些知识和领域的专家做更好的结合，我们的人工智能才会 more general，才会向领域专家的能力靠近。

文章插图

雷峰网雷峰网