7月27日，由（yóu）中国互联（lián）网协会指导、微博和（hé）新浪新（xīn）闻主办（bàn）、主题为“融合生（shēng）态 价值共创”的2022新智者大会召开。作为人（rén）工智能领域的行业峰会，本次（cì）大（dà）会汇（huì）聚20余位人工智能及元宇宙相关领域（yù）的顶级科学家（jiā）、企业家及学（xué）者。复（fù）旦大学计算（suàn）机科学技术学院教（jiāo）授（shòu）、CCF/CAAI Fellow王晓阳应邀出席大会，以《新一代人工智（zhì）能的加（jiā）速效（xiào）应》为（wéi）题发表了主题演讲，向观（guān）众们介绍了新一代人工智能（néng）的（de）特（tè）性以及人工智能的加速效应。

复（fù）旦大（dà）学计（jì）算机科学技术学院（yuàn）教授，CCF/CAAI Fellow王晓阳做主（zhǔ）题演（yǎn）讲

以（yǐ）下为王晓阳先（xiān）生（shēng）演（yǎn）讲实录，内（nèi）容（róng）经编（biān）辑略（luè）有删减：

大家好（hǎo），很（hěn）高兴（xìng）今天能够来到新浪的（de）新智者大（dà）会（huì）。今天很（hěn）有幸跟大（dà）家（jiā）讲讲我（wǒ）的一些看法，今天我讲的题（tí）目叫《新一代人工（gōng）智能的加速效应》，我希望从这（zhè）几个（gè）方面跟大家分享一下我最近的一些想法。

首先（xiān），我想从新一代人工智能的（de）特性，从我的（de）理解来稍（shāo）微地讲一下，之后讲它的加速的（de）效应（yīng），人工智能（néng）的加速效（xiào）应到底（dǐ）体（tǐ）现在哪里。

之（zhī）后我想专注一下（xià），因为我是做计（jì）算机的，信息系（xì）统的（de）构建或者信息系统（tǒng）本（běn）身（shēn）是我们研究的（de）一个（gè）对（duì）象。我们在（zài）咱（zán）们的新媒体、咱（zán）们的（de）所有的目前很多媒体的传播当中，其（qí）实用到了非常（cháng）多的信息系（xì）统。在这儿，我希望提一下信息（xī）系统在咱（zán）们人工智（zhì）能的（de）加速效应下，它的一种（zhǒng）新的构建的方法论。

首（shǒu）先是这样，咱们也都（dōu）知（zhī）道，老生常（cháng）谈，知识就（jiù）是力量，我们知（zhī）识是人类进步的一（yī）大（dà）源泉。知识目前的（de）状况是知识不仅以书（shū）本的（de）形式出现。在计算机出现之前，我们的（de）知识（shí）都是从口（kǒu）口相（xiàng）传到书本的记录，这个是（shì）很重要的一（yī）个方式。

现在的知识（shí）不仅是以（yǐ）书（shū）本的形式出现了，知识是以（yǐ）数字化（huà），数字的模（mó）型（xíng）化、编码化（huà）、执（zhí）行的自动化、规模化来展现在我们（men）社会当中。咱们传统上的体现就（jiù）在于（yú）计算机的软硬件上，这个是非常（cháng）明显的一个进步。也就是说我们知（zhī）识有了一（yī）种新的形态，这（zhè）是一个很大的转变（biàn）。

在咱们新的一代人工（gōng）智能的（de）情（qíng）况下面（miàn），知识（shí）的模（mó）型（xíng）、知识的传播（bō），以及知识（shí）的使用（yòng）等等，这个已经（jīng）在一个非常新的（de）状态下面进（jìn）行。

我们有新（xīn）的知识模型的（de）出现，我们的知识模型不（bú）再是之前的那（nà）种计算机代（dài）码的形式，而以比方说（shuō）神经网络这样的一种编（biān）码。

它的另外一个很大的改（gǎi）变（biàn），就是所谓的新知识的来源这样一（yī）个不同。之前（qián）咱们新的知（zhī）识大部（bù）分基本上所有都是人类去总结、去编写，不（bú）管（guǎn）是以前书本上（shàng）面也好（hǎo），我们（men）把它——知识（shí）总结出来（lái）写（xiě）在书（shū）里，传给下一代，这（zhè）是一种做法（fǎ）。还有就（jiù）是咱们计算机（jī）的过程当中，咱（zán）们人类（lèi）把知识写成代码，让计算（suàn）机去执行（háng）。在我们新的一代（dài）人工智能知识的来源就改变了。

从（cóng）人类的（de）设计（jì）转变成了（le）一（yī）个自（zì）动（dòng）学习的过程，这（zhè）个使得（dé）我们新一代（dài）的人（rén）工（gōng）智能它的（de）特（tè）点就非常明显。

原来最（zuì）早的时候人类是知识的积累者、知识的传播者，以及知识的执行者。后来有了计算机的发展，使人类在这个过程当中可（kě）以把知识交（jiāo）给机器，交给计算机，由计算机去执行。

而目前一（yī）种发展的方式，是说知识的（de）积累（lèi）也不需要人了，人从整个知识的这（zhè）样一个闭（bì）环里面，可以撤出，从机器当中（zhōng）自（zì）己去总（zǒng）结（jié）知（zhī）识，形成编码，然后自动（dòng）地执行（háng），这（zhè）是咱们目前人（rén）工智能一个（gè）新阶（jiē）段的重要体现。

这个跟之前（qián）几次人工（gōng）智（zhì）能的（de）风（fēng）波、几次的浪潮不太一样，很（hěn）有特色。目（mù）前重点的手段，咱们是向数据要知识，知识哪儿来？机器（qì）可（kě）以像科幻（huàn）一样（yàng），这个机（jī）器人到处走（zǒu）走，它就（jiù）把知识给积累起来了，但是目（mù）前可能还没有做到这一点。目前重（chóng）要的手段是向数据（jù）要知识，就是（shì）人把这个数据（jù）交给机器，机（jī）器在数据里面去总结出知（zhī）识来，把这个（gè）知识变成编（biān）码等等（děng）。

知识数据的重要性（xìng），以（yǐ）及存储介质（zhì）的价格持续的下降。

以及我们各种各样（yàng）新（xīn）的（de）通信的形态，互联网、物联网等等，使得我们数据（jù）的积累达到了（le）很大的程度，使得我们目前（qián）这一（yī）阶（jiē）段的人工智能能够做到向数据（jù）要（yào）知识（shí）这样一（yī）个过程。

成功案例（lì）也很多，我们其实也（yě）是老生常谈了（le），大家也（yě）知道AlphaGo是一个典型（xíng）的向（xiàng）数据要知识的做法。我们还（hái）有很成功（gōng）的，像自然语言理（lǐ）解、机器翻译、图（tú）像（xiàng）识（shí）别（bié）等等，都是因为我们有了大量的数据的积累，使得我们（men）整个的人（rén）工智能能够形成（chéng）这样一个（gè）闭环。

现在我们其实人类可能（néng）也搞不清楚图像是怎么识（shí）别（bié）的，就（jiù）是（shì）这（zhè）个人过来（lái）能认得出这是谁。

但是机器能（néng）够从大量的数据里面总结（jié）出来这（zhè）样的一些知识，然后把（bǎ）它编（biān）成一（yī）种代码。这个代（dài）码可能是（shì）一个像我（wǒ）刚才说的，用（yòng）神经网络的方式来编码，编了（le）之后还能去做所谓的推理，能够推出来眼前（qián）这个（gè）人是不是某某某，这样的（de）一（yī）个做法。所以整（zhěng）个的环路，都由人工智（zhì）能（néng）来做。

自动驾（jià）驶（shǐ）目前是一（yī）个好像进展比较慢（màn），但是我相信在（zài）不断收集数据之后，向数据进行学习，我们的人工智能完全能够（gòu）做到我们所谓的自动驾（jià）驶这样一种方式。所（suǒ）以成功的案例（lì）非常（cháng）地多，整个（gè）使得人工（gōng）智能给了我（wǒ）们一个美好的向（xiàng）往。

那么它的加速（sù）效应也就是（shì）我（wǒ）刚才讲的这（zhè）些（xiē），咱们（men）传统的信息系统（tǒng）里（lǐ）面（miàn），以代码的形式来进（jìn）行知识的编（biān）码。我（wǒ）们计算（suàn）机其实弄到最后不（bú）复杂，都是一些If and else，就是如（rú）果这（zhè）样就做（zuò）这个，如果那样就做那（nà）个，这种（zhǒng）一连串很复杂（zá）的（de）纵（zòng）横交错的组合，形成（chéng）了我们知识的一种编码，这就是我们写的代码（mǎ），我们写的（de）计算机（jī）的Code虽然非常多（duō），但是最终的形（xíng）态还是非常简（jiǎn）单（dān）的。但（dàn）是这种简单的代码，就能够执（zhí）行很复杂的（de）一（yī）些计算（suàn）、各（gè）种各样的输入输（shū）出。

我们传统（tǒng）的计算机代码是由（yóu）人类的程序员做的，我们的工具（jù）是我们（men）的编程（chéng）语言。

我们最（zuì）早（zǎo）是简单的很低层（céng）的代码，之后我们的编程语言越（yuè）来越高级，能够讲（jiǎng）几句话计算机可以（yǐ）执行（háng）很（hěn）复（fù）杂的指令。但是无论如何（hé），它还是一种人类来编码的这样一个过程。

这样的话（huà）这个代码能（néng）不（bú）能交给（gěi）人工智能去构建呢？能不能（néng）学习呢（ne）？这个肯定是可能的（de）。这个加（jiā）速其实我们已经看到了，我刚才（cái）给（gěi）的例子里（lǐ）面，我们已经看（kàn）出来人工智能应该是可以替代整个知识的获取，以及编码等（děng）等这（zhè）些功能。虽（suī）然可能它的编码目前不是以我们人类编码的（de）这（zhè）种形式，但（dàn）是它以它独特（tè）的（de）形态，比（bǐ）方说（shuō）神（shén）经网络这样的形（xíng）态（tài）来进（jìn）行工作。

所以新一（yī）代人工智能它的加（jiā）速其实就是在这儿，就（jiù）是（shì）把很慢的这样一个人，把它从知识的积累到知识的编码、知识的执行（háng）等等，都把人（rén）给去除（chú）了。这样的话，可以大大（dà）地加快速度，能（néng）力也（yě）大大地提升。

也就（jiù）是说新一代（dài）的人工智（zhì）能给咱们（men）知识领（lǐng）域（yù）带来这样一个重大改变，就是知（zhī）识得以自动地（dì）获取。我们（men）需（xū）要的所谓知识原来是比较慢（màn），人类还是一（yī）个慢动作，从计（jì）算机的角度来看它是一（yī）个慢动（dòng）作的（de）东西。世界上事物在不断地变化，知（zhī）识其实应该随着事态的变化来更新（xīn）。

在新一（yī）代的人工智能的情况下（xià），我（wǒ）们可（kě）以做到更深层的、更及时的来调整我们的知识（shí）认识，把这个（gè）编码经常变。不像我们编好（hǎo）一（yī）个程序之后，要改变的（de）话是非常难的一（yī）件事（shì），如果说把整个（gè）的环路能够（gòu）由计算机来完成，这个（gè）就是非（fēi）常（cháng）快速，能够（gòu）使得（dé）我（wǒ）们知识（shí）随事态来实时的做调整。

最重要的，当然我们之前也都有，这（zhè）个（gè）编码了之后，我（wǒ）们的知（zhī）识可以（yǐ）直（zhí）接加以自动的应用，这是计算机开（kāi）始以来就（jiù）有这（zhè）样的一个能力。加速使得我们这三个阶段、三个层面上都能够自动地来做。

使得（dé）我（wǒ）们新的一代知（zhī）识方面（miàn）的（de）应用（yòng）、知识的工作（zuò），能够大大地加快（kuài），它的能力大大地加（jiā）强（qiáng）。所以咱们今天的主题（tí），也就是要加快（kuài）对我们（men）人工智能形态的（de）改变（biàn）。

新媒体其实（shí）是最早的（de）人工智能的一个成功的案例，搜索系统，为什（shí）么Google能够（gòu）很（hěn）成（chéng）功？其实就（jiù）是在于它自（zì）己自动（dòng）的搜（sōu）集、学习、匹配、排序等等。不需要人了，Google一出来就（jiù）把Yahoo给打败，为什么呢？Yahoo还是靠着人来收集的，那（nà）就是典型的之前的用人工来编码的一种计算（suàn）机系统（tǒng）。

Google的代替，就是把人工（gōng）编码（mǎ）给（gěi）替（tì）代掉了。

这样的话整个的（de）发展（zhǎn）速（sù）度就非常（cháng）地（dì）快（kuài）。这是一个非常成功（gōng）的案例，这（zhè）也是咱们最（zuì）早的一（yī）个在数据量巨大（dà）的情况下（xià）面，能够发展（zhǎn）出一种新型的人工智（zhì）能的东西。

我们后面发（fā）展出来（lái）的很多，像各种各样的推（tuī）荐系统，咱们（men）微博也有自己的推荐系统，热搜，像头条的抖音等等，他（tā）们都是使用了（le）人工智能的手段，把（bǎ）整个（gè）的闭环都（dōu）由人工智能来推进，使得我们（men）整（zhěng）个的发（fā）展非（fēi）常地快。

这种我把它叫做自动的知识系统，它不断地（dì）收集数据，抽（chōu）取（qǔ）组（zǔ）织知（zhī）识（shí），形成一个反（fǎn）馈。

这个（gè）是我们目前的一（yī）个新的（de）状态，它所需要（yào）的技（jì）术当然（rán）就（jiù）是（shì）大（dà）数（shù）据、深度学习、云计（jì）算等等，这些（xiē）技术手段来推进我们人工智能这样（yàng）一个快速的（de）发展。

另外（wài）一（yī）个案例是在风电预测（cè）方面，不光（guāng）是新（xīn）媒体也（yě）受（shòu）益咱们事态（tài）的推进，像实业上面，这里（lǐ）有一（yī）个比（bǐ）较（jiào）简（jiǎn）单的例子风电预测。风（fēng）电需要预测它，最（zuì）好是（shì）每时每刻都知道，下一阶（jiē）段每时每（měi）刻它能发多少电，这个对（duì）整个电网的（de）调（diào）度（dù）非（fēi）常（cháng）地有（yǒu）用（yòng）、非（fēi）常关键。你这个风电（diàn）能不能（néng）被用（yòng）到，其实是一（yī）个很关键（jiàn）的（de）事。

这个风（fēng）电的预测设（shè）计了非常多，以前（qián）如果要做编码的话，还是相（xiàng）对比（bǐ）较难和比较复杂的系（xì）统，而且它应该是要随着机器不断地老（lǎo）化，机器的（de）效率模型也（yě）应（yīng）该是不断地改变（biàn）。天气，Local的天气，就是比较局部风力的预测，其实（shí）也是瞬息万变，这个也是一直在不断地改进（jìn）它自己的一些预测的方式。

所以这里其（qí）实是一（yī）个（gè）很好的人（rén）工智（zhì）能应用的场景，它（tā）的风电的效率的模型建（jiàn）模可以不（bú）断（duàn）地进行对局部天气（qì）的（de）预（yù）报，尤其（qí）是风力的预报，能够不断（duàn）地更新，使得我们整个现场的风电的（de）预（yù）测能够顺利地进行。

这就是要比（bǐ）我们之前的那种进步快（kuài）很多（duō），因为这（zhè）个模型由（yóu）于大量数据的反馈，使得我（wǒ）们这个模型能够不（bú）断地（dì）更新、学习，跟着事（shì）态来变化。这样（yàng）使得我们整个风电的预测能（néng）够更（gèng）准确，能够在整个的场（chǎng）景里面（miàn）有效地进行。

所以（yǐ）不仅是新媒体，在各种各样的系统（tǒng）里面（miàn），人工（gōng）智能的应用其实都（dōu）可以见到这（zhè）样一个足迹。

回到信息系统，信息系统就（jiù）是我们新媒体（tǐ），我们（men）各（gè）种各样（yàng）的现代社（shè）会（huì）基本（běn）上都（dōu）是（shì）建立在一（yī）个（gè）信息系（xì）统上（shàng）面。信息（xī）系统有很多，我（wǒ）这里举（jǔ）几（jǐ）个例（lì）子。

比方说机器学习本（běn）身（shēn），人工（gōng）智能一个最基本的能（néng）力就是机器学习（xí）。

机器学（xué）习需要（yào）一个系（xì）统（tǒng）。机器学习系统（tǒng）本身也是一个我们编码的过程，它（tā）本身就是一个知识的采集（jí），就是怎么进（jìn）行学（xué）习（xí），它是比机（jī）器学习本身再高一层的，怎（zěn）么进行学习（xí）这样一件事其实（shí）也是可以由人工智能来帮助我们进行（háng）。数据（jù）库系统就是存储（chǔ）数据的，软件工程本身（shēn）怎么编码（mǎ）这（zhè）个（gè）事也可以由（yóu）人工（gōng）智能（néng）来帮助（zhù）。那计算机网络就（jiù）更不谈，计算机网络是一（yī）个很复杂的系统，在人工智能（néng）这样的手段下面能（néng）够做的更好（hǎo），网络空间安全也（yě）是。

人工智能在逐渐地（dì）侵（qīn）入到（dào）各个领域当中（zhōng），这一点和（hé）前面的（de）我们说（shuō）人工智能（néng）已经发展了有（yǒu）60年了。

这前面的（de）60年只（zhī）有在最近的5年、10年当中，我（wǒ）们才看（kàn）到大规模的人工（gōng）智能的手段进入（rù）到我们很多的计算机本（běn）身、信息系统本（běn）身的领域当中（zhōng），这（zhè）是（shì）一个很大的改（gǎi）变，这也是使得（dé）我们整个技术的更（gèng）新迭代、技（jì）术的发展能够（gòu）非常快，可以加速的发展（zhǎn）。这（zhè）也（yě）是一个很（hěn）有意（yì）思的（de）现象，我们把人工智能用到我们做人工智能的那些系统里（lǐ）边去了，这也是（shì）一个新的现象。

我们以（yǐ）计算机网络为例，来看看（kàn）它（tā）到（dào）底是怎么弄的。因为（wéi）计算机网络其实是一个数据的高（gāo）速公路系（xì）统，可以这样（yàng）说（shuō）。那么所谓的SDN，现（xiàn）在比（bǐ）较流行的SDN，就是所谓的（de）软件定义的网络（luò），它形成了一个很灵活（huó）的网络的底座。

你可以（yǐ）把它（tā）看成是一个活（huó）的（de）复杂系统，你（nǐ）可以随便（biàn）地搭建，去重构它的网络的这种（zhǒng）连接。

这个时候人（rén）工（gōng）智（zhì）能在这里就（jiù）可以发挥巨大的作用，网络要适（shì）应Traffic，就是（shì）你这个数据怎么传的，怎么去适应它（tā）。反（fǎn）过头来，这个Traffic要去适应网络，数据怎么传、从哪里走。另外就是（shì）网络的设计、网络的维护、网络的监控等（děng）等，以前我们（men）如果完全用人工去做编码的话，有（yǒu）很（hěn）多的情况我（wǒ）们是没（méi）法预测、没法很快地（dì）去适（shì）应（adapt），这（zhè）样的话使得我们这个网络的效率不会（huì）达（dá）到（dào）最高。

现（xiàn）在的这个手（shǒu）段当然也是传统手段（duàn）和现代手段结（jié）合的一种方法，但是现代的人工智能所带来很（hěn）多（duō）的遐想。可以说我们在计（jì）算机网（wǎng）络的设计当中，在这个系统当中，融入我们的AI，就可能带来非常（cháng）多（duō）的好处（chù），我这里就不再赘述，这是计算（suàn）机网络，只是一个例子。

可（kě）以（yǐ）看的出来，在我（wǒ）们的（de）计算机系统（tǒng）里面（miàn），在复杂的系统当中，由于（yú）我们AI的出现，我（wǒ）们AI技术的（de）体现，可以使得（dé）我们（men）整个的技术发展的非常快。

如果这样看来，我（wǒ）们现（xiàn）在的（de）信息系（xì）统，包括我们新媒体用（yòng）到的很多信息系统当中（zhōng）。我们在构建（jiàn）这个信息系统的（de）时（shí）候，在新一（yī）代AI的条件下（xià）面，我（wǒ）们怎么来做？有没有所（suǒ）谓新的方法论？这（zhè）个（gè）是我想跟各位探讨的。

目前的人工智能，至少是（shì）目前吧，它是在（zài）复杂环境（jìng）中自动获取知识的能力（lì）非常地强。但是它（tā）的（de）准（zhǔn）确性（xìng），只（zhī）能是一（yī）个所谓的（de）统计概念。我们理想的信息系统不太一样，我们理想的信息系统是（shì）可解释（shì）性要很高（gāo），我（wǒ）们是严格按照（zhào）某（mǒu）种逻（luó）辑性来做我们的工作的。

但（dàn）是我们还需要在不确定的环境（jìng）下面要适应环（huán）境，这里尤其是可解释性和严格逻辑性（xìng）方面，与我们现（xiàn）代的人工智能有（yǒu）点统计意义的（de）做法，有一定（dìng）的矛盾（dùn）。

我们怎（zěn）么样在（zài）这样的（de）情况下（xià）面，又能保证（zhèng）我们理想（xiǎng）的信息系统的构建，又能够（gòu）利用到（dào）大量的（de）人（rén）工智（zhì）能的这种技术呢？

这儿是不（bú）是（shì）可以提出（chū）一种新的（de）所谓的方（fāng）法论，能不能利用AI，利用人（rén）工智能提供的统（tǒng）计意义上的（de）准确知（zhī）识，为（wéi）严格可（kě）解释的逻辑执行所谓的保（bǎo）驾护（hù）航。也就是说它作为一个支撑的，或者（zhě）是作为某种辅助。就是作为两条腿走（zǒu）路，一方面是（shì）有人工智能的支撑（chēng），一方面是严格逻辑（jí）的支撑，这样子的话使得我们（men）在（zài）整个的信息系统里（lǐ）边能够达到更优（yōu）。

这（zhè）个其实我们（men）在信息系统的人工智能应用（yòng）当中看到很多这（zhè）样的例（lì）子，它就是提（tí）供这种所谓的保驾护航，可以看作是我们提（tí）供这（zhè）样环境的（de）知识，这是一（yī）种看法，不一定完（wán）全，但是至少它是可以（yǐ）提供某（mǒu）种环境的知识（shí），为严格的逻辑在（zài）所谓限定的范围内（nèi），以可解（jiě）释（shì）的形式呈现。

就是（shì）说因（yīn）为我们知道如果（guǒ）用严格的（de）逻辑来（lái）推导（dǎo）所有的情况，我（wǒ）们的（de）计（jì）算量就会承受不了（le），不管你（nǐ）有多（duō）大的计算机，都是（shì）不太可能执行。但（dàn）是（shì）如果我们（men）由人（rén）工智能学习（xí）的这（zhè）种统（tǒng）计意（yì）义上的这些（xiē）知识（shí），能够提供一（yī）个所谓的环境，一个环境知识，这（zhè）样就可以做到我（wǒ）们更有效的工作。

比方说推（tuī）荐的（de）文（wén）章、产品等等，其实我们可以（yǐ）两个加在一起，也就是说我们推荐不光是一个（gè）统计意义上（shàng）的推荐，而且还可以（yǐ）做一些严格逻（luó）辑上（shàng）面的推理。这样（yàng）的话（huà），使（shǐ）得我（wǒ）们整个（gè）推荐的工（gōng）作能（néng）够更智能、更贴切，而（ér）且它的可解释性可能（néng）会更强一（yī）些。

比方说Network里面的Routing，你如果说把所有（yǒu）的可能性都（dōu）试一遍再去（qù）推（tuī）荐（jiàn）的话，那是不可能的（de），太（tài）多。但（dàn）是我（wǒ）们如果能（néng）够有一种人工智能的方法（fǎ）去（qù）做（zuò）一些学习，能够做（zuò）一些（xiē）所（suǒ）谓的统计意义上的一个总结的话，可能会有（yǒu）很大（dà）的（de）帮（bāng）助，这（zhè）也是我们正在做的（de）一（yī）些工作。

这（zhè）样的话我（wǒ）们可以（yǐ）想（xiǎng）像（xiàng）出来，我（wǒ）刚（gāng）才（cái）说是两条腿，一个（gè）新（xīn）的方法论。这里使得（dé）我（wǒ）联想起来我们谈的比较多的所谓的人（rén）脑，这本（běn）书比（bǐ）较有名，讲（jiǎng）到了人（rén）脑的系统一和系统（tǒng）二的问题。粗略地讲，系统一讲的是（shì）反应，是（shì）一个非常快（kuài）速的条件反射的系统（tǒng），系统（tǒng）二指的是经过了（le）严（yán）密逻辑推理的系统。

据丹（dān）尼尔·卡尼曼（Daniel Kahneman）来说，我们人脑是这两个系统协作的一个模式。

这样（yàng）的话，使得我们既能够在很多的情况下面快速（sù）的反（fǎn）应（yīng），也能够（gòu）在（zài）其他的情况下面做到严格逻辑的推（tuī）断这样的一些（xiē）工（gōng）作。

这个其实就跟刚才（cái）我讲的（de）所谓的人工智能引入到我们（men）的（de）系统当（dāng）中，它的作用我认为可以（yǐ）这（zhè）样考虑，也（yě）就是说把（bǎ）人工智能（néng）考虑（lǜ）成系统一（yī），我们严格的逻辑在后面（miàn）是叫系统二，这样合作（zuò）起来能够达到（dào）一（yī）个更优的系统。

这里有很多的（de）挑战，现在其实（shí）还（hái）不是太清楚到底是怎么来（lái）进（jìn）行。比方说（shuō）力度（dù）的挑战，我们系统哪个力度引入系统一，这个确实不太容易。人脑是已（yǐ）经形成的一个系（xì）统，我们在做一个（gè）系统的时候，我们怎么样引入？

我们原来的系统（tǒng）基本上（shàng）都是要么是（shì）系统一，就是人工智能的就（jiù）结束了，要么就是（shì）系统（tǒng）二的（de），那么系统一和系（xì）统二怎么结（jié）合在一起，这是一个非常有意思的（de）挑战（zhàn）。力度（dù）的（de）挑战、数（shù）据的（de）挑战、模型的（de）挑战，系统（tǒng）到底应该长啥样，就是（shì）我们现在的神（shén）经（jīng）网（wǎng）络还（hái）是什么？效率的挑战、整合的挑战等等，很（hěn）多的挑战使得这两个系统能够合到一起。使得我（wǒ）们这种目前所用的（de）系统（tǒng），包括（kuò）新媒体所用的各类的（de）系统，能够在这样（yàng）的一个环境下面更快地（dì）推进我们的进步。

这个就是我想跟大家（jiā）探索这种新的人工（gōng）智能的特性（xìng）下面，因为这个知识的自动获取，这是（shì）一（yī）个非常大的飞跃。

使得我们（men）整个的信（xìn）息系统能够自己形成（chéng）一（yī）个闭环，使（shǐ）它（tā）的发展速（sù）度会非常快，自（zì）动地（dì）采集、自动地执行、自行地迭代，这样加速（sù）效应非（fēi）常（cháng）高。

在这种情况下面，我们的信息系统的构（gòu）建，是不是要有一种新的方法？我们也看到（dào）这种（zhǒng）新的方法在不断（duàn）地呈现，这个新的方法我们有没有一个新的方（fāng）法论？这个新的方法论（lùn）是不是就（jiù）是（shì）系统一、系统二结合这样一个新的方法（fǎ）论，来进行（háng）我们（men）人（rén）工（gōng）智能的系统，或者我们下一代（dài）的新（xīn）媒体（tǐ）系（xì）统也（yě）好，通信系统也好（hǎo），计算系统也（yě）好（hǎo）等等，能不能用这样的方（fāng）法。

总之，人工（gōng）智能还有很（hěn）大（dà）的进步空（kōng）间，另外（wài）一个口号就是系（xì）统二在整个的进步当中，好（hǎo）像（xiàng）让（ràng）位给了系统一。

但是我觉（jiào）得系统二的回归是我们下一代的人工智能总体（tǐ）发展的必要的步骤。