人工智能研究和应用已经走过了60多年的历程。近年来，由于互联网的发展和深度学习算法的进步，人工智能迎来了又一次发展的机遇。但目前人工智能依然存在着许多“机器”属性，真正的智能关口有待突破。1月10—12日，由江苏高校语言能力协同创新中心、江苏师范大学国家语委语言能力高等研究院、江苏师范大学语言科学与艺术学院等机构主办的“未雨绸缪：语言与下一代人工智能博鳌论坛”在海南举行，来自国内30余所高校和科研院所的70余位人工智能、计算机科学等领域的专家学者与会研讨。
人工智能发展历经三个阶段
60多年来，人工智能在世界范围内经历了三个发展阶段，在许多领域都取得了突破性进展。
“人工智能发展至今，主要经历了逻辑推理、知识工程和数据挖掘三大阶段。”中国工程院院士吾守尔·斯拉木表示，20世纪50年代至70年代是人工智能的“逻辑推理”时代。这一时期，人们普遍认为只要赋予机器逻辑推理能力就可以实现人工智能。20世纪70年代至90年代是人工智能的“知识工程”时代。当时人们普遍认为，要让机器变得智能就应该设法让机器学习知识。2000年至今，人工智能进入“数据挖掘”时代。随着各种机器学习算法的提出和应用，特别是深度学习技术的发展，人们希望机器通过大量数据分析进行自主学习、获取知识，逐步达到智能化水平。
对自然语言的处理能力是人工智能发展水平的重要体现。“人工智能的终极目标是使机器达到人类理解自然语言的水平。”中国科学院院士、清华大学人工智能研究院院长张钹提出，人工智能解决语言问题可以分为三个阶段。第一阶段是传统人工智能时代，主要基于语言规则来处理语言问题。第二阶段是概念统计学习时代，主要应用深度学习处理自然语言。第三阶段是后深度学习时代。
提升自然语言处理能力
与会学者认为，如果人工智能能够实现从感知计算到认知计算的质变，机器就能够真正理解自然语言。当前的机器深度学习给自然语言处理带来的只是量变，真正的深度学习需要以数学和语言学为基础。
哈尔滨工业大学语言语音教育部—微软重点实验室教授李生提出，当前人工智能采用的深度学习算法，在感知智能上已经取得了突破性成果，但其认知能力还十分有限，尚处于感知走向认知的临界点。因此，人工智能的进一步发展必须逾越人类大脑思维能力和因果推理的鸿沟，否则真正的认知和通用人工智能难以实现。
“在人工智能研究领域，人们已经充分认识到人类智力、意识、思维的重要性，但是很少意识到这些都是以语言为基础的。”江苏师范大学语言科学与艺术学院院长杨亦鸣认为，动物只有建立在具象基础上的思维，而人类不仅具有具象思维，还有抽象思维和灵感思维。因为人类有了语言，人类的具象思维也远超动物的具象思维，语言作为思维的物质载体参与了整个高级认知功能。以此为基础重新考虑人工智能的基本理论，有可能推进符合语言和大脑实际的人工智能研究。
吾守尔·斯拉木强调了以自然语言理解为核心的认知方法的重要性。他谈到，自然语言理解是混合智能的重要领域，使计算机具备理解自然语言的能力是认知计算的核心问题，其发展的关键是开展语言认知的脑机制研究。
北京大学中文系教授袁毓林认为，人工智能必须能够理解自然语言的意义并进行常识推理。通过对词汇知识进行深度挖掘，并与计算机的视觉、知识图谱等技术相结合，有望让人工智能达到一种可理解的、可解释的境界。
开展多学科协同创新研究
与发达国家相比，我国的人工智能已在部分领域实现关键技术突破。未来我国人工智能研究要在战略上由跟跑向并跑、领跑迈进，提前布局，尽早谋划下一代人工智能发展，发挥各个相关领域专家学者的共同作用，努力取得变革性、颠覆性突破。与会学者提出，探索机器语言理解的人工智能研究需要多学科、多领域联合攻关、协同创新，同时还要加强计算机科学、语言科学等多学科复合型人才培养。
中国工程院院士、国防科技大学计算机学院院长廖湘科认为，智能都是由软件来实现的，传统软件只是信息管理，今后的软件则能感知多维信息，在感知的基础上进行包含观察、判断、决策和行动的管理。因此，软件是智能经济时代知识的载体。更好地发展智能软件，需要经营生态链，关注并行计算、云计算等新技术，建设具有高水平学科交叉能力的人才队伍，大力加强协同创新和人才培养。
清华大学教授孙茂松表示，目前，机器还不能像人一样处理自然语言，人工智能研究任重道远。人工智能自身具有鲜明的跨学科性质，需要计算机科学家、语言学家等各个领域的专家学者开展深入的交流合作。
杨亦鸣认为，与人工智能密切相关的脑科学研究要有前瞻性。目前，认知与行为层面的语言脑机制研究相对丰富，细胞层面的研究相对匮乏，在分子层面也局限于少量基因与语言障碍的关联研究。只有贯通从分子层面到认知与行为层面的研究，才可能为人工智能研究带来突破性变革。他强调，要重视“语言智能+X”人才培养，特别是要着重培养具有前瞻性的“人工智能+语言学专业”复合型人才。
