机器智能来源有两类：一类是人类专家把自己掌握的知识教给机器，机器用这些知识进行推理，实现类似人的智能；另一类是把数据喂给机器，让他像人一样从中归纳总结出知识，再利用这些知识进行推理。早期的人工智能系统多采用第一种方案，现代人工智能系统多采用第二种方案。特别是深度学习发展起来后，数据的重要性越来越明显，人们将数据称为人工智能的粮食。
从数据中自动学习知识，这门学问称为“机器学习”。机器学习早在上世纪60年代就已经萌芽，但没有成为主流。后来人们渐渐发现，基于知识的人工智能系统受限严重，很难超过人类知识的上限，只有从数据中自我学习，才能实现更强大的智能。为了实现这一学习能力，研究者提出了包括概率模型、支持向量机、决策树、人工神经网络等各种学习结构，并取得了一系列成果。90年代以后，机器学习已经成为人工智能的主流方法。然而，受数据规模所限，当时的智能系统很多还难以实用。
图1：机器学习从大量数据中提取知识[1]
新世纪以后，数据积累快速增加，特别是互联网的发展让我们进入大数据时代。以语音信号处理为例，93年由MIT等三家机构发布的TIMIT数据集只有4.6小时，而今天免费的公开数据集Librispeech已经达到1000小时，商业公司所拥有的数据可能达到数十万小时。数据量的大幅增长使得我们可以学习更多更可靠的知识，如果这些知识能覆盖实际应用中的绝大部分场景，那么我们的人工智能系统将变得非常强大。
数据量的增长带来另一个变化是学习方法的简化。数据量不大时，我们需要人为设计各种特征提取方法，并在模型结构上引入各种限制以适应目标任务的需要。在大数据时代，我们可以选用更灵活的模型，直接学习从原始输入到目标任务的决策函数（如分类目标、预测值等），即当前研究较多的基于深度神经网络的端到端系统。
图2：端到端语音识别系统[2]
大数据学习为机器智能突破人类智能创造了可能。人类的知识也是从数据中来的，只不过经过了人的理性加工，变得更有条理。机器无法做到像人那样理性地学习，但优势是学习的速度快，可以短时间处理海量数据，因而可以发现人类还没有发现的新知识，从而获得更强的智能。这一方面为设计更强大的智能机器提供了可能，另一方面也引发了人工智能潜在威胁的讨论。
图3：海量数据学习可能发现新的知识[3]
尽管大数据学习取得了令人瞩目的成就，这一方法也引起了一些学者的反思。一个重要的问题是数据驱动带来的知识偏差。当前的统计学习方法主要学习高频事件，这些高频事件确实是最主要的知识来源，但当这些知识学习饱和之后，更深刻的知识往往体现在那些与常识相违背的小概率事件中。人类的科学家们往往从这些小事件中发现世界的深层规律，而目前的机器学习方法很难从小数据中发现新知识。这一缺陷的背后是统计机器学习的天然缺陷，这一缺陷使得机器无法对知识像人那样进行整理，形成自洽的体系并进行自我检验。换句话说，目前机器已经可以学习，但还做不到像人一样学习。
可以想见，数据在可预见的未来依然是人工智能最重要的食粮，但如何对这些粮食进行更有效的消化利用，还需要深入探索。这就像一个小孩子一样，书本显然是最重要的，但要形成理性，需要的不只是学习，还需要对知识进行疏理、理解、实践。拥有这样能力的智能机器或许才是人工智能的缔造者们所预想的样子。
参考文献：
[1] Let’s talk about Advanced Analytics: A brief look at Artificial Intelligence, https://becominghuman.ai/lets-talk-about-advanced-analytics-a-brief-look-at-artificial-intelligence-bf1c7a7d3f96
[2] Neural networks and speech recognition, https://www.gosmar.eu/machinelearning/2020/05/25/neural-networks-and-speech-recognition/
[3] Discover The Power of Big Data And Learning Analytics For Education, https://www.smartdatacollective.com/discover-power-of-big-data-learning-analytics-for-education/
By：清华大学 王东