7月27日，由中国互联网协会（huì）指导、微博（bó）和新浪新闻（wén）主办、主题为“融合生态 价值共创”的2022新智者大会召开。作（zuò）为人工（gōng）智能领域的行业峰会，本次大会（huì）汇聚20余（yú）位人（rén）工智能（néng）及元宇宙相关领域（yù）的顶级科学家、企业家（jiā）及学者。复旦大学计算机科学技术学（xué）院（yuàn）教（jiāo）授、CCF/CAAI Fellow王晓阳应邀（yāo）出席大会，以（yǐ）《新一代人（rén）工智能的加速效应》为（wéi）题发表了主题演讲，向观众（zhòng）们介绍了新一代人工智（zhì）能的特性以及人工智能（néng）的加速效应。

复旦大学计算机科学技术（shù）学院教授，CCF/CAAI Fellow王（wáng）晓阳做主题（tí）演（yǎn）讲

以（yǐ）下为王晓阳先生演讲实录，内容经编辑（jí）略有删减：

大家（jiā）好，很高兴今（jīn）天能够来（lái）到新浪的新智者（zhě）大（dà）会（huì）。今天很（hěn）有幸（xìng）跟大家讲（jiǎng）讲我的一些（xiē）看法，今天我讲的题目叫《新一代（dài）人工智能的加速效（xiào）应（yīng）》，我希（xī）望从这几个（gè）方面跟大家分享一下我最近的一些想法。

首先，我（wǒ）想从新一代（dài）人工（gōng）智能的特性，从我（wǒ）的理解来稍微地讲一下（xià），之后（hòu）讲（jiǎng）它的（de）加速（sù）的效应，人（rén）工智能的加速（sù）效应到底体现在哪里。

之后我想专注一（yī）下，因为我是做计算机的，信息系统（tǒng）的构建或者信息系统本（běn）身（shēn）是我们研究（jiū）的一个（gè）对象。我（wǒ）们在咱们的新媒（méi）体、咱们的所有的目前很多媒体的传播当（dāng）中，其实用到了非常多的信息系统（tǒng）。在这儿，我希（xī）望（wàng）提（tí）一下信息系统在咱们人工智能的加速效应下，它的一种新的构建的方（fāng）法论。

首先是这样，咱们也都知道，老生常（cháng）谈，知识（shí）就是力量（liàng），我们知（zhī）识（shí）是（shì）人类进步的一大（dà）源泉（quán）。知识目前的状况是知识不（bú）仅以书本的形式出（chū）现。在计算机出现（xiàn）之前，我们的知识（shí）都是从（cóng）口口相（xiàng）传到书本的记录，这个是很重（chóng）要的一（yī）个方式。

现（xiàn）在的（de）知识不仅（jǐn）是以书（shū）本的形式出现了，知识是以数（shù）字化，数字的模（mó）型化、编码化、执行（háng）的自（zì）动化、规（guī）模（mó）化来展现在（zài）我们社会当中（zhōng）。咱们传统上的体现就（jiù）在于（yú）计算机（jī）的软（ruǎn）硬（yìng）件上，这个（gè）是非常明（míng）显的一个进步。也就是说我们知识有了一种新的形（xíng）态，这是一个很大的转变（biàn）。

在咱（zán）们新（xīn）的一（yī）代人工智能的情况下面（miàn），知识（shí）的模（mó）型、知识的传播，以及知识的使用等（děng）等，这个（gè）已经在一（yī）个（gè）非（fēi）常新（xīn）的状态下（xià）面进行。

我（wǒ）们有新的知识模（mó）型的（de）出（chū）现（xiàn），我们的知识模型不再是之前的那种（zhǒng）计算（suàn）机代码的形式，而以（yǐ）比方（fāng）说神经网络这样的一种编码。

它（tā）的另（lìng）外一个很大的改变，就是所谓的新知识（shí）的来（lái）源这样一个不同。之前咱们新（xīn）的知识大（dà）部分基本（běn）上所有都是人类去总结、去编写，不管（guǎn）是以前书本上面（miàn）也好，我们（men）把它（tā）——知（zhī）识总结（jié）出（chū）来写在（zài）书里，传给（gěi）下（xià）一代，这（zhè）是一（yī）种（zhǒng）做法。还（hái）有就是咱们计算机的过程当中，咱们人类把知识写成代码，让计算机去执行。在我们新的一代人工智（zhì）能知识的来源就改变了。

从人类的设计转变成了一个自动学习的（de）过（guò）程，这个使得（dé）我们（men）新（xīn）一代的人工智能它的特（tè）点（diǎn）就（jiù）非（fēi）常明（míng）显。

原（yuán）来（lái）最早的时候人类是（shì）知（zhī）识的（de）积累（lèi）者、知识的传播者（zhě），以（yǐ）及知识的执行者（zhě）。后来有了计算机的发（fā）展，使人类在这个过程当中可以把知识交给机器，交给计算机，由计算机去执行。

而目前一种（zhǒng）发展的方（fāng）式，是说知（zhī）识的积累（lèi）也（yě）不需要人了，人从整（zhěng）个知（zhī）识（shí）的（de）这（zhè）样一个（gè）闭环里面，可（kě）以撤（chè）出，从机（jī）器当中自己去总结知识，形成编（biān）码，然后自动地执行，这是咱们目前人工智能（néng）一个新阶段的重要（yào）体现（xiàn）。

这个（gè）跟之前几次人工智能的风（fēng）波、几（jǐ）次的浪潮不太一样，很有特色（sè）。目前（qián）重（chóng）点的手段，咱（zán）们是向数据（jù）要知识，知识哪儿来？机器可以像科幻一样，这个机器（qì）人到处走走，它就把（bǎ）知（zhī）识给积累起来了（le），但是目前可能（néng）还没有做到这一点。目前重要的手（shǒu）段是向数据（jù）要知识，就是人把这个数据交给机器，机器（qì）在数据里面（miàn）去总结出知识来，把这个知识变成（chéng）编码（mǎ）等等。

知（zhī）识数（shù）据的重（chóng）要性，以及存储介质的价（jià）格持续的下降。

以及我们各种各样新的通信的形态，互联网、物联网等等，使（shǐ）得我们数据的积累达（dá）到了很大的程度，使得我们目前（qián）这一阶段（duàn）的人工智能（néng）能够做到向数（shù）据要知识这样一个过（guò）程。

成功案例也很多（duō），我们其实也（yě）是老（lǎo）生常谈了（le），大家也知道AlphaGo是（shì）一个典型的向（xiàng）数据要知识的做法。我们还有很成（chéng）功（gōng）的，像自（zì）然语（yǔ）言理解（jiě）、机器翻（fān）译（yì）、图像识别等等（děng），都（dōu）是（shì）因为（wéi）我们有了大量的数据的积累，使得我们整（zhěng）个的人工智能（néng）能够形成这样一个（gè）闭环。

现在我们其（qí）实人（rén）类（lèi）可能（néng）也搞（gǎo）不（bú）清楚图像是怎么识别的，就是这（zhè）个（gè）人过来能认得出这是谁。

但是机器能够从大量的数（shù）据（jù）里面（miàn）总结出来这样的一些（xiē）知识，然后把它编成一（yī）种代码。这个（gè）代码可（kě）能是一个像（xiàng）我（wǒ）刚（gāng）才说的（de），用神经网络的（de）方式来编码，编了之后还能去做所谓的推理，能够推出（chū）来眼前这个人是不（bú）是某（mǒu）某某，这样的一个做（zuò）法。所以整个的环路，都（dōu）由人（rén）工智（zhì）能来做。

自动驾驶目（mù）前是一个好（hǎo）像进展比较慢，但是我相（xiàng）信在不断收集数据之（zhī）后，向数据进行学习，我们的人工智能完全能（néng）够做到我们所谓的自（zì）动驾驶这（zhè）样一种方式。所以成功的案例（lì）非常地多，整个使（shǐ）得（dé）人工智能给了我们一个美好的向往（wǎng）。

那（nà）么它的（de）加速效（xiào）应也就是我刚（gāng）才讲的这些，咱们传（chuán）统的信息系统里面，以代（dài）码的形式来进行知识的编码。我们计算（suàn）机其实弄（nòng）到最后不复（fù）杂（zá），都是一（yī）些（xiē）If and else，就是（shì）如果这样（yàng）就（jiù）做这个，如果那（nà）样就做那个（gè），这种一连串很复杂的纵横（héng）交错的组合，形（xíng）成（chéng）了我们知（zhī）识（shí）的一种编码（mǎ），这就是我们写的代码，我们写的（de）计算机（jī）的Code虽（suī）然（rán）非常多，但是（shì）最终的形态还是非常（cháng）简单的。但是这种（zhǒng）简单（dān）的代码（mǎ），就能够执行很复杂的一些计算、各种（zhǒng）各样的（de）输（shū）入输出。

我们传（chuán）统的计算机代（dài）码是由人类的程（chéng）序员做的，我们的工具是我们的编（biān）程语言。

我们最早（zǎo）是简单（dān）的（de）很低层的代码，之后我（wǒ）们的编（biān）程语言越来越（yuè）高级，能够（gòu）讲几句话计算机（jī）可以执行很复（fù）杂的指令（lìng）。但（dàn）是无论如何，它还是一种人类来编（biān）码的这样一个过程。

这（zhè）样的话这个代码能不能交给（gěi）人工智能去构（gòu）建呢？能（néng）不能学（xué）习呢（ne）？这个（gè）肯定是可能的。这个加速其实我们已（yǐ）经（jīng）看到了，我刚才给的例子（zǐ）里（lǐ）面，我（wǒ）们已经看出来人工智（zhì）能应该是可（kě）以替代整个知识的获取，以及编码（mǎ）等等这些功能。虽然（rán）可能它的编码目前不是以（yǐ）我们人（rén）类编码（mǎ）的这种（zhǒng）形式，但是它以（yǐ）它独特的形态，比方说神经网络这样的形态来（lái）进行工作。

所以新一代（dài）人工智能它的加速其实就是在这儿（ér），就（jiù）是把很慢的这（zhè）样一个人，把它从知识的积累到知（zhī）识的编码、知识（shí）的执行等等，都把人给去除了。这样的（de）话，可以大（dà）大（dà）地加快（kuài）速度（dù），能力也大大（dà）地提升。

也就是说新一代（dài）的（de）人工智能（néng）给咱们知识领域带来这样一个重（chóng）大（dà）改变，就是（shì）知（zhī）识得以自动地获取。我们（men）需（xū）要（yào）的所谓知识原来是（shì）比（bǐ）较慢，人类还是（shì）一个慢动作，从计算机（jī）的角度来看它是一个慢动作的东西（xī）。世界上事物在不断地变化（huà），知识其实应该（gāi）随着事（shì）态的变（biàn）化（huà）来更（gèng）新。

在新一代的人工智能的情况下（xià），我们可以做（zuò）到更深层的、更及时的来调整我们（men）的知识认（rèn）识，把这个（gè）编（biān）码经常变。不像我们编好一个程序之后，要（yào）改变的话是非常难的一件事，如果说（shuō）把整（zhěng）个的环路能（néng）够由计算（suàn）机（jī）来完成，这（zhè）个（gè）就是非常快速，能够使得我（wǒ）们知识随事态来实时的做调整。

最重要的，当然我们之前也都有，这个编码了（le）之后，我们的知识可以直接加以自动的应（yīng）用，这是计算机开（kāi）始以来就有这样的一个能力。加速（sù）使得我们（men）这（zhè）三个阶段（duàn）、三（sān）个层面（miàn）上都能够自动地（dì）来做（zuò）。

使（shǐ）得我们新的一代知识方面的应用、知识的工作（zuò），能够大大（dà）地加快，它的能（néng）力大大地加强。所以咱们今天（tiān）的（de）主题，也就是要加快对我们人工智（zhì）能形（xíng）态的改变（biàn）。

新媒（méi）体（tǐ）其实（shí）是最早的人工智能的一（yī）个成功的案例，搜索系统，为什么Google能够（gòu）很成功？其实就是在于它自己自动的（de）搜集、学习、匹配、排序等等。不需（xū）要人了，Google一出来就把Yahoo给（gěi）打败，为什么呢？Yahoo还（hái）是靠着人（rén）来收（shōu）集的（de），那就是典型的之前的用（yòng）人工来编码的一种计算机系（xì）统。

Google的代替（tì），就是（shì）把（bǎ）人（rén）工编码（mǎ）给替（tì）代掉（diào）了。

这样的话整（zhěng）个的发展速（sù）度就非常地快。这是一个非（fēi）常成功的案例，这（zhè）也是（shì）咱们最早（zǎo）的一（yī）个在数据量巨（jù）大（dà）的情况下面，能够发展出（chū）一种新型的人工智能的东西。

我们后面发展出来的很（hěn）多，像各种各样的（de）推荐系统，咱们微博也有自己的推荐（jiàn）系统，热搜（sōu），像头条（tiáo）的抖（dǒu）音等等（děng），他（tā）们都（dōu）是使用了人工（gōng）智能的手段，把（bǎ）整个的闭环都（dōu）由人工智能来推进，使得我们整个的发展非常地快。

这种我把它叫做自动的知（zhī）识系统，它不（bú）断地收集数据，抽取组织知识，形成一个（gè）反馈。

这个是我们目前的一（yī）个新的状态，它所需要（yào）的技术（shù）当然就（jiù）是大数据、深度学习（xí）、云计算等等，这些技术手段来推进我们（men）人工（gōng）智能这样一个快速的发展（zhǎn）。

另外一个案例是在风（fēng）电（diàn）预（yù）测方（fāng）面，不光是新（xīn）媒体也受（shòu）益咱们事（shì）态（tài）的推（tuī）进（jìn），像实业上（shàng）面，这里有一个比较简单的例子风电预测。风（fēng）电需（xū）要预测它，最好是每（měi）时（shí）每刻都知道（dào），下一阶段每时每刻它能发多（duō）少（shǎo）电，这个（gè）对（duì）整个电网的调度非（fēi）常地（dì）有用、非常关（guān）键。你这（zhè）个风电能不能（néng）被用到，其（qí）实是（shì）一个很关键（jiàn）的事。

这个风电（diàn）的预测设计了非（fēi）常（cháng）多，以（yǐ）前如（rú）果要（yào）做（zuò）编码（mǎ）的话，还（hái）是（shì）相（xiàng）对比较难和比（bǐ）较复（fù）杂（zá）的系统，而且它应该是要（yào）随着机器不断（duàn）地老化，机器的（de）效率模型也应该是不断（duàn）地改变（biàn）。天气（qì），Local的天气，就是比较局部风力的预测，其（qí）实也是瞬息万变，这个也（yě）是（shì）一（yī）直在（zài）不（bú）断地改（gǎi）进（jìn）它自己的一些预测的（de）方式（shì）。

所以这里其实（shí）是一个很好（hǎo）的人工（gōng）智（zhì）能应用的场景（jǐng），它的风电的（de）效率的模型建（jiàn）模可以不（bú）断地进行对局部（bù）天（tiān）气的预报，尤其是风力的预报，能够不断地更新，使得我们整个现场的风电的预测（cè）能够顺利地进行。

这就是要（yào）比我们之前的那（nà）种进（jìn）步快很多，因为（wéi）这个模型由于（yú）大量数据（jù）的反馈，使得我们这个模型能够不断地更新、学习，跟着（zhe）事态来变（biàn）化。这样（yàng）使得我们整个风电（diàn）的预（yù）测能够更准确，能够在整个的场景里面（miàn）有效地进行。

所（suǒ）以不仅是新媒体，在各种（zhǒng）各样的系统里面，人工智能的应用其实都可以见到这样一（yī）个足迹（jì）。

回到信息系统，信息（xī）系统就（jiù）是我们新媒体，我们（men）各种（zhǒng）各样的现（xiàn）代社会基本上都是建立（lì）在（zài）一个信息（xī）系统上面（miàn）。信（xìn）息（xī）系统有（yǒu）很多，我这里举几个例（lì）子。

比方说机（jī）器学习本身，人工智能（néng）一个（gè）最基（jī）本的能力就（jiù）是机器学习。

机器学习需要一个系（xì）统。机器学习系统本身也是一（yī）个我们编码的（de）过（guò）程（chéng），它本身就是（shì）一个知（zhī）识的采集（jí），就是怎（zěn）么进行（háng）学习，它（tā）是比（bǐ）机器（qì）学习（xí）本身再（zài）高一层的（de），怎么（me）进行学（xué）习（xí）这样一件事其（qí）实也是可以由人工（gōng）智能来帮（bāng）助我们进行（háng）。数据（jù）库系统就是存（cún）储数据的，软件工程本身（shēn）怎么编码这个事也可（kě）以由人工智能（néng）来（lái）帮助。那计（jì）算（suàn）机（jī）网络就更不谈，计算机网络是一个很复杂的系（xì）统，在（zài）人工智能（néng）这样的手段下面能够做的更好，网络空间安全也（yě）是。

人工智能在（zài）逐渐地侵入到各个（gè）领域当中，这一点和前面的我们说（shuō）人工智能已经（jīng）发（fā）展了有60年了。

这前（qián）面的60年只有（yǒu）在最近的（de）5年、10年当中，我们（men）才看到大（dà）规模的人工智能的手段进入到（dào）我们很多的计算机本身、信息系（xì）统本（běn）身的（de）领域当中，这是一个很（hěn）大的（de）改变（biàn），这也是使得我们整（zhěng）个技术的更新迭代、技（jì）术的发展能够非常快（kuài），可以加速的发展。这也是一（yī）个（gè）很有（yǒu）意思（sī）的现象，我（wǒ）们把（bǎ）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（yě）是一个（gè）新（xīn）的现象。

我们（men）以（yǐ）计算机网络为例（lì），来看看它到底是怎么弄（nòng）的。因为计算机（jī）网（wǎng）络其实是一个（gè）数据的高速（sù）公路系统，可以这样说（shuō）。那么所谓的SDN，现（xiàn）在（zài）比（bǐ）较流行的SDN，就是所谓的软件定义的（de）网络（luò），它（tā）形成了一个很灵活（huó）的网（wǎng）络的底座（zuò）。

你可以（yǐ）把它看成是一（yī）个活的复杂系统，你（nǐ）可以随（suí）便地搭（dā）建，去重构它的（de）网络的这种连（lián）接。

这个时候人工智能在这里就可以发挥巨大的（de）作（zuò）用，网络要适应Traffic，就是你这个（gè）数据怎（zěn）么传的，怎么去（qù）适应它。反过头来，这个Traffic要（yào）去适应网络（luò），数据怎么传、从哪里走（zǒu）。另外就是网络的设（shè）计、网（wǎng）络的维护、网络的监控等（děng）等，以（yǐ）前我们（men）如（rú）果完全用人（rén）工去做（zuò）编码（mǎ）的话，有很多的情（qíng）况我们是（shì）没法预测（cè）、没法很快地去适应（adapt），这样的话使得（dé）我们（men）这个网络的效（xiào）率不会达到最高。

现（xiàn）在的这个手段当（dāng）然也（yě）是传统手段和现代（dài）手段结（jié）合的（de）一种方法（fǎ），但是现代（dài）的人工（gōng）智能所带来很多（duō）的遐想。可以说我们在计（jì）算机网络（luò）的（de）设计当中，在这个系（xì）统当中，融入我们的AI，就可能带来非（fēi）常多的（de）好处，我这里就不再赘（zhuì）述，这是计算机网（wǎng）络，只是一个例子。

可以看的出来，在我们的计（jì）算机（jī）系统里面（miàn），在复（fù）杂（zá）的系统当（dāng）中，由于（yú）我（wǒ）们（men）AI的出现，我们AI技术的体现，可以（yǐ）使得我们整个的技术发展的非常快。

如果这样看来，我们（men）现在（zài）的信息（xī）系统，包（bāo）括我们新（xīn）媒（méi）体用（yòng）到的很多信息系统（tǒng）当中。我们在构（gòu）建这（zhè）个信（xìn）息系统的时（shí）候，在新一代AI的条（tiáo）件下面（miàn），我们怎么来（lái）做？有没（méi）有所谓新的方法（fǎ）论？这个是我（wǒ）想（xiǎng）跟各（gè）位探（tàn）讨的。

目（mù）前的人工智能，至（zhì）少（shǎo）是目前吧，它是在复杂（zá）环境中自动获取知识的能力非常地强。但是（shì）它的准确性，只能是一个所谓的统计概念。我（wǒ）们理（lǐ）想（xiǎng）的信息系统不太（tài）一样，我们（men）理想的信息系（xì）统是可（kě）解释性要很高（gāo），我（wǒ）们是严格按照某种逻辑性来（lái）做我们（men）的工作的。

但是（shì）我们还需要在不确定的（de）环境下面（miàn）要适应环（huán）境，这里尤其是可解释性和（hé）严格逻（luó）辑（jí）性方面，与我们（men）现（xiàn）代的人工（gōng）智能有点统计意义的做法，有一定的矛盾。

我们怎么样在这样的情况下面（miàn），又能保证我们（men）理想的信（xìn）息系统（tǒng）的构建，又能够利用（yòng）到大量的人工智（zhì）能的这种技术呢？

这儿（ér）是不是可以提出一种新的所谓的方法论，能不能利用AI，利用人工智能提供的（de）统（tǒng）计意义上的准确知识，为严（yán）格可解释（shì）的逻辑执行所谓的保驾护（hù）航。也就是（shì）说它作为一（yī）个（gè）支（zhī）撑的，或者是作为某（mǒu）种辅助。就是（shì）作为两条腿走（zǒu）路，一方（fāng）面是有（yǒu）人（rén）工智能（néng）的支撑，一方（fāng）面是严格（gé）逻辑（jí）的支撑，这样子（zǐ）的话使得我们在整个的（de）信息系统里边能（néng）够达到（dào）更优（yōu）。

这个其实我们在信（xìn）息系统的人工智能应用当中看到很多这样的例子，它就是提供（gòng）这种（zhǒng）所（suǒ）谓的保驾护航，可以看（kàn）作是我（wǒ）们提（tí）供这样环境的知识（shí），这是一种看（kàn）法，不一定（dìng）完全，但是至少（shǎo）它是可以提供某种环境的知识，为严格的逻辑在所谓限定的范围内，以可解释的形式（shì）呈现。

就是说因为我们知道如果用严（yán）格的逻辑来推导所有的情况（kuàng），我们的计算量就会承受不了，不管你有多大的计算（suàn）机（jī），都是不（bú）太（tài）可能（néng）执行。但是如果我们由（yóu）人工智能学习（xí）的这（zhè）种统计（jì）意（yì）义上的这些知识，能够（gòu）提（tí）供一个（gè）所谓的（de）环境，一个环境（jìng）知（zhī）识，这样就（jiù）可以做到我们更有效的工（gōng）作（zuò）。

比方说推荐（jiàn）的文章、产品等等，其实我（wǒ）们可（kě）以两个加在（zài）一（yī）起，也就是说（shuō）我们推荐不光是一个统计意义（yì）上的（de）推荐，而（ér）且还可以（yǐ）做一（yī）些严格逻辑上（shàng）面的推理。这样的话，使（shǐ）得我们整个推荐的工（gōng）作能够（gòu）更智能、更贴（tiē）切，而且它的可解释（shì）性（xìng）可能会更（gèng）强一些。

比方说Network里（lǐ）面的Routing，你如果说（shuō）把所有的可（kě）能性都试一遍再去推荐的话，那是不可能（néng）的，太（tài）多。但是我们如果（guǒ）能够有一种人工智能（néng）的方法去做（zuò）一些学习（xí），能够做一些（xiē）所谓的统计意义上的（de）一个总（zǒng）结（jié）的话，可（kě）能会有很大（dà）的帮（bāng）助，这也是我们正在做的一（yī）些工作。

这样的话（huà）我们可以想像出来，我刚才说是两条腿，一（yī）个新的方法论。这里使得我（wǒ）联想起来我们（men）谈（tán）的比较（jiào）多的所谓（wèi）的人脑，这本书比较有名，讲（jiǎng）到（dào）了人脑的系统一和系统二的问题。粗略地讲，系统一讲的是反应，是一个非常快速（sù）的条件反（fǎn）射的系统，系（xì）统二指（zhǐ）的是经过了严密逻（luó）辑推理的系统。

据丹（dān）尼尔（ěr）·卡（kǎ）尼曼（Daniel Kahneman）来说，我（wǒ）们人脑是这两（liǎng）个系统协（xié）作的一个模式（shì）。

这样的话（huà），使得我们既能（néng）够在很（hěn）多的情况下面快速的反应，也（yě）能够在（zài）其他的（de）情（qíng）况下面做到（dào）严格逻辑（jí）的推断（duàn）这样的一些工作。

这个其实就跟刚才我讲的所（suǒ）谓的人工智能引（yǐn）入到我们的（de）系统（tǒng）当中，它的作用我认为可以这样考虑，也就是说把人工智能考虑成系统一，我（wǒ）们严格的逻辑在后面是叫系（xì）统二，这样合作起来能够达到（dào）一（yī）个更优的系统。

这里有很多的挑（tiāo）战（zhàn），现在其实还不是太（tài）清楚到底（dǐ）是怎么来（lái）进行。比方说力度的挑（tiāo）战，我们系统哪（nǎ）个力度引入系统（tǒng）一，这个确实不太容易。人脑是已经形成的一个（gè）系统，我们在（zài）做一（yī）个系（xì）统的（de）时候，我（wǒ）们怎么样引入？

我们原来的系统基本上（shàng）都是要么是系统一，就是人（rén）工智（zhì）能的就结束了，要么就是系统二的，那（nà）么系统一和（hé）系（xì）统二怎么结合在一起，这是一个非常有意思的挑（tiāo）战。力度的（de）挑战（zhàn）、数据的（de）挑战、模型的（de）挑战，系统（tǒng）到（dào）底应该长啥（shá）样（yàng），就是我们现（xiàn）在的神经网络还是什么？效率的挑战、整合的挑战等等（děng），很多的挑战使得（dé）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，包括新（xīn）媒体（tǐ）所用的各类的（de）系统，能够在这（zhè）样的一个环境下面更（gèng）快（kuài）地推进我们的（de）进步。

这（zhè）个就是我想跟（gēn）大家（jiā）探索这种新（xīn）的人工智能的（de）特性下面，因为这个知（zhī）识的自动（dòng）获（huò）取，这是一个非常大的飞跃（yuè）。

使得我们整个的信息系统能够自己形（xíng）成一个闭环，使它的发（fā）展速度会非常（cháng）快（kuài），自（zì）动地采集、自动地执行、自（zì）行地（dì）迭代（dài），这样加速效应非（fēi）常高。

在这（zhè）种情况下面，我们的信息系统的构建，是不是要（yào）有（yǒu）一种（zhǒng）新的方法？我们也看到（dào）这种新（xīn）的（de）方（fāng）法在不断地呈现，这（zhè）个新的（de）方法我们有没有一个（gè）新的方法论？这（zhè）个（gè）新的方法论是不是就是系统一（yī）、系统二结合这样（yàng）一个（gè）新（xīn）的方法论，来（lái）进（jìn）行我们人工智能（néng）的（de）系统，或者我们下（xià）一代的新媒体系统也（yě）好，通（tōng）信系统也（yě）好，计算（suàn）系统也好等等（děng），能不能用这样的方法。

总之，人工智能还有很大的进步（bù）空间（jiān），另（lìng）外一（yī）个（gè）口号就是系统二在（zài）整个的进步当中，好像让位给了系统一。

但是我觉得系统二（èr）的（de）回归是我们下一代的人工（gōng）智能总（zǒng）体发展的必要的步骤（zhòu）。