郑庆华院士：向人脑学习，人工智能探索“记忆”新路径

本文转自：人民网

中国工程院院士、同济大学党委书记郑庆华作主旨演讲。

人民网上海12月25日电 “我们要让机器智能变得更聪明，像人一样具备因果推理、逻辑推理的能力，特别是具备小样本持续学习，能够在较低算力的平台上，支持强推理的人工智能新模型。”12月25日，在第七届人民网内容科技论坛上，中国工程院院士、同济大学党委书记郑庆华发表主题演讲，提出“脑认知启发的机器记忆智能”新方向，倡导跳出数据驱动大模型的路径依赖，探索低算力、小样本、强推理的人工智能新路径，为人工智能与脑科学深度融合提供全新思路。

他回顾，人工智能概念自1956年提出，其发展总体沿着计算智能、感知智能向认知智能推进，未来更有望具备记忆、共情、反思等人类特有能力。“当前，人工智能整体还处于初级阶段，未来发展潜力非常大。”

然而，当前主流的“数据驱动的大模型”虽展现出强大能力，但其固有缺陷也日益凸显。郑庆华院士坦言，大模型存在“数据饥渴”，人类生产高质量数据的能力远不能满足其需求，且能耗巨大。其次，大模型存在灾难性遗忘、迁移能力差，呈现“喜新厌旧”的特点，难以处理动态时空演变的复杂任务。再次，其抽象和推理能力较弱，难以抽象出事物内在的因果逻辑。最后，大模型是“黑箱”模型，“知其然不知其所以然”，难以解释和干预。

面对这些挑战，一种融合数据与知识的混合模型成为重要技术途径。郑庆华介绍，其团队受“既见树木又见森林”的认识论启发，提出“知识森林”概念，旨在从海量散杂乱的数据中构建体系化、可计算的知识体系，并在此基础上进行逻辑推理。该方法已成功应用于国家金税工程风险识别、土木工程学科大模型（CivilGPT）构建以及C919飞机设计知识管理等重要场景，实现了知识引导与数据驱动的结合。

在此基础上，郑庆华提出第三条，也是更具突破性的技术途径——人脑启发的机器记忆智能。他指出，在应对灾害、险情等“小数据、小算力、低带宽”场景时，恰恰需要更高智能，而这正是当前大模型的短板。

“人为什么聪明？是因为人有记忆。”郑庆华院士解释，记忆不等于存储，它具有联想、抽象、还原及检索的动态功能，是人类智能的基础。人脑记忆机制带来了三大关键启发：一是构成记忆基础的“吸引子”具备抗干扰、可计算等特性，使人脑避免“灾难性遗忘”；二是人脑通过稀疏激活、预测编码、联想记忆实现极高能效，能耗远低于同等规模的大模型；三是人脑凭借抽象与联想能力，具备强大的环境适应与推理能力。

受此启发，郑庆华团队提出“机器记忆智能模型”，其核心是以抽象联想表征为核心，建立小样本持续学习及混沌激活、协同推理的新模式。该研究聚焦四大科学挑战：人脑记忆形成与工作机制、多层抽象时空联想的记忆表征建模、小样本学习与自适应推理实现，以及抽象指导下的具象协同与混沌推理。

“我们认为这是通向小样本、低算力、强推理的高阶智能的一条新路径。”郑庆华表示，该研究有助于推动人工智能和脑科学深度交叉、相互赋能，同时有望跳出数据驱动的大模型技术“延长线式”研究的路径依赖，提出中国学者人工智能的新路径、新方向。