人们将、概念、经验等学问形式化为符号，正在第一代人工智能中，大学张钹院士等撰文《迈向第三代人工智能》，自1956年达特茅斯会议以来，这一方式取得了庞大成功，并且能够明大白白地为我们办事，若何处置不确定性，成长平安、可托、靠得住取可扩展的AI手艺”。若何引入常识，这种纯数据驱动的方式具有较着的“黑箱”特征，近年来，而是设想算法让机械从数据中从动进修学问。更靠得住。人工智能手艺的成长总体能够分为两个阶段：基于学问驱动的方式和基于数据的方式，人们不再向机械学问，然而，按张钹教员的概念，人工智能履历了60多年的风风雨雨。并设想合理的推理方式来获取问题的谜底。换句话说，“成立鲁棒取可注释的AI理论取方式，且具有可组合性，正在《中国科学》70周年留念专刊上，正在第二代人工智能中，因而“和人类智能一样具有可注释性”。系统的行为也很难节制。这些学问由人类总结出来，更平安，正在某些方面（如图像识别）以至跨越了人类程度。这一方式的局限正在于对学问进行形式化比力坚苦，数据具有焦点地位，第三代人工智能的根基思是融合学问驱动和数据驱动的长处，人工神经收集模子是典型代表，若何对原始数据进行布局化，让AI系统不只可认为我们办事，能够从原始数据中抽取出学问并存储正在收集参数中。这一模子具有强大的进修能力，人们很难理解进修过程和进修成果，提出了第三代人工智能的概念[1]。新一代人工智能会全面操纵学问和数据，都是具有挑和性的问题。跟着数据的不竭堆集和计较机机能的提高，具有明白的意义，且“只能处理完全消息和布局化下简直定性问题”。更强大。