介尺度中的复杂性——人工智能发展中的共性挑战

• 作者: 李静海 邬俊 郭力
• 来源期刊: 工程（英文）
• 关键词: 人工智能 深度学习 介科学 介尺度 复杂系统
• 年，卷（期）: 2019,（5）
• 页码范围: 924-929,中插125-中插131
• 页数: 7页
• 字数: 6763字
• 语种: 英文

摘要

探索复杂系统背后的物理机制并加以有效利用,是处理各类复杂事物的普适性方法.大数据的兴起与计算能力的提升,加之优化算法的改进,触发了以深度学习为驱动的人工智能变革,并在多个应用领域取得了突破性进展.然而,深度学习难以揭示所解决问题的底层逻辑和物理内涵,进而阻碍了其进一步发展.介科学提出了理解复杂系统时空多尺度结构的原理和方法,已在多个领域见到成效.本文提出"基于介科学的人工智能"研究范式,将介科学原理和方法应用于深度学习模型设计,旨在弥补其模型脱离问题物理原型这一根本性问题,探索人工智能可持续发展的有效途径.