近日，AI2000人工智能全球2000位最具影響力學者榜單在清華大學發布，中國學者規模位列世界第二，但高水平學者集中的研究機構匮乏，人工智能領域的人才隊伍亟待加強。
AI2000榜單由清華-中國工程院知識智能聯合研究中心和清華大學人工智能研究院發布。AI2000人工智能全球最具影響力學者（200名）和提名學者（1800名）分布于全球不同高校和學術機構，美國有1128人次，中國171人次，歐盟有307人次上榜。
發布會上，清華大學人工智能研究院院長、中國科學院張钹院士做了熱情洋溢的報告和精彩點評發言。
人工智能研究必須國際化
基礎研究，尤其是人工智能領域的基礎研究必須國際化，因爲只有把全世界的研究人員共同團結起來、利用起來，才能夠引領基礎研究的發展。爲什麽目前人工智能領域大多由美國來引領，就是因爲美國把全世界最優秀的人才利用了起來。
中國要想在基礎研究上引領世界，必須走國際化道路。今天有很多外國留學生來華求學，這是一個好事兒，但我們還可以做一定平衡調整，吸引更廣泛國家地區的優秀學生來華學習。
把數據驅動和知識驅動結合起來
人工智能的四大基礎是：知識、數據、算法和算力，回顧曆史，這四個因素都在不斷地發揮作用。第一代人工智能也叫符號人工智能，比較強調知識對智能的作用，因爲那時算法和算力都還沒有跟上。
進入新世紀後，深度學習把大家的目標凝聚到了數據上，這時大數據的出現，再加上很好的算法，就形成了基于概念的深度學習，再加上雲計算等手段，使以數據爲基礎的連接主義模型得到了極大推廣和應用。
數據主義喊了許多口號，導致了我們今天遇到一些困難，按照大數據建起來人工智能系統似乎不可信、不可靠、不安全、不易推廣，這都是目前用深度學習進行人工智能研究帶來的問題，也可以說是大數據遇到的挑戰。怎麽來解決這個挑戰呢？唯一的辦法，就是重新引入知識，把數據驅動和知識驅動結合起來，達成可信安全的第三代人工智能。
常識往往不在數據裏
自然語言理解是人工智能領域最核心的問題。不管做機器翻譯也好，做自然語言應用也好，都試圖通過分析符號序列來理解相關內容，這是第一代人工智能所謂符號主義的核心做法。到了第二代人工智能，又走上深度學習的道路，這條路充滿希望，但又非常危險，因爲解決不了可信安全的問題。
機器翻譯現在只能翻譯不重要的東西，因爲翻錯了也沒有關系，真正重要的場合還需要人力同聲翻譯。機器最大的問題，就在于它缺乏常識，根本不知道自己不知道，這是一個很大的問題。知識包含兩方面，一是我知道什麽，二是我不知道什麽。一個有學問的人，不僅僅表現在他知道的多，更表現在他清楚自己不知道的更多。那些狂妄自大的人，都是沒有學問的人，不知道自己能吃幾碗幹飯，機器翻譯也是這個問題。給機器任何句子，它都能翻，根本不懂也能瞎翻。
所以常識是必要的，簡單翻譯幾句話也需要大量嘗試積澱，“說你行，不行也行”，機器沒有常識，就很難理解這句話，人反而覺得很簡單，這就是常識的重要性。但常識庫的建立非常之難，現在沒法從數據中去建立常識庫，因爲常識往往不表示在數據之中。
建立常識，必須下功夫去做，只有這個問題解決了，自然語言的理解才能達到目標。而自然語言理解，則是第三代人工智能的終極目標，這是一個艱巨的任務。如果這個問題解決了，人工智能的其他問題將會迎刃而解。（李钊）