譚鐵牛

　　目前的模式識別技術(shù)會遇到局部形變、光照變化等干擾，這些瓶頸的突破口還要到自然界中去尋找。

　　人們在觀察事物或現(xiàn)象時(shí)，常常要把各個(gè)相似但又不完全相同的事物或現(xiàn)象組成一類。例如一個(gè)數(shù)字有不同的寫法，對一個(gè)人來說，某一種寫法雖然沒有見過，但大腦卻能自動(dòng)將這個(gè)字識別出來。

　　這種模式識別行為雖然已司空見慣，但它卻是人類最重要的智能行為。而機(jī)器模式識別能力則很大程度上反映了機(jī)器智能類人的程度，成為人工智能的核心之一。

　　實(shí)際上在過去幾十年中，機(jī)器的模式識別取得了長足進(jìn)展，在特定領(lǐng)域取得了成功的應(yīng)用，但是，現(xiàn)有模式識別方法與生物系統(tǒng)相比依舊存在顯著不足。

　　當(dāng)前，一些面向特定任務(wù)的模式識別已取得突破性進(jìn)展，有的性能已可與人媲美。但通用模式識別系統(tǒng)仍然任重道遠(yuǎn)。機(jī)器模式識別的瓶頸主要集中在魯棒性差、自適應(yīng)性差、可泛化性差三個(gè)方面。

　　目前的模式識別技術(shù)還不夠“皮實(shí)”。比如，遇到局部形變、光照變化、遮擋、凌亂背景等干擾，機(jī)器就容易出錯(cuò)；機(jī)器也不會像人類一樣舉一反三、觸類旁通，而是要進(jìn)行大樣本的訓(xùn)練。

　　這些瓶頸的突破口還要到自然界中去尋找。向生物學(xué)習(xí)，開展生物啟發(fā)的模式識別，有望實(shí)現(xiàn)模式識別理論與方法的新突破，達(dá)到對不同任務(wù)無縫切換、對環(huán)境自主適應(yīng)等目標(biāo)。

　　這種生物啟發(fā)的模式識別，就是要向生物模式識別系統(tǒng)學(xué)習(xí)，充分借鑒腦科學(xué)、認(rèn)知科學(xué)乃至心理學(xué)的先進(jìn)成果，突破現(xiàn)有理論與方法的局限性，實(shí)現(xiàn)模式識別理論與方法的創(chuàng)新。

　　譬如，在我們的一篇論文中，研究人員受到人腦長短時(shí)記憶的啟發(fā)，提出了一種多模態(tài)記憶網(wǎng)絡(luò)，通過引入注意和記憶機(jī)制模塊，對具有時(shí)間依賴關(guān)系的多種模態(tài)長序列進(jìn)行建模，應(yīng)用于諸如視頻描述生成、智能對話等領(lǐng)域中。

　　又比如，人類能夠?qū)⒛撤N知識或者技能遷移到另一種相似的領(lǐng)域中。這種遷移學(xué)習(xí)的能力也受到了模式識別領(lǐng)域?qū)W者的關(guān)注，科學(xué)家試圖模仿生物從熟悉領(lǐng)域到陌生領(lǐng)域的學(xué)習(xí)方法，構(gòu)建跨領(lǐng)域跨模態(tài)遷移學(xué)習(xí)的模型，充分利用大量舊的已標(biāo)注樣本和當(dāng)前少量標(biāo)記數(shù)據(jù)訓(xùn)練新模型，解決新問題。

　　總之，模式識別是智能化時(shí)代的關(guān)鍵使能技術(shù)。向生物系統(tǒng)學(xué)習(xí)，開展生物啟發(fā)的模式識別研究，具有十分廣闊的創(chuàng)新空間與發(fā)展前景。（記者丁佳采訪整理）

　　（譚鐵牛，中國科學(xué)院院士）