面向智能机器的维基与双重深度学习

以数据为中心的深度学习算法在人工智能(AI)的事务型点应用（如人脸识别或心电图分类）中取得了令人瞩目的突破。然而，尽管值得充分肯定，仅依赖数据的、无知识的机器学习算法在非事务型AI应用（如超出心电图结果的医学诊断）中存在严重局限。此类应用需要在其问题解决能力中具有更深更广的知识，例如将解剖学与生理学知识与心电图结果及其他患者发现相整合。在回顾并举例说明若干真实AI应用的此类局限后，我们指出了克服它们的途径。所提出的“面向智能机器的维基”倡议旨在构建代表人类在生命各领域科学技术知识的软件结构仓库；这些知识是我们在中小学、大学及职业生涯中所学习的。这些仓库的目标读者是智能机器，而非人类。AI软件开发者将能随时获取这些可复用知识结构，因此提议命名为ReKopedia。大数据如今已是一项成熟技术，是时候聚焦于大知识了。其中部分将从数据导出，部分将取自人类巨大的知识仓库。面向智能机器的维基与新的双重深度学习(Double Deep Learning)方法提供了一种将数据中心深度学习算法与利用深层知识的算法（如证据推理与因果推理）相整合的范式。作为示例，描述了一个为约1000种疾病的医学诊断生成ReKopedia知识模块的项目。数据很重要，但深层、基础与常识性知识同样重要。