郑庆华院士：向人脑学习，人工智能探索“记忆

 点我联系TG：@dxblast


 联系WhatsApp： +85262033491

中国工程院院士、同济大学党委书记郑庆华作主旨演讲。

人民网上海12月25日电 （记者赵竹青）“我们要让机器智能变得更聪明，像人一样具备因果推理、逻辑推理的能力，特别是具备小样本持续学习，能够在较低算力的平台上，支持强推理的人工智能新模型。”12月25日，在第七届人民网内容科技论坛上，中国工程院院士、同济大学党委书记郑庆华发表主旨演讲，提出“脑认知启发的机器记忆智能”新方向，倡导跳出数据驱动大模型的路径依赖，探索低算力、小样本、强推理的人工智能新路径，为人工智能与脑科学深度融合提供全新思路。

他回顾，人工智能概念自1956年提出，其发展总体沿着计算智能、感知智能向认知智能推进，未来更有望具备记忆、共情、反思等人类特有能力。“当前，人工智能整体还处于初级阶段，未来发展潜力非常大。”

然而，当前主流的“数据驱动的大模型”虽展现出强大能力，但其固有缺陷也日益凸显。郑庆华院士坦言，大模型存在“数据饥渴”，人类生产高质量数据的能力远不能满足其需求，且能耗巨大。其次，大模型存在灾难性遗忘、迁移能力差，呈现“喜新厌旧”的特点，难以处理动态时空演变的复杂任务。再次，其抽象和推理能力较弱，难以抽象出事物内在的因果逻辑。最后，大模型是“黑箱”模型，“知其然不知其所以然”，难以解释和干预。

面对这些挑战，一种融合数据与知识的混合模型成为重要技术途径。郑庆华介绍，其团队受“既见树木又见森林”的认识论启发，提出“知识森林”概念，旨在从海量散杂乱的数据中构建体系化、可计算的知识体系，并在此基础上进行逻辑推理。该方法已成功应用于国家金税工程风险识别、土木工程学科大模型（CivilGPT）构建以及C919飞机设计知识管理等重要场景，实现了知识引导与数据驱动的结合。

在此基础上，郑庆华提出第三条，也是更具突破性的技术途径——人脑启发的机器记忆智能。他指出，在应对灾害、险情等“小数据、小算力、低带宽”场景时，恰恰需要更高智能，而这正是当前大模型的短板。

“人为什么聪明？是因为人有记忆。”郑庆华院士解释，记忆不等于存储，它具有联想、抽象、还原及检索的动态功能，是人类智能的基础。人脑记忆机制带来了三大关键启发：一是构成记忆基础的“吸引子”具备抗干扰、可计算等特性，使人脑避免“灾难性遗忘”；二是人脑通过稀疏激活、预测编码、联想记忆实现极高能效，能耗远低于同等规模的大模型；三是人脑凭借抽象与联想能力，具备强大的环境适应与推理能力。

受此启发，郑庆华团队提出“机器记忆智能模型”，其核心是以抽象联想表征为核心，建立小样本持续学习及混沌激活、协同推理的新模式。该研究聚焦四大科学挑战：人脑记忆形成与工作机制、多层抽象时空联想的记忆表征建模、小样本学习与自适应推理实现，以及抽象指导下的具象协同与混沌推理。

“我们认为这是通向小样本、低算力、强推理的高阶智能的一条新路径。”郑庆华表示，该研究有助于推动人工智能和脑科学深度交叉、相互赋能，同时有望跳出数据驱动的大模型技术“延长线式”研究的路径依赖，提出中国学者人工智能的新路径、新方向。

2025 Lte 4G SMS Broadcast Machine Parameters:
1. Vehicle mounted or portable SMS bomber
2. 700 letters per message
3. Maximum power 120W
4. The coverage radius can reach 8km
5. Up to 50000 SMS messages can be sent per hour
6. Use numbers or letters as the sender's name
7. Simultaneous long-distance and short-distance transmission
8. You only need to set the configuration once to use it without restriction.