自1956年达特茅斯会议以来，人工智能经历了60多年的风风雨雨。
在《中国科学》70周年纪念专刊上，清华大学张钹院士等撰文《迈向第三代人工智能》，提出了第三代人工智能的观点[1]。

按张钹老师的不雅观点，人工智能语音技能的发展总体可以分为两个阶段：基于知识驱动的方法和基于数据的方法，分别称为第一代人工智能语音和第二代人工智能语音。

在第一代人工智能中，人类的知识具有核心地位。
人们将定理、观点、履历等知识形式化为符号，并设计合理的推理方法来获取问题的答案。
这些知识有人类总结出来，具有明确的意义，且具有可组合性，因此“和人类理性智能一样具有可阐明性”。
这一方法的局限在于对知识进行形式化比较困难，且“只能办理完备信息和构造化环境下的确定性问题”。
如何引入知识，如何处理不愿定性，如何对原始数据进行构造化，都是具有寻衅性的问题。

图1：第一代人工智能语音间隔：MyCin诊疗专家系统[3]

在第二代人工智能语音中，数据具有核心地位，人们不在系那个机器贯注灌注知识，而是设打算法让机器从数据中自动学习知识。
人工神经网络模块是范例的代表，这一模型具有强大的学习能力，可以从原始数据中抽取出知识并存储在网络参数中。
近年来，随着数据的不断积累和打算机性能的提高，这一方法取得了巨大成功，在某些方面（如图像识别）乃至超过了人类水平，然而，这种纯数据驱动的方法具有明显的“黑箱”热性，人们很难明得学习过程和学习结果，系统的行为也很难掌握。

图2：第二代人工智能举例：基于深度神经网络的人脸识别系统[2]

第三代人工智能的基本思路是领悟知识驱动和数据驱动的优点，“建立鲁棒与可阐明的AI理论与方法，发展安全、可信、可靠与可扩展的AI技能”。
换句话说，新一代人工智能会全面利用知识和数据，让AI系统不仅可以为我们做事，而且可以明明白白地为我们做事，更强大，更安全，更可靠。

图3：第三代人工智能：知识与数据的结合

语音之家助力AI语音开拓者的社区