大众网·海报新闻记者 于明效 上海报道
7月8日，2021世界人工智能大会于上海召开。2007图灵奖得主、国际嵌入式研发中心Verimag实验室教授约瑟夫·斯发基斯(Joseph Sifakis)在开幕式上分享“从弱的AI到强的AI到广义的AI”课题时指出，弱的AI只是一个基石，为了实现广义的人工智能，它可能并不是渐进式的机器学习。
约瑟夫·斯发基斯提出，人工智能可以从单一任务、单一区域、单一系统，比如说个人助理、自然语言翻译等等，发展到快速的、迅速的智能系统，能够集成很多线程的关系，能够实现冲突的多领域目标，并且在不可预计的电子机械环境当中工作，比如说智能汽车、智能电网和智能工厂等等。
约瑟夫·斯发基斯在大会上用神经网络等图片谈论挑战时表示，神经网络可以迅速地区分物品，在输入的自变量方面，0和1的奇偶数发生变化，代码发展变化就有自反应的问题，知道或多或少的输入数据的变化，有可能会引起自变量。
“另外一个是神经网络的可解释性，我们讲过我们对神经网络有更大程度上的信任，我们这里要有能够自我学习，可以在自适应的环境下不断学习的模型。”约瑟夫·斯发基斯提出。
最后，约瑟夫·斯发基斯说了对于智能的定义，表示有未知的物理学家解释，智能不是已知的东西，智能是你不知道怎么办的时候所用的东西。 “所以机器学习可以说只是对于数字的关联，其实我觉得这是最困难的一个问题。”
