构建机器智脑的强大知识库需面临的挑战小议

随着服务机器人产业的进一步发展，将认知能力赋予机器，让机器“掌握”一定的知识，并利用这些知识更好地为人类服务已经是服务机器人产业乃至整个智能机器人产业进一步发展所面临的重大问题。大数据为知识工程、智能机器人等领域的发展所带来的巨大数据红利，仍有待相关领域的进步消化与利用。相信在大数据知识工程等技术的助力下，实现智能机器人的认知能力，显著提升机器人的智能水平是完全可能的。但构建机器智脑的强大知识库仍然面临很多挑战。

首先，知识表达困难重重。人类用于解决问题的很多知识是难以言说的隐性知识，表达这类知识仍然十分困难。如何在一个统一的表示空间表达不同模态的数据与知识仍然是个十分热门的研究问题。此外，如何将知识的向量表示与符号表示相融合以进一步增强知识的表达能力也是个值得探索的问题。知识表示在服务机器人的实际应用中也存在一些基本的理论问题需要澄清。比如需要多少类型的知识，需要多大规模的知识才足以使得机器能够像人一样应对复杂开放环境？机器胜任开放环境处理能力的最小知识集合是什么？这些问题的回答是深化知识表示研究的前提。

其次，知识获取任重道远。大数据为知识获取带来了量的提升，但是在质的方面仍有很大提升空间。很多知识是从元知识（关于知识的知识）通过实例化或者隐喻派生而得。元知识对于机器而言是十分必要的。元知识获取仍然缺乏有效的方法。此外，常识在语料中的稀疏造成了常识获取的巨大困难。机器在常识获取与理解的道路上仍需经历漫长的征程。

最后，知识应用仍需深化。人类在面对实际问题时，可以很自然地以一种近乎直觉的方式适配和调用自己积累的知识来解决问题。但机器的自动知识适配仍然十分困难。随着知识体系的日益完善如何协同各类不同的知识表示形成有效的推理机制，也是亟待研究的问题。

相信不久的将来，机器将不仅拥有发达的四肢，也将拥有超强的大脑。未来的智能机器将绝不仅仅是一堆冰冷的铁皮与硅基，表皮之下镶嵌的将是一颗“有知识”、“有文化”、“有温度”且“有趣的“灵魂”。