郑庆华院士：借鉴人脑记忆机制，开辟AI智能新路径

我们致力于提升机器智能水平，使其如同人类般拥有因果推断与逻辑推演能力，尤其要在低算力环境下实现小样本持续学习，支撑起具备强大推理能力的新型AI系统。近日，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。

他追溯道，自1956年人工智能概念诞生以来，其演进脉络基本遵循从计算智能到感知智能，再向认知智能迈进的路径，展望未来，AI或将逐步获得记忆、共情乃至自省等人类独有特质。“当前，人工智能整体还处于初级阶段，未来发展潜力非常大。”

不过，现有主流“数据驱动型大模型”尽管表现强劲，但其内在短板正逐渐暴露。郑庆华院士指出，这类模型面临“数据饥渴症”——人类创造优质数据的速率根本无法匹配其胃口，同时耗能惊人。此外，它们容易遭遇灾难性遗忘，知识迁移能力薄弱，表现出“喜新厌旧”的倾向，难以应对时空动态变化的复杂任务。再者，其抽象思维与推理机能不足，无法提炼事物深层因果关联。更重要的是，大模型作为“黑箱”系统，只能知其然而不知其所以然，缺乏可解释性与可控性。

为应对上述难题，融合数据与知识的混合架构成为关键突破口。郑庆华阐释，其研究团队借鉴“既见树木又见森林”的整体认知理念，首创“知识森林”体系，力图从海量碎片化信息中提炼出结构化、可运算的知识网络，进而开展逻辑推演。这一技术已在国家金税风控、土木工程专业模型（CivilGPT）研发及C919客机设计知识库管理等多个重大领域落地，达成知识指引与数据赋能的有机统一。

在此前提下，郑庆华进一步提出第三种更具颠覆性的技术路线——模仿人脑记忆的机器智能范式。他强调，在灾害应急、险情处置等“数据匮乏、算力有限、带宽不足”的特殊情境下，反而需要更高阶的智能水准，而这恰恰是现有大模型的薄弱环节。

“人类智慧源于何处？关键在于记忆。”郑庆华院士阐述道，记忆并非简单的信息储存，而是涵盖联想、提炼、重构与调用的动态过程，构成人类认知的基石。人脑记忆系统给予我们三项核心启示：首先，记忆基础的“吸引子网络”拥有抗扰动、可运算等属性，杜绝了“灾难性遗忘”现象；其次，人脑借助稀疏激活、预测编码与联想记忆机制，实现超高能效，其能耗水平远低于同规模AI模型；第三，人脑依托抽象与联想机能，展现出卓越的环境适应力与推理潜能。

受此启迪，郑庆华团队构建了“机器记忆智能框架”，其本质是以抽象联想表征为内核，开创小样本持续学习、混沌激活与协同推理的新范式。该课题主攻四大科学难关：人脑记忆的形成机理与运作模式、多层级抽象时空联想的记忆建模、小样本自适应学习的实现路径，以及抽象引导下的具象协同与混沌推演。

“这无疑是通往小样本、低功耗、强推理的高阶智能的一条崭新通道。”郑庆华称，此项探索将促进AI与脑科学的深度融合与双向赋能，更有望摆脱对数据驱动大模型技术的路径依赖，开辟出属于中国学者的AI创新赛道与前沿方向。