普通人如何理解非线性问题？郑志明举例，就像中学物理课本里所提到“理想环境下”这一限定条件，如果在理想环境下研究物理量之间满足的比例关系，可以称之为线性关系，而复杂问题必须考虑非线性之间的关系，即不同变量之间的相互影响。

“目前人工智能面临不可解释性等重大瓶颈挑战，非线性问题是主要根源。” 郑志明把非线性比喻成一座山，而现在部分人工智能研究片面地认为线性加上线性研究，即一个加上另一个就能堆成一座山，就能解决非线性问题。以当下的深度神经网络研究为例，他认为，“这实际上是伪非线性”。

他进一步地解释，目前人工智能的困局在于，试图用多层的线性耦合说明一个复杂的问题，但事实上这种方法很难做到。就好比，中学时代学了直线、抛物线，若用它们分析问题很简单，但如果把不同线叠加起来，整个问题就变得复杂了。“我们脑子里面清楚知道线性办法无法处理非线性和随机问题，因为这一类系统的结构已经发生了根本性的变化。”

他认为，下一步人工智能要突破大数据分析和智能学习碰到的复杂性问题，迫切需要建立基于复杂性与多尺度分析等现代科学方法的新一代人工智能理论，可称之为精准智能。

院士郑志明在大会上分享。大会供图

针对人工智能的破局之法，郑志明给出了自己的方案，即在科学数据、要素之间的逻辑关系、非线性的逻辑关系等理顺后，复杂系统初步结构就构建起来了，参数在系统里运转会让人工智能越来越精准。“这就是基于系统，或者是数据的复杂行为来进行智能分析的同时，把系统做得更加完备，这时候做出来的东西一定是可解释的，一定是精确的。”

编辑：薛姣