谭铁牛院士：向生物学习 开启模式识别新突破

人们在观察事物或现象的时候，常常要把各个相似的但又不完全相同的事物或现象组成一类。例如一个数字有不同的写法，对一个人来说，某一种写法虽然没有见过，但大脑却能自动将这个字识别出来。

这种模式识别行为虽然人们早已司空见惯，在中国科学院院士谭铁牛看来，它却是人类最重要的智能行为。而机器模式识别能力则很大程度上反应了机器智能类人的程度，成为人工智能的核心内容之一。

实际上在过去几十年中，机器的模式识别取得了长足的进展，在特定领域取得了成功的应用，但是，现有模式识别方法与生物系统相比依旧存在显著不足。

“当前，一些面向特定任务的模式识别已取得突破性进展，有的性能已可与人媲美。”谭铁牛说，““但通用模式识别系统仍然任重道远。机器模式识别的瓶颈主要集中在鲁棒性差、自适应性差、可泛化性差三个方面。”

通俗来说，目前的模式识别技术还不够“皮实”。比如，遇到局部形变、光照变化、遮挡、凌乱背景、尺度变化等干扰，机器就很容易出错；机器也不会像人类一样举一反三、触类旁通，而是要进行大样本的训练。

在谭铁牛看来，这些瓶颈的突破口还要到自然界中去寻找。“向生物学习，开展生物启发的模式识别，有望实现模式识别理论与方法的新突破，达到对不同任务无缝切换、对环境自主适应、对知识凝练抽取等目标。”