隨著以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大數(shù)據(jù)為代表的人工智能技術(shù)不斷發(fā)展，新一輪的產(chǎn)業(yè)革命正在到來，社會的經(jīng)濟(jì)和產(chǎn)業(yè)結(jié)構(gòu)、勞動力市場分工發(fā)生了很大的變化，然而當(dāng)前人工智能技術(shù)還面臨著三道難題：可解釋性、常識和知識，在它推動經(jīng)濟(jì)增長、改變產(chǎn)業(yè)結(jié)構(gòu)的同時，需要更好的引導(dǎo)資本與技術(shù)的協(xié)調(diào)發(fā)展，構(gòu)建新型智能經(jīng)濟(jì)生態(tài)。
學(xué)習(xí)：人類在學(xué)習(xí)過程中學(xué)的不是知識，而是獲取數(shù)據(jù)、信息和知識經(jīng)驗的方法，而機(jī)器學(xué)習(xí)學(xué)的則是數(shù)據(jù)、信息和知識。相似性是自然界的一個基本特性，不同的系統(tǒng)之間存在著相似性；同一系統(tǒng)中的不同子系統(tǒng)與原系統(tǒng)之間也存在著相似性。機(jī)器學(xué)習(xí)的長處在于學(xué)習(xí)、遷移這種同質(zhì)性、線性的相似系統(tǒng)，但是它很難在異質(zhì)性、非線性等相似系統(tǒng)之間進(jìn)行類比與轉(zhuǎn)換，而人不同，人能夠在線性與非線性、同質(zhì)與非同質(zhì)、同構(gòu)與非同構(gòu)、同源與非同源、同理與非同理、拓?fù)渑c非拓?fù)?、周期與非周期、家族與非家族之間隨意轉(zhuǎn)換。機(jī)器的學(xué)習(xí)離不開時空與符號，而人的學(xué)習(xí)隨著自身情感、價值、事實改變而不斷發(fā)生變化；機(jī)器的學(xué)習(xí)遵循和依賴已有的規(guī)則，而人則是在學(xué)習(xí)中不斷改變舊規(guī)則、打破常規(guī)則、建立新規(guī)則。例如優(yōu)秀的領(lǐng)導(dǎo)者會在實踐中不斷打破規(guī)則創(chuàng)新改革，而不是循規(guī)蹈矩、四平八穩(wěn)地逐漸腐朽和沒落，更不是眼睜睜看著疫情肆虐而雙眼卻盯在競選和權(quán)力上。
常識：正如藥一樣，所有的知識都有其前提和適用范圍，如果缺少了前提條件，知識便會產(chǎn)生副作用。知識只是常識的素材和原材料，機(jī)器只能做到“知”而無法擁有“識”，也就做不到知行合一。知識應(yīng)該與思想結(jié)合起來而不僅僅是依附于思想，如果不能運(yùn)用知識改變思想，使思想變得完善，那么知識就變成了一把雙刃劍，可能給它的主人帶來副作用或傷害。而人類避免知識產(chǎn)生副作用的良方之一便是常識，常識往往是碎片化的，而態(tài)勢感知就是通過感、知這些碎片化常識的狀態(tài)、趨勢從而產(chǎn)生非常識的認(rèn)識和洞察。人類可以通過自己的常識來感知世界、理解世界，而典型的人工智能體則缺乏對物理世界運(yùn)行的一般理解、對人類動機(jī)和行為的基本理解（如直覺心理學(xué)）和對普遍事物的認(rèn)知。
可解釋性：人工智能的可解釋性問題一直備受關(guān)注，在歐盟出臺的《人工智能道德準(zhǔn)則》中提出AI未來應(yīng)該向“可信賴”的方向發(fā)展，其中“可信賴”包含安全、隱私、透明和可解釋性等方面。人工智能的應(yīng)用以輸出決策判斷為目的，可解釋性可以讓人理解機(jī)器做出決策或判斷的原因，AI的可解釋性越高，人們就越容易理解模型做出的某種決策或預(yù)測的原因，可解釋性指的是對模型內(nèi)部的機(jī)制或機(jī)理的介紹以及對模型輸出結(jié)果的解釋。其重要性體現(xiàn)在：建模階段，幫助研究人員理解模型，從而對不同的模型進(jìn)行選擇對比和調(diào)整優(yōu)化；投入運(yùn)行階段，向應(yīng)用方提供模型的內(nèi)部機(jī)制和輸出結(jié)果的解釋，增加使用人員對模型的信任度。
