馬斯洛需求層次理論認為人的需求具有從低到高，遞進發展的變化。實際上，技術應用的發展也具有類似遞進優化的趨勢。此外技術的不斷優化也推動新需求的出現，再反推技術的再創新，這是一個發展的閉環，其邏輯可以從人工智能的發展解釋。

業內人士根據人工智能的歷史發展節點，技術路徑、商業化發展，提出了許多階段劃分理論。有人提出了強、弱人工智能的分別，李開復提出了人工智能的發展是從黑科技到形成行業解決方案和產品，再到正要進入的 AI＋、AI 賦能傳統行業的階段。對此，專注于第三代人工智能技術研發的 RealAI（瑞萊智慧），從技術的角度去解讀了人工智能的發展。

首先，第一代是知識驅動的符號模型，最典型的是邏輯專家系統，它能夠基于規則狹義定義任務。第二代則是數據驅動型 AI，包括早期的淺層統計學習方法、現在最熱門的深度學習方法。其特點是從數據內部，不是由人提取知識編寫程序，而是由程序或神經網絡自動從數據中提取經驗和規則，來完成未來的決策任務。目前市場上的人工智能應用大多以第二代人工智能技術為主流，不過，RealAI 認為是時候開啟第三代人工智能。

近年來，人工智能技術從大爆發到探索落地并非一帆風順，目前各類人工智能應用正在進入相對成熟期。不過，RealAI 認為隨著 AI＋行業，部分場景應用的深度挖掘，及技術滲透加強，一些技術弊端也會凸顯。據 RealAI 公司副總裁唐家渝介紹，第一代人工智能技術存在大規模應用的局限，而第二代人工智能則面臨著高度依賴大量高質量數據、不能適應不斷變化的條件、算法可解釋性非常差等諸多問題。“比如現在很多 AI 系統通過醫學影像，判斷一位患者得了什么病再給出診療意見，但 AI 往往只會給出一個結果，并不會合理解釋它是如何得出這個結果的。” 唐家渝表示，而 RealAI 則希望提供更成熟可信的人工智能技術。

作為孵化于清華大學人工智能研究院的產學研技術公司，RealAI 依托于清華大學源頭性的創新技術，致力于打造安全、可控的第三代人工智能，并賦能工業制造、金融、公共安全等高價值產業。

據唐家渝介紹，RealAI 提出的第三代人工智能是 “知識＋數據” 雙驅動，其創新包括三個特點：一是可信，算法能夠提供白盒化模型和人類可理解的決策依據；二是可靠，能夠在各種情況下實現預測效果的可靠性提升；三是安全性，即便算法受到惡意攻擊，或存在缺陷樣本，仍能保持較高的判斷能力。“第三代人工智能是實現通用人工智能的一種方式。” 唐家渝做了一個形象的解釋，通用人工智能的目標是：在各場景下都可以像人一樣做決策。

那么，RealAI 如何打造更優化的人工智能解決方案？

唐家渝透露，RealAI 第三代人工智能以貝葉斯深度學習為核心技術，貝葉斯深度學習可以理解為 “貝葉斯機器學習” 與 “深度學習” 方法的結合。據介紹，貝葉斯機器學習是傳統的人工智能方法，甚至比深度學習神經網絡出現更早，該方法以貝葉斯定理為核心，優勢是可以將人的經驗知識引入到決策里，進行不確定性計算。“第一，該方法在給出結果的時候，可以給出概率及分析理由。第二，因為加入了人的經驗，訓練過程不再完全依賴于數據，作出的決策也更符合人類意識，更安全。”

唐家渝以一個案例說明，如自動駕駛領域，傳統深度學習方法需要在訓練過程輸入盡可能多的物體數據才讓自動駕駛的識別系統學會分辨行人與車輛的區別，但融合貝葉斯方法后，無需將所有的物體數據都輸入，或許只需要告訴系統類似多面體的物體很可能是交通工具之類的概念，將知識驅動與數據驅動的方法結合起來，系統很大程度上就不會識別錯。“經驗是可推理的，數據是不可推理的，傳統的深度學習模型無法模擬人類對知識、經驗進行推理的理性行為。” 他說。