向生物學習，開啟模式識別新突破

模式識別技術就是通過計算機用數學方法來研究模式的自動處理和判讀。21世紀是智能化、信息化、計算化、網絡化的時代，在這個以數字計算為特征的時代，作為人工智能技術基礎學科的模式識別技術，必將獲得巨大的發展空間。

人們在觀察事物或現象時，常常要把各個相似但又不完全相同的事物或現象歸為一類。例如，一個數字有不同的寫法，對人類來說，某一種寫法雖然沒有見過，但大腦卻能自動將這個字識別出來。這種模式識別行為雖然已司空見慣，但它是人類最重要的智能行為。機器模式識別的能力在很大程度上反映了其智能化的程度，是人工智能的核心之一。

中國科學院院士譚鐵牛認為，在過去的幾十年中，機器的模式識別技術取得了長足發展，在特定領域得到了成功的應用，現有模式識別技術與生物系統相比依舊存在明顯不足。一些面向特定任務的模式識別已取得突破性進展，有的性能甚至可與人類媲美，通用模式識別系統仍然任重道遠。機器模式識別的瓶頸主要集中在魯棒性差、自適應性差、可泛化性差3個方面。

這些瓶頸的突破口還要到自然界中去尋找。向生物學習，開展生物啟發的模式識別，有望實現模式識別理論與方法的新突破，達到對不同任務無縫切換、對環境自主適應等目標。這種生物啟發的模式識別，就是要向生物模式識別系統學習，充分借鑒腦科學、認知科學乃至心理學的先進成果，突破現有理論與方法的局限性，實現模式識別理論與方法的創新。

例如，人類能夠將某種知識或者技能遷移到另一種相似的領域中。這種遷移學習的能力受到了模式識別領域研究者的關注，他們試圖模仿生物從熟悉領域到陌生領域的學習方法，構建跨領域、跨模態遷移學習的模型，充分利用大量舊的已標注樣本和當前少量標記數據訓練新模型，解決新問題。

總之，模式識別是智能化時代的關鍵技術。向生物系統學習，開展生物啟發的模式識別研究，具有十分廣闊的創新空間與發展前景。