“在今天的人工智能热潮形势下，当人们谈起‘机器学习’时，您首先是否想到计算+数据，但这些方面有哪些技术局限和瓶颈？”欧洲科学院院士、中国人工智能学会副事长周志华演讲一开场就直奔主题。

　　随后，周志华通过案例和数据阐明，难以获取充足样本、难以适应环境变化、难以了解模型、难以避免数据泄露、难以获得专家级结果等方面是机器学习面临的挑战。

　　“机遇与挑战并存。随着我国学者原创提出学件 (Learnware)模型后，机器学习所获得的机会远远大于挑战。”周志华指出，学件 (Learnware)模型能够部分重用他人结果，而不必“从头开始”，并满足了可复用、可演进、可了解等条件，给出模型的合适刻画。通俗地讲，就是可以站在巨人的肩膀上走路，实现事半功倍的结果。

　　周志华举例：在“碳中和”“碳达峰”被高度关注的时代，当前流行的“人工智能大模型”与环保目标并不是很和谐。但通过学件 (Learnware)模型，可实现“(多个)小模型复用”或能以“低能耗”达到或接近较大模型的性能，这样可能催生一个新产业——学件(Learnware)。