第二代人工智能主要依靠数据驱动，其核心特征和发展方向如下：

1. 数据驱动的核心机制

   第二代人工智能以深度学习为代表，通过海量数据训练神经网络模型，实现从数据中自动提取特征和规律。其核心方法包括判别式（如图像识别）、生成式（如文本生成）和养成式（如强化学习）。

2. 技术局限性

   数据驱动的深度学习存在“黑箱”特性，模型不可解释且易受数据偏差影响，导致安全性、可靠性不足。例如，纯粹依赖数据生成的人工智能可能无法应对复杂场景中的伦理和失控风险。

3. 发展瓶颈与突破方向

   专家指出，数据驱动AI已接近技术天花板，需结合知识驱动的方法（如规则系统、专家知识）来弥补其不足，以实现安全、可信的智能应用。

4. 关键驱动力支撑

   数据的丰富性、算力的提升以及大模型技术的成熟，共同推动了数据驱动AI的快速发展。例如，CMOS图像传感器等感知设备为AI提供了海量图像数据，成为其重要支撑。

第二代人工智能虽以数据为核心，但需与知识驱动相结合，以突破技术瓶颈并实现更广泛的应用。