人工智能問世60多年來，承載著人類對自己的智慧的無限自信。在這樣的自信下，人工智能發(fā)展到了今天，人們在追求機(jī)器從事盡可能多的智力勞動的路上走得很快，也很遠(yuǎn)。今天人工智能的發(fā)展，實際上標(biāo)志著人類第三次認(rèn)知革命，即它的目標(biāo)是通過探求人類智能認(rèn)識自我而形成主觀世界的機(jī)制，并把這樣的能力賦予機(jī)器以改造客觀世界，以實現(xiàn)人類智能的體外延伸。從這個意義上來說，人工智能的發(fā)展將會改變整個人類的文明進(jìn)程。
香港浸會大學(xué)副校長郭毅可認(rèn)為人工智能發(fā)展到今天所面臨的主要問題是：“缺乏知識”。目前機(jī)器還沒有掌握總結(jié)知識、積累知識、應(yīng)用知識、傳承知識和建立組織管理知識體系的能力。今天人工智能面臨的挑戰(zhàn)，也為中國人工智能的發(fā)展帶來了難得的戰(zhàn)略機(jī)遇。中國人工智能發(fā)展戰(zhàn)略的關(guān)鍵就是直面挑戰(zhàn)，大力發(fā)展人工智能的基礎(chǔ)理論，確立自己的學(xué)術(shù)自信和話語權(quán)，在人工智能賦能上下大功夫，建立自己的人工智能工業(yè)體系，實實在在地在有選擇的重點領(lǐng)域中，以人工智能技術(shù)作為推動力，實現(xiàn)革命性的產(chǎn)業(yè)創(chuàng)新。
重要觀點
當(dāng)前我國人工智能技術(shù)發(fā)展面臨知識匱乏的問題，以佛學(xué)的“五明”理論來闡釋，一是缺乏“聲明”，人類智能對自己行為的解釋以及和世界交流的能力依然不足；二是缺乏“因明”，無法揭示和演繹因果關(guān)系；三是缺乏“內(nèi)明”，智能體沒有主觀能動性；四是缺乏“醫(yī)方明”，需要形成系統(tǒng)觀；五是缺乏“工巧明”，需加強(qiáng)對智能體行為的研究。
中國推動人工智能發(fā)展首先要明確研究的方向和切合實際的目標(biāo)。我們在確定人工智能研究的發(fā)展道路和長期目標(biāo)的時候，一定要對人工智能發(fā)展有一個正確客觀的科學(xué)思考，這樣才能避免許多由于盲目樂觀或技術(shù)跟風(fēng)而造成的時間和資源上的巨大浪費。
其次要切實重視人工智能基礎(chǔ)理論的研究與創(chuàng)新，培養(yǎng)有創(chuàng)造力的人工智能人才。必須創(chuàng)造一個生態(tài)環(huán)境，使得科學(xué)家能夠沉下心來，進(jìn)行跨學(xué)科的深入的理論研究，并培養(yǎng)出具有扎實的理論素養(yǎng)、寬廣的知識面、豐富的科學(xué)想象力創(chuàng)造力的人工智能研究型人才。
第三要建立人工智能發(fā)展的生態(tài)環(huán)境，需要建立具有中國特色的數(shù)據(jù)市場和數(shù)據(jù)經(jīng)濟(jì)體系、算力體系，以及加強(qiáng)對于人機(jī)二元社會的新的社會形態(tài)、準(zhǔn)則、相關(guān)法律和道德倫理的研究。
第四是建立完整的人工智能化產(chǎn)業(yè)體系，應(yīng)利用好我國在數(shù)據(jù)和算力上的優(yōu)勢，建設(shè)好我國基于大模型的“智能能源”和人工智能產(chǎn)業(yè)鏈，從而形成一個完整的人工智能賦能環(huán)境。
更多精彩觀點
人工智能問世60多年來，承載著人類對自己的智慧的無限自信。圖靈思想實驗的哲學(xué)基礎(chǔ)，就是認(rèn)為人的智能是世上所有可能智能的極限，所以只要機(jī)器可以讓人無法區(qū)分其智能行為與人的差異，那么機(jī)器就有了智能。在這樣的自信下，人工智能發(fā)展到了今天，人們在追求機(jī)器從事盡可能多的智力勞動的路上走得很快，也很遠(yuǎn)。例如，讓機(jī)器寫新聞、讓機(jī)器作音樂、讓機(jī)器改照片等。根據(jù)世界經(jīng)濟(jì)論壇與諸多機(jī)構(gòu)于2018年共同提出的“人工智能發(fā)展時間表”的若干預(yù)測:
2024年，人工智能可自行撰寫Python代碼（根據(jù)筆者判斷，其實現(xiàn)在應(yīng)該已經(jīng)有這類的研究成果，所以機(jī)器在2024年可以自己編寫程序的預(yù)估決不夸張，而如果機(jī)器能夠?qū)懗龊玫某绦虻脑挘敲礄C(jī)器就能夠自行發(fā)展和創(chuàng)造新的機(jī)器功能）；2028年，人工智能可以創(chuàng)造出影片；2049年，人工智能寫的小說會成為暢銷書籍；2059年，人工智能甚至可以自己進(jìn)行數(shù)學(xué)研究。
這些預(yù)測說明了人工智能的發(fā)展已經(jīng)進(jìn)入了一個新的歷史階段。根據(jù)斯坦福大學(xué)最近的報告，2020年全球企業(yè)對AI領(lǐng)域的投資增至近680億美元，比2019年增長了40%。人工智能的研究也在蓬勃發(fā)展：2019年，全球發(fā)表了超過12萬篇關(guān)于AI的論文。2000年至2019年之間，人工智能的論文占所有同行評審論文的比例從0.8%上升到了3.8%。總之，人工智能的發(fā)展可謂方興未艾。今天人工智能的發(fā)展，實際上標(biāo)志著人類第三次認(rèn)知革命，即它的目標(biāo)是通過探求人類智能認(rèn)識自我而形成主觀世界的機(jī)制，并把這樣的能力賦予機(jī)器以改造客觀世界，以實現(xiàn)人類智能的體外延伸。從這個意義上來說，人工智能的發(fā)展將會改變整個人類的文明進(jìn)程。
01 對人工智能發(fā)展的回顧
對人類智能的理解。作為生物鏈最頂層的人類，需要有更復(fù)雜、更強(qiáng)大的思維能力，來合理分配資源、優(yōu)化自己的生存條件、預(yù)見和應(yīng)對不斷變化的威脅因素，為此人類進(jìn)化出獨特的能不斷產(chǎn)生和運用智能的腦神經(jīng)系統(tǒng)，近代神經(jīng)科學(xué)的研究表明：人類大腦中具有的新皮層是學(xué)習(xí)和記憶功能的載體，從而開啟了專門研究神經(jīng)的思維機(jī)制的學(xué)科——認(rèn)知神經(jīng)學(xué)，它的核心就是研究大腦皮層中神經(jīng)元的活動以及他們之間飛速傳遞的電脈沖與思維活動之間的關(guān)系。
認(rèn)知神經(jīng)學(xué)的產(chǎn)生和人工智能的發(fā)展同步。在人工智能發(fā)展的初期，正是借著對人腦機(jī)制的初步認(rèn)識，開啟了人工智能的第一個高潮。1958年，在標(biāo)志性的達(dá)特茅斯會議之后僅僅2年，美國學(xué)者弗蘭克·羅森布拉特就提出了感知器，這是一種參數(shù)可變的單層神經(jīng)網(wǎng)絡(luò)模型，是人類第一次把自己所具備的學(xué)習(xí)功能用算法模型的形式表達(dá)出來，第一次賦予了機(jī)器可以從數(shù)據(jù)中學(xué)習(xí)知識的能力，它是今天神經(jīng)網(wǎng)絡(luò)的雛形，提出了許多今天機(jī)器學(xué)習(xí)的核心概念。美國軍方認(rèn)為感知器可以識別坦克，從而投資進(jìn)行研究，但很快人們就認(rèn)識到了這樣簡單學(xué)習(xí)模型的局限性，從而結(jié)束了人工智能研究的第一次高潮。在以后的研究中，人們對于認(rèn)知神經(jīng)科學(xué)的研究有了巨大的進(jìn)展，特別是90年代發(fā)展成熟的核磁共振技術(shù)，可以通過對人腦神經(jīng)細(xì)胞中血氧的變化，來衡量人腦神經(jīng)元在思維過程中神經(jīng)元的活動和神經(jīng)元之間信號的傳遞，從而使認(rèn)知神經(jīng)學(xué)的研究真正成了基于腦神經(jīng)大數(shù)據(jù)的實驗科學(xué)。今天，我們對于產(chǎn)生智能的人腦發(fā)展有了較深刻的認(rèn)識，提出了許多有關(guān)思維的機(jī)制理論，我們普遍認(rèn)識到，大腦的皮質(zhì)層是有自我組織能力的模式識別器，谷歌的首席創(chuàng)新官雷·庫茲韋爾，在他的名著《如何創(chuàng)造思維》一書中，提出了思維模式認(rèn)知理論，其核心思想在于思維機(jī)制的模塊化所組織起來的神經(jīng)元網(wǎng)絡(luò)的信號傳遞，而模塊化的互聯(lián)互動形成智能，這個思想和馬克拉姆的樂高式模塊組織形成智能的觀念是一致的。這種模塊化神經(jīng)元組織機(jī)制形成智能的思想，也是近來興起的深度學(xué)習(xí)的神經(jīng)學(xué)理論基礎(chǔ)。
對機(jī)器智能的發(fā)生發(fā)展的機(jī)制的理解。人工智能發(fā)展之初，機(jī)器的計算和存儲能力都非常有限，同時，機(jī)器也缺乏感知外部世界活動的功能及手段，所以機(jī)器智能的范圍只限于對在有限的問題求解空間中的搜索。因此，機(jī)器智能的機(jī)制，早期被局限于搜索。而邏輯推理是一個典型的應(yīng)用范例。用邏輯推理對符號進(jìn)行演繹，以模仿人類的邏輯思維，成為人工智能的一大流派，稱之謂“符號主義”。從早期紐維爾、西蒙、王浩等人在機(jī)器定理證明的工作，到1965年羅賓遜發(fā)明了歸結(jié)算法，即把一階邏輯推理變成一個機(jī)械的搜索算法，符號主義的工作使推理成為機(jī)器智能的主要機(jī)制。這些工作，直接導(dǎo)致了20世紀(jì)80年代初的以日本第五代計算機(jī)為代表的人工智能研究的第二次高潮。以推理作為機(jī)器智能的機(jī)制，要求人類把知識以邏輯的形式告訴計算機(jī)，然而人們很快就認(rèn)識到，這樣靠人工獲取知識的手段是機(jī)器智能的一大瓶頸，機(jī)器的智能，只有在具有自動地從客觀世界中獲取知識的能力之后，才能取得革命性的進(jìn)步。
步入21世紀(jì)，人類進(jìn)入了互聯(lián)網(wǎng)時代。這時不僅計算機(jī)的計算和存儲能力得到了巨大的提升，而且世界的萬物互聯(lián)和傳感技術(shù)的發(fā)展，使人們在量化世界的道路上飛速前進(jìn)，人類步入了量化萬物的大數(shù)據(jù)時代，這樣的量化世界所提供的無盡的數(shù)據(jù)資源以及以云計算技術(shù)組織起來的空前的計算能力，終于使得我們有可能使知識的自動獲取成為現(xiàn)實。于是，從大數(shù)據(jù)中自動獲取知識的機(jī)器學(xué)習(xí)，成為新一代人工智能的主要機(jī)制和技術(shù)驅(qū)動力。1985年辛頓和謝諾夫斯基發(fā)表了《玻爾茲曼機(jī)的一種學(xué)習(xí)算法》一文，提出多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制，1986年羅姆哈特和辛頓發(fā)表的《通過誤差的傳播學(xué)習(xí)內(nèi)在表示》一文，提出了反向傳播算法，從而使神經(jīng)元網(wǎng)絡(luò)具有了可以自動調(diào)節(jié)神經(jīng)元連接的權(quán)重，進(jìn)而實現(xiàn)了不斷優(yōu)化目標(biāo)函數(shù)的學(xué)習(xí)功能。后來十幾年，計算機(jī)科學(xué)家們提出了包括像卷積神經(jīng)網(wǎng)絡(luò)等一系列神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，使得神經(jīng)元網(wǎng)絡(luò)可以自動提取對學(xué)習(xí)有意義的數(shù)據(jù)特征。這一系列的成果使得今天我們稱之為深度學(xué)習(xí)的人工智能技術(shù)，成為機(jī)器智能的主要內(nèi)在機(jī)制。
人工智能對人類社會發(fā)展產(chǎn)生深刻影響。在人工智能的發(fā)展歷程中，每一次前進(jìn)都受到了世界主要經(jīng)濟(jì)體政府的積極推動。這樣的推動都來自它們對人工智能在經(jīng)濟(jì)發(fā)展中的領(lǐng)導(dǎo)力的戰(zhàn)略考慮。在我們談?wù)撊斯ぶ悄芗夹g(shù)在今天的經(jīng)濟(jì)發(fā)展中的重要作用時，不能僅僅著眼于當(dāng)前的人工智能技術(shù)在今天的經(jīng)濟(jì)和社會生活環(huán)境下的應(yīng)用，更重要的是要把人工智能作為一種新的發(fā)展中的生產(chǎn)力。這樣的新生產(chǎn)力和以往導(dǎo)致生產(chǎn)力革新的技術(shù)，如蒸汽機(jī)、電力計算機(jī)和互聯(lián)網(wǎng)有著本質(zhì)不同，它是一種可以反作用于人類的生產(chǎn)力，是可以和人類一起共生、共長的生產(chǎn)力，它的發(fā)展可以促進(jìn)人類自身的智能的進(jìn)步和拓展，而這樣的進(jìn)步反過來又會增進(jìn)機(jī)器智能的進(jìn)一步發(fā)展。
所以，我們不能簡單地把人工智能在經(jīng)濟(jì)上的作用，用一個“人工智能+”來總結(jié)，人工智能不只是一個賦能技術(shù)，其本身在創(chuàng)造嶄新的社會形態(tài)和經(jīng)濟(jì)結(jié)構(gòu)，對現(xiàn)在和未來生活的影響無處不在，我們正在進(jìn)入一個人工智能“Inside”的時代。今天人工智能的產(chǎn)業(yè)化，正在走向“智能能源化”的產(chǎn)業(yè)模式，即通過設(shè)計先進(jìn)算法，整合多模態(tài)大數(shù)據(jù)，匯聚大量算力，訓(xùn)練出通用的、可遷移的大模型，來服務(wù)于不同的應(yīng)用領(lǐng)域和解決實際問題。這樣的“大模型”作為對于大數(shù)據(jù)的歸納和抽象，成為一種“預(yù)訓(xùn)練模型”，作為構(gòu)造各種人工智能解決方案的基礎(chǔ)。從2018年10月Google發(fā)布了3.4億參數(shù)的BERT模型，2020年5月Open AI發(fā)布了1750億參數(shù)的GPT-3模型，到2021年6月北京智源人工智能研究院發(fā)布了1.75萬億參數(shù)的“悟道2.0”模型，以及2021年6月阿里達(dá)摩研究院僅用480片GPU實現(xiàn)了國內(nèi)第一個商業(yè)化的萬億多模態(tài)大模型，這樣的大模型把大數(shù)據(jù)轉(zhuǎn)化成了一種“智能能源”，在通用的大模型基礎(chǔ)之上，應(yīng)用方可以使用自己特有的數(shù)據(jù)對模型進(jìn)行小計標(biāo)量的微調(diào)遷移，以達(dá)到目的。這是一個人工智能很有希望的產(chǎn)業(yè)化途徑。
02 人工智能面臨的問題
人工智能發(fā)展到今天，碩果累累。但是，我們必須清晰地認(rèn)識到，人工智能技術(shù)今天依然面臨著許多根本性的問題，一言以蔽之就是：它缺乏知識。現(xiàn)階段，我們的機(jī)器并沒有掌握總結(jié)知識、積累知識、應(yīng)用知識、傳承知識和建立組織管理知識體系的能力。人工智能在知識上的缺乏，可以用佛學(xué)的“五明”理論來闡釋。佛學(xué)把世間的一切學(xué)問歸結(jié)為五種學(xué)問，稱為“五明”：即語文學(xué)的“聲明”、工藝學(xué)的“工巧明”、醫(yī)藥學(xué)的“醫(yī)方明”、科學(xué)的“因明”、哲學(xué)的“內(nèi)明”。“五明”被視為道行者的基本功，是佛教對人間知識的總結(jié)，行道要從“五明”入手，來傳播佛法普度眾生。用“五明”來觀察人工智能今天面臨的知識匱乏問題，實際上是很貼切的。我們可以把佛學(xué)“五明”的涵義加以擴(kuò)展：“聲明”指的是人類智能對自己行為的解釋以及和世界交流的能力；“工巧明”指的是人類智能對行為的指導(dǎo)；“醫(yī)方明”指的是人類智能的系統(tǒng)觀；“因明”指的是人類智能的因果推理能力；“內(nèi)明”指的是人類智能的主觀能動性。今天的機(jī)器智能，恰恰缺乏的就是這“五明”！
缺乏“聲明”：今天的機(jī)器智能與人交流的根本障礙。機(jī)器智能作為一個與人共存的智能體，和人的交流是一項根本的要求，這樣的交流不是指今天的Siri或“度秘”以及智能手機(jī)或智能音箱的這種簡單的人機(jī)對話，而是在學(xué)習(xí)層面上，人可以準(zhǔn)確地告訴機(jī)器學(xué)習(xí)的目的、學(xué)習(xí)的環(huán)境、學(xué)習(xí)的要求，而機(jī)器也可以與人交流學(xué)習(xí)的過程、學(xué)習(xí)的結(jié)果和得到結(jié)果的緣由。也就是說機(jī)器學(xué)習(xí)目標(biāo)的正確性、合理性是可以表達(dá)的，而學(xué)習(xí)結(jié)果和學(xué)習(xí)目標(biāo)的一致性是可以論證的。只有這樣的人工智能才是可信的，才能形成構(gòu)造于人類共生、共存的智能體的基礎(chǔ)。今天所進(jìn)行的人工智能的可解釋性、可論證性的研究，正反映了人工智能在今天所面臨的巨大挑戰(zhàn)。目前的深度學(xué)習(xí)技術(shù)，說到底就是對一個由神經(jīng)元網(wǎng)絡(luò)所構(gòu)成的非線性函數(shù)在大數(shù)據(jù)上做擬合，這種學(xué)習(xí)行為使得它在應(yīng)用的普適性上有很大的優(yōu)勢，滿足了我們對讓機(jī)器“做得多”的要求，但是，它的結(jié)果的合理性、可靠性無法得以完備的驗證，因為我們無法完全理解機(jī)器學(xué)習(xí)結(jié)果生成的邏輯，無法完美解釋學(xué)習(xí)的認(rèn)知行為。所以它的穩(wěn)定性分析和可靠性驗證都是有待解決的難題。我們可以在許多應(yīng)用中用到深度學(xué)習(xí)的技術(shù)，但我們無法對這樣的智能加以“對或錯”的評價。這個問題在“大模型”中尤為突出。從這個意義上來講，我們離圖靈對智能的期望還很遠(yuǎn)，因為當(dāng)我們向人和機(jī)器共處的黑屋提問，并無法區(qū)分得到的回答是從人還是機(jī)器來的時候，我們可以再加上一句：請告知你是如何得到這個問題的答案？人是能回答這個問題的，而今天的機(jī)器對此則往往茫然無措。
缺乏“因明”：無法揭示和演繹因果關(guān)系。人類可以在自然界和社會中發(fā)現(xiàn)規(guī)律，并抽象出規(guī)律之間的邏輯聯(lián)系，這樣的歸納和演繹的能力是人類智能的一個重要的特征，也是人類文明發(fā)展的一個偉大結(jié)晶。作為一個人類社會中與人共存的智能體——人工智能，應(yīng)當(dāng)也必須具備這種對因果的發(fā)現(xiàn)和演繹能力。而今天在數(shù)據(jù)驅(qū)動的學(xué)習(xí)系統(tǒng)中，我們還只能發(fā)現(xiàn)事物之間的相關(guān)關(guān)系。這樣的相關(guān)性對于組成一個知識體系來理解世界是遠(yuǎn)遠(yuǎn)不夠的，在大數(shù)據(jù)發(fā)展之初，曾有“因果無用，相關(guān)萬能”的說法，現(xiàn)在看來，如果一個智能體僅僅具備了對相關(guān)性的理解，那么它對于這個世界的認(rèn)識將遠(yuǎn)遠(yuǎn)低于一個一般的兒童，所以，如何讓智能體具有發(fā)現(xiàn)因果關(guān)系的“因明”，是人工智能今天的又一個大難題。
事實表明，和所有過去的人工智能系統(tǒng)一樣，今天的深度學(xué)習(xí)系統(tǒng)，即使有了一些遷移學(xué)習(xí)、無樣本學(xué)習(xí)、知識圖譜、圖神經(jīng)網(wǎng)絡(luò)等先進(jìn)技術(shù)，可以在一定程度上實現(xiàn)知識查詢推理等功能，但在面對與訓(xùn)練數(shù)據(jù)完全不同的新數(shù)據(jù)的時候，依然會表現(xiàn)出不可避免的脆弱性，也就是說，由于算法是從訓(xùn)練數(shù)據(jù)中挖掘其特征間的統(tǒng)計關(guān)聯(lián)性，而這些關(guān)聯(lián)關(guān)系并沒有抓住數(shù)據(jù)背后的因果實質(zhì)，算法無法得出關(guān)于這些數(shù)據(jù)內(nèi)在關(guān)系的歸納。換句話說，這些算法沒有學(xué)習(xí)到我們真正需要的概念和概念間的映射關(guān)系，而是在走捷徑，僅在訓(xùn)練集中完成學(xué)習(xí)任務(wù)，而往往無法學(xué)習(xí)到具有普遍意義的抽象概念，從而無法使它們能夠?qū)⑺鶎W(xué)到的知識應(yīng)用到新的情況或任務(wù)中。這些系統(tǒng)很容易受到“對抗性擾動”的攻擊，即人們對系統(tǒng)的輸入進(jìn)行特定的選擇，從而導(dǎo)致系統(tǒng)犯錯誤。
缺乏“內(nèi)明”：智能體沒有主觀能動性。人是有主觀能動性的，人的思想是人對于客觀世界的主觀認(rèn)識，而人又是通過這樣的主觀認(rèn)識來指導(dǎo)自己的行動，從而對客觀世界作出改變。著名認(rèn)知神經(jīng)學(xué)和理論物理學(xué)家弗雷斯頓曾提出過一個機(jī)器智能的認(rèn)知學(xué)模型，在這個模型中，人的知識形成一個主觀的世界模型，而這樣的模型和觀察之間的一致性衡量決定了對世界的認(rèn)識和對世界本身的改變，這個模型具有相當(dāng)?shù)钠毡樾浴＝裉旎谏窠?jīng)元網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)系統(tǒng)中被視為金律的“反向傳播”，正是這種宏觀認(rèn)知模型中對模型修正的一個簡單的實現(xiàn)方法，而模型和觀察一致性衡量恰恰又是機(jī)器學(xué)習(xí)中常用的“損失函數(shù)”提出的基礎(chǔ)，更進(jìn)一步，今天的強(qiáng)化學(xué)習(xí)也是在模型和觀察上一致性的推動，在策略模型的驅(qū)動下，針對環(huán)境觀察作出相應(yīng)行動，以求達(dá)到回報激勵機(jī)制下的一種有益的狀態(tài)。但從總體而言，今天的智能體依然沒有形成主觀意志的能力。這也是為什么今天人工智能雖然可以完成一些藝術(shù)創(chuàng)作，但是，這些創(chuàng)作也僅僅在于對人類已有的作品和形式的模仿、形變和疊加，尚無法在藝術(shù)美學(xué)和表達(dá)意義層面上進(jìn)行真正的創(chuàng)作。
人工智能研究中，有一個以機(jī)器人學(xué)家莫拉韋茨命名的悖論：機(jī)器對于那些人做起來非常困難的任務(wù)，往往可以駕輕就熟，而對于一些對人來說非常簡單的事情，卻無能為力。莫拉韋茨這樣解釋這一悖論：“人類經(jīng)歷了上億年的進(jìn)化，大腦中深深烙印著一些原始的生存技能，其中包含了高度進(jìn)化的感官和運動機(jī)制，這些都是人類關(guān)于世界本質(zhì)以及如何在其中生存的上億年的經(jīng)驗。我相信，執(zhí)行這種需要深思熟慮的思考過程是人類最外在的表現(xiàn)，而其背后深層次和有效的推動力，則是源于這種更古老和更強(qiáng)大的感知和運動能力的本能反應(yīng)。而這種本能反應(yīng)通常是無意識的。換句話說，因為我們祖先的強(qiáng)大進(jìn)化，我們每個人都是感性理解、人情世故和運動領(lǐng)域的杰出運動員，我們實在是太優(yōu)秀了，以至于我們在面對實際上十分困難的任務(wù)時還能駕輕就熟。”
中國人工智能學(xué)者李德毅院士指出：新一代人工智能的硬核是交互學(xué)習(xí)和記憶。記憶的本質(zhì)不是存儲，而是對知識的不斷凝煉而形成主觀意志（或稱為知識）。在貝葉斯理論框架中，這個主觀意志是認(rèn)知的先驗，而觀察就是在這個先驗下，產(chǎn)生對認(rèn)知的可信度的修正（后驗概率），如何在這樣的一個認(rèn)知體系中，實現(xiàn)對主觀意志的組織、進(jìn)化和有效作用？在今天的人工智能研究中，這還是一個處女地。
缺乏“醫(yī)方明”：智能體需要系統(tǒng)觀。作為一個社會的原子，每個人生活在系統(tǒng)中，人對于系統(tǒng)的理解是深刻的，究其原因是在今天的社會中人類對于系統(tǒng)的認(rèn)知和依賴是前所未有的，這樣的系統(tǒng)觀也深深地影響著人工智能的研究。以自動駕駛為例，研究的開始是以視覺的感知出發(fā)，把“認(rèn)路”作為自動駕駛的重點，但隨著研究和發(fā)展，人們認(rèn)識到，自動駕駛的發(fā)展瓶頸并不是認(rèn)路，而是對“路況”以及“路權(quán)”這樣的交通系統(tǒng)的概念的理解。如人一樣，一個認(rèn)路的人不是一個好司機(jī)的充分條件，一個好司機(jī)的關(guān)鍵是可以很好地適應(yīng)交通系統(tǒng)，可以作出符合系統(tǒng)，而又有利于自己的目標(biāo)的判斷，李德毅院士對這個方向的研究提出了發(fā)展“駕駛腦”的總結(jié)，一個駕駛腦的關(guān)鍵就是系統(tǒng)觀，前面有車，超不超車，這不僅僅是一個視覺的判斷，還是一個對所處環(huán)境下，對自己所處的狀態(tài)和未來的目標(biāo)的一個整體判斷，今天的自動駕駛研究的關(guān)鍵就是系統(tǒng)觀下的智能行為的研究，人工智能的系統(tǒng)觀研究是一個大挑戰(zhàn)，也是一個大方向。
缺乏“工巧明”：智能體行為研究的重要性。在人機(jī)二元社會中，智能機(jī)器的行為對世界的改變和對社會的影響，使得今天對人工智能倫理研究成為一個重要的課題，這個問題涉及面很廣，人機(jī)一起從事社會活動，機(jī)器行為必須合乎倫理是個起碼的要求。人們已經(jīng)普遍認(rèn)識到，我們對機(jī)器“做得多”的要求也許不難實現(xiàn)，但要機(jī)器“做得對”，則不那么簡單了。從“對抗攻擊”到“深度作假”，一次又一次地證明，今天的技術(shù)不僅不牢靠，而且很容易做壞事。從埃塞俄比亞航空302號班機(jī)的墜毀，到自動駕駛車的事故，人們開始認(rèn)識到機(jī)器是有行為的，而機(jī)器的行為也不一定是有益的，很可能會帶來危害。于是，人們開始提出了人工智能倫理性、有益性的問題，開始關(guān)注機(jī)器行為的合理性和正確性，開始認(rèn)真地詢問一些人工智能的基本問題：
機(jī)器行為的目的是什么：機(jī)器是不是能按照人們意圖去改變世界？機(jī)器行為的原則是什么：機(jī)器如何不違背人類的倫理和規(guī)范？機(jī)器行為的結(jié)果的驗證：如何來衡量結(jié)果和目的的一致性？機(jī)器行為如何來解釋：如何來理解機(jī)器獲得結(jié)果的過程？
這些問題是相互關(guān)聯(lián)的，構(gòu)成了機(jī)器行為學(xué)的基本研究主題。對于機(jī)器行為的研究和前面所述的人工智能面臨的挑戰(zhàn)密切相關(guān)，譬如，我們?nèi)绾蜗驒C(jī)器表達(dá)學(xué)習(xí)的目的，我們?nèi)绾蝸眚炞C機(jī)器行為結(jié)果的正確性和我們期望的一致性，以及對機(jī)器行為過程的可解釋性，這些都是今天機(jī)器學(xué)習(xí)研究中最困難也是最基本的問題。
03 中國人工智能發(fā)展戰(zhàn)略
中國人工智能發(fā)展的機(jī)遇是巨大的、難得的。改革開放四十多年來，中國科學(xué)技術(shù)和經(jīng)濟(jì)實力的發(fā)展，為我們今天在人工智能這個新技術(shù)領(lǐng)域中奠定了前所未有的實力地位，全球化的市場的開放環(huán)境，又為我們的研究和全世界的發(fā)展努力融合在一起創(chuàng)造了條件。所以我們在人工智能上的研究和世界是同步的。由于國家強(qiáng)大的經(jīng)濟(jì)實力和制度優(yōu)勢，我們得以有可能集中資源來發(fā)展關(guān)鍵技術(shù)。而且中國發(fā)達(dá)的互聯(lián)網(wǎng)社會，以及作為第一人口大國而特有的天然的大數(shù)據(jù)，為人工智能的發(fā)展創(chuàng)造了獨有的生態(tài)環(huán)境，這些都是人工智能發(fā)展的獨特機(jī)遇。中國人民的創(chuàng)造力，促進(jìn)了我國在人工智能應(yīng)用領(lǐng)域的特殊優(yōu)勢，中國在人工智能和互聯(lián)網(wǎng)應(yīng)用的結(jié)合，超越了西方，走出了自己的發(fā)展道路。一些人工智能獨角獸公司成長起來，例如：由智能推薦技術(shù)發(fā)展而來的今日頭條，由圖像合成技術(shù)發(fā)展而來的抖音，由機(jī)器翻譯工業(yè)化發(fā)展而來的科大訊飛，由計算機(jī)視覺技術(shù)發(fā)展而來的商湯、曠視、依圖等。在這次抗疫中，人工智能在防疫體系的建立、在物流和資源優(yōu)化中發(fā)揮了獨特的作用。中國人工智能發(fā)展的光明前景是可期的。
今天人工智能面臨的挑戰(zhàn)，也為中國人工智能的發(fā)展帶來了難得的戰(zhàn)略機(jī)遇。筆者認(rèn)為，中國人工智能發(fā)展戰(zhàn)略的關(guān)鍵就是直面挑戰(zhàn)，即大力發(fā)展人工智能的基礎(chǔ)理論，確立自己的學(xué)術(shù)自信和話語權(quán)，在人工智能賦能上下大功夫，實實在在地在有選擇的重點領(lǐng)域中，以人工智能技術(shù)作為推動力，實現(xiàn)革命性的產(chǎn)業(yè)創(chuàng)新。具體來說可以從以下幾個方面來考慮。
要明確研究的方向和切合實際的目標(biāo)。在人工智能的研究中，正確的科學(xué)思想決定了有效的研究方向和切合實際的目標(biāo)。在方向上的錯誤，是過去人工智能屢經(jīng)挫折的一個重要原因。今天我們在面向解決特定問題任務(wù)的“弱人工智能技術(shù)研究”中不斷的成功，也往往使得我們有了很多不切合實際的想法，認(rèn)為弱人工智能技術(shù)的積累是走向發(fā)展類人的通用人工智能，即“強(qiáng)人工智能”的必由之路，弱人工智能的每一個技術(shù)進(jìn)步都會使人工智能的通用性越來越強(qiáng)。但這樣的觀點并不一定是正確的。有人甚至調(diào)侃這樣的思維方式：“這就像是說第一只爬上樹的猴子正在朝著登陸月球前進(jìn)一樣荒誕不經(jīng)。”
我們應(yīng)該認(rèn)識到，我們用于弱人工智能發(fā)展的研究技術(shù)和方法論，可能和探求強(qiáng)人工智能的科學(xué)理念、技術(shù)方法以及哲學(xué)思想是完全不同的。對于弱人工智能而言，為了解決一個具體領(lǐng)域的問題，如醫(yī)學(xué)影像的處理或股市風(fēng)險分析，基于統(tǒng)計的數(shù)據(jù)驅(qū)動學(xué)習(xí)方法是適用的。把求解問題抽象為一個目標(biāo)函數(shù)，把學(xué)習(xí)的過程組織成對目標(biāo)函數(shù)的優(yōu)化是一個有效的方法。但是如果我們認(rèn)為，這樣的以統(tǒng)計學(xué)為基礎(chǔ)的數(shù)據(jù)驅(qū)動的學(xué)習(xí)方法，最終可以達(dá)到我們所追求的強(qiáng)人工智能，可能會是一個方向性的錯誤。今天我們對機(jī)器表達(dá)的行為目的的要求通常很簡單，往往就是一個效用函數(shù)，反映的是對機(jī)器學(xué)習(xí)結(jié)果的一些簡單的質(zhì)量要求（如精確度、緊致度和穩(wěn)定性等）。但是，如果我們要對于機(jī)器行為有很多的要求，要向機(jī)器描述如何做對的、有意義的工作，那么這樣的效用函數(shù)就會非常難定義。如果我們更深究一下這個問題的話，不禁要問：“對學(xué)習(xí)目的或行為目的的表達(dá)，一定是要通過效用函數(shù)嗎?”斯圖爾特·拉塞爾曾經(jīng)很形象地提出了，如果我們用這種效用函數(shù)求優(yōu)的方法，來讓一個有著強(qiáng)智能的智能體來解決問題時，可能會導(dǎo)致很多不可預(yù)測的后果：“如果一個超級智能的氣候控制系統(tǒng)想要解決全球變暖，降低二氧化碳，但是它發(fā)現(xiàn)其中最行之有效的方法是將二氧化碳的排放量降低到第二次工業(yè)革命前的水平。而達(dá)到這個目的的簡單路徑就是將人口減少到零，那它會怎樣做呢？”“如果我們把錯誤的目標(biāo)輸入人工智能機(jī)器，而它比我們更聰明，那局面很可能就不可控了。”
所以，我們在強(qiáng)人工智能的研究中，要充分認(rèn)識到人類的智能是一個由復(fù)雜的、緊密相連的屬性所組成的復(fù)雜系統(tǒng)，其中包括情感、欲望、強(qiáng)烈的自我意識和自主意識、價值判斷，以及對世界的常識性理解。在沒有情感、沒有文化基礎(chǔ)，也沒有人類對于世界的常識體系的前提下的“純粹的理性”化的智能，是無法和人類共通共存的。我們在確定人工智能研究的發(fā)展道路和長期目標(biāo)的時候，一定要對人工智能發(fā)展有一個正確客觀的科學(xué)思考，這樣才能避免許多由于盲目樂觀或技術(shù)跟風(fēng)而造成的時間和資源上的巨大浪費。
切實重視人工智能基礎(chǔ)理論的研究與創(chuàng)新，培養(yǎng)有創(chuàng)造力的人工智能人才。人工智能發(fā)展的根本驅(qū)動力在于基礎(chǔ)理論上的不斷創(chuàng)新和突破。今天的人工智能，特別是機(jī)器學(xué)習(xí)，主要是建立在數(shù)據(jù)驅(qū)動的基本思想上的，就是以在統(tǒng)計中的函數(shù)擬合的方法為基礎(chǔ)，把學(xué)習(xí)問題作為一個回歸問題，尋找一個和數(shù)據(jù)擬合得最好的函數(shù)作為模型。這樣的思想得益于我們今天豐富的大數(shù)據(jù)和強(qiáng)大的算力，可以擬合一個極為復(fù)雜的非線性函數(shù)，這就是深度學(xué)習(xí)得以成功的緣由。但正如前面所敘，這樣以復(fù)雜函數(shù)擬合為基礎(chǔ)的方向，有著根本的缺陷，它不能揭示事物間的因果關(guān)系，不能反映人類的以知識為基礎(chǔ)的學(xué)習(xí)準(zhǔn)則、面向知識積累和在與世界的互動中不斷學(xué)習(xí)的思想。一些非數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)機(jī)制如強(qiáng)化學(xué)習(xí)理論，已經(jīng)在人工智能的實踐中體現(xiàn)出杰出的學(xué)習(xí)能力，所以，建立一個新的融知識、數(shù)據(jù)為一體并支持機(jī)器與環(huán)境互動的機(jī)器學(xué)習(xí)理論框架是非常重要的。
其實這樣的學(xué)習(xí)框架可以基于認(rèn)知學(xué)中機(jī)器學(xué)習(xí)和人類學(xué)習(xí)的相似性來闡述，在此我們用基于貝葉斯理論的“認(rèn)知學(xué)”的原理來簡單介紹一下這個學(xué)習(xí)過程。
我們可以從兩個層面來看人類學(xué)習(xí)：第一個層面是大腦，在大腦里面有我們對世界的認(rèn)識，也就是所謂的認(rèn)知，若將之應(yīng)用在機(jī)器學(xué)習(xí)上，就是透過模型或知識來詮釋人類對世界的認(rèn)識，而根據(jù)這些認(rèn)知，對這個世界作出判斷（或稱之為預(yù)測）。第二個層面是人類通過五官來觀察這個世界，讓我們獲取更多的訊息、更多的資料。我們可以對觀察結(jié)果及判斷預(yù)測之間進(jìn)行比較。如果兩者是一致的（預(yù)測沒有出現(xiàn)誤差），即表明模型（對世界的認(rèn)知）是合理的，那么人類會給予對自己的認(rèn)知更高的信任度，不會對它有進(jìn)一步改變。但有趣的是，當(dāng)觀察結(jié)果與判斷預(yù)測不一致的時候（預(yù)測出現(xiàn)誤差），有兩種選擇。第一種選擇是認(rèn)為自己的認(rèn)知可能是錯的，再根據(jù)觀察結(jié)果，來修正模型，換言之，這是一個模型構(gòu)造的進(jìn)化（學(xué)習(xí)）過程；還有一種選擇，是認(rèn)為模型是正確的，觀察結(jié)果是錯的，也就是認(rèn)為這個世界出現(xiàn)問題，那么就會根據(jù)自己對世界的認(rèn)知來改變這個世界，也就產(chǎn)生了“行為”。因此，機(jī)器學(xué)習(xí)和機(jī)器行為之間形成了一個緊密的關(guān)系：構(gòu)造一個跟觀察結(jié)果一致的認(rèn)知，讓其盡量接近真實世界，而我們的行動就是改變世界，讓其與主觀產(chǎn)生的模型相趨一致。在這樣對學(xué)習(xí)的認(rèn)知學(xué)框架中，知識（即認(rèn)知）、數(shù)據(jù)（即觀察）以及認(rèn)知主體（人和機(jī)器）和世界的互動（學(xué)習(xí)和行為）統(tǒng)一在一個知識的驗證和積累的過程中。
這樣的認(rèn)知模型強(qiáng)調(diào)了認(rèn)知主體和認(rèn)知客體交互中的學(xué)習(xí)過程，但是，對于我們未來的二元社會中人和機(jī)器這兩個認(rèn)知主體的交互卻沒有闡述，人和機(jī)器的共通交流是未來人機(jī)二元社會的基本形態(tài)。而人和機(jī)器共通交流的一個重要基礎(chǔ)在于人和機(jī)器的相互理解，如前敘，目前，人和機(jī)器在學(xué)習(xí)的目的、方法、結(jié)論的解釋上的交流是非常薄弱的。我們對于機(jī)器給出的學(xué)習(xí)結(jié)果和由其導(dǎo)致的行為都無法作出清晰解釋，也就無法對其合理性作出判斷，這是機(jī)器學(xué)習(xí)研究中的一大挑戰(zhàn)，也是對機(jī)器學(xué)習(xí)理論的重大要求。
人工智能理論的另一個重大的研究方向就是人工智能的倫理。我們已經(jīng)充分認(rèn)識到讓“機(jī)器做得對”，要比讓“機(jī)器做得多”要困難得多，這里有一系列很根本的理論問題。一個非常重要的問題就是“機(jī)器行為的倫理性是外在的還是內(nèi)生的”，也就是說，我們是不是應(yīng)該在機(jī)器產(chǎn)生智能的時候，就要求其把倫理作為一個基本的出發(fā)點，而不是在機(jī)器有了智能行為之后再來規(guī)范它。對于這一系列的理論問題的深入研究是我們未來是否能在人工智能發(fā)展中取得領(lǐng)先地位和科學(xué)話語權(quán)的一個關(guān)鍵。總而言之，我們對于人工智能基礎(chǔ)理論的研究，應(yīng)給予高度的重視，我們必須創(chuàng)造一個生態(tài)環(huán)境，使得科學(xué)家能夠沉下心來，進(jìn)行跨學(xué)科的深入的理論研究，并培養(yǎng)出具有扎實的理論素養(yǎng)、寬廣的知識面、豐富的科學(xué)想象力創(chuàng)造力的人工智能研究型人才。這樣的工作是艱苦的，也是激動人心的，中國科學(xué)家一定能以自己的想象力、文化底蘊和扎實的理論基礎(chǔ)及智慧，在人工智能理論的研究中作出創(chuàng)造性的貢獻(xiàn)。
建立人工智能發(fā)展的生態(tài)環(huán)境。人工智能的發(fā)展需要一個生態(tài)環(huán)境，它包括：豐富的數(shù)據(jù)資源以及支持可持續(xù)發(fā)展的數(shù)據(jù)經(jīng)濟(jì)體系，數(shù)據(jù)資源的合理開發(fā)、數(shù)據(jù)隱私的保護(hù)和其他理論性與技術(shù)性的支持，發(fā)展數(shù)據(jù)產(chǎn)品以及交易的工業(yè)經(jīng)濟(jì)體系。有了這樣的數(shù)據(jù)經(jīng)濟(jì)體系，我們就具備了人工智能產(chǎn)品發(fā)展的物質(zhì)基礎(chǔ)。這樣的數(shù)據(jù)經(jīng)濟(jì)體系的建立是很不容易的，實際上，早在十年前，我們就開始了建立數(shù)據(jù)交易市場的試驗，但這樣的試驗還是不成功的。一個很重要的原因就是我們把數(shù)據(jù)資源變成資產(chǎn)時，沒有解決它在經(jīng)濟(jì)學(xué)上的根本問題，其中一種最重要的問題就是數(shù)據(jù)的消耗使用是沒有排他性的，因為復(fù)制數(shù)據(jù)的代價極低。這樣的非排他使用，使得數(shù)據(jù)可以被任意共享，因而無法定義其價值／價格，使它無法成為商品。近年來，區(qū)塊鏈技術(shù)快速發(fā)展，它可以溯源數(shù)據(jù)資源的產(chǎn)生和使用，同時不可對鏈上的資源進(jìn)行復(fù)制，區(qū)塊鏈的這一特性為數(shù)據(jù)的資產(chǎn)化和資本化提供了基礎(chǔ)框架。我們對這一關(guān)鍵技術(shù)的開發(fā)，應(yīng)該從建立數(shù)據(jù)經(jīng)濟(jì)的基礎(chǔ)設(shè)施這一高度來理解。進(jìn)而發(fā)展出具有中國特色的數(shù)據(jù)市場和數(shù)據(jù)經(jīng)濟(jì)體系，這樣的數(shù)據(jù)經(jīng)濟(jì)體系是基于大模型的人工智能產(chǎn)業(yè)體系的基礎(chǔ)。
生態(tài)環(huán)境的另一個方向就是算力體系的建立。人工智能對計算能力的要求是很高的，這些年來云計算服務(wù)體系的發(fā)展，使得我國算力服務(wù)基礎(chǔ)設(shè)施在世界上占據(jù)領(lǐng)先地位，5G通訊技術(shù)上的領(lǐng)先，使得我國在邊緣計算上也有著突出的潛在優(yōu)勢，移動端上的應(yīng)用的廣泛普及使得我國有了一個先進(jìn)的算力環(huán)境，這為我國人工智能發(fā)展奠定了一個很好的算力基礎(chǔ)，這樣的集匯化的大算力對于支持基于大模型的人工智能產(chǎn)業(yè)體系也是至關(guān)重要的。當(dāng)然，我們要充分認(rèn)識到，計算技術(shù)的發(fā)展是日新月異的，新的計算技術(shù)如類腦計算、量子計算正在孕育著新的計算革命。新的計算器件，如億阻器也在成熟，我們應(yīng)當(dāng)在這些新的領(lǐng)域中銳意創(chuàng)新，使我們在未來的算力競爭中保持領(lǐng)先地位，支持人工智能的快速發(fā)展。
人工智能的生態(tài)環(huán)境發(fā)展離不開對于人機(jī)二元社會的新的社會形態(tài)、準(zhǔn)則、相關(guān)的法律，以及道德倫理的研究和建設(shè)。目前，在歐盟，這方面的工作受到了空前的重視。2021年4月，歐盟頒布了其最新的AI監(jiān)管草案，為人工智能的社會化使用立法，目的在于為實現(xiàn)可信賴的人工智能生態(tài)系統(tǒng)提供牢固的法律框架，歐盟競爭事務(wù)負(fù)責(zé)人直言：“通過制定標(biāo)準(zhǔn)，我們可以為符合倫理的人工智能技術(shù)鋪平道路，并確保歐盟在此過程中保持競爭力。”目前，由歐洲理事會，經(jīng)合組織、北約、聯(lián)合國教科文組織和七國集團(tuán)主導(dǎo)的全球人工智能伙伴關(guān)系，對于可信賴人工智能的框架方案有著重要的影響。我認(rèn)為我國對這樣的人機(jī)二元社會的倫理體系設(shè)立的法律框架是我們?nèi)斯ぶ悄馨l(fā)展的重要的軟實力，我們應(yīng)當(dāng)充分依據(jù)我國的國情和發(fā)展特點，有前瞻性地制定我國自己的可信賴人工智能的法律體系，以建立我們在這個至關(guān)重要的問題上的話語權(quán)。說到話語權(quán)，一個重要的方面就是建立標(biāo)準(zhǔn)，我們在這個方面談得不少，也越來越重視。但是，要在人工智能上真正做出有價值的標(biāo)準(zhǔn)，我們必須有很大的、長時間的戰(zhàn)略投入。譬如，如果我們有一批全世界都使用的、高質(zhì)量的、較完整的訓(xùn)練數(shù)據(jù)集，又可以給出一系列精心設(shè)計的測試人工智能功能的方法，并為全世界研究者共享，那么我們就在學(xué)習(xí)算法上有了定義標(biāo)準(zhǔn)的基本能力。標(biāo)準(zhǔn)需要被廣泛接受，而共享數(shù)據(jù)往往是獲得制定標(biāo)準(zhǔn)的話語權(quán)的有效途徑。
人工智能賦能應(yīng)用，建立完整的人工智能化產(chǎn)業(yè)體系。人工智能是各行各業(yè)所需的賦能技術(shù)，它的運用的廣泛性使其成為一個工業(yè)的先進(jìn)性標(biāo)志，我們常說的“智能化”就是衡量人工智能在這一產(chǎn)業(yè)中的應(yīng)用程度，但是，在智能化各行各業(yè)的進(jìn)程中，我們要把“科學(xué)性”和“實效性”放在第一位。以機(jī)器人工業(yè)發(fā)展為例，機(jī)器人在制造業(yè)、國防、醫(yī)療、金融等幾乎所有領(lǐng)域都有著非常廣泛的應(yīng)用，在機(jī)器人的發(fā)展中，一條重要的技術(shù)路線就是讓機(jī)器人做人做不到、做不好的事，譬如，“達(dá)芬奇”系列的手術(shù)機(jī)器人為人類的外科手術(shù)的發(fā)展作出了革命性的貢獻(xiàn)，我國的大疆發(fā)展的“無人駕駛飛行物”也是機(jī)器人工業(yè)發(fā)展的一個成功范例。它們的成功都是把構(gòu)造智能行為體系來完成一個對人類行為的挑戰(zhàn)作為出發(fā)點的，而不是玩一些人形機(jī)械的噱頭。在人工智能產(chǎn)業(yè)的發(fā)展中，我們要深刻認(rèn)識到人工智能應(yīng)用的普適性，只要我們面臨著數(shù)據(jù)驅(qū)動和知識驅(qū)動的決策行為的需要，人工智能就有其用武之地。在智慧城市、自動駕駛、制藥、金融、設(shè)計、醫(yī)療等眾多領(lǐng)域，人工智能系統(tǒng)都能成為數(shù)據(jù)驅(qū)動和知識驅(qū)動的決策者。從這個意義上來說，應(yīng)利用好我國在數(shù)據(jù)和算力上的優(yōu)勢，建設(shè)好我國基于大模型的“智能能源”和人工智能產(chǎn)業(yè)鏈，從而形成一個完整的人工智能賦能環(huán)境。
04 結(jié)語
人工智能的發(fā)展，源于人類對于自身的認(rèn)知能力、智慧和創(chuàng)造力的崇拜和追求。它對人類文明進(jìn)步的推動具有根本性的意義。對于人類發(fā)展的重要性、科學(xué)上的挑戰(zhàn)性、技術(shù)上的復(fù)雜性，使得人工智能未來的道路一定是艱苦漫長同時又激動人心的。對此我們應(yīng)當(dāng)充滿信心，同時又要踏踏實實，堅持科學(xué)的精神和態(tài)度。我們中國人有智慧、有能力，也有信心，在人工智能的發(fā)展中，為人類作出自己的貢獻(xiàn)。
原文來源：《學(xué)術(shù)前沿》雜志2021年12月上
作者：香港浸會大學(xué)副校長 郭毅可
返回列表
