作者：浙江大學計算機學院教授  吳飛

近年來，以大模型為代表的人工智能技術發(fā)展迅猛，掀起一波席卷全球的人工智能發(fā)展熱潮。2024年政府工作報告強調(diào)，深化大數(shù)據(jù)、人工智能等研發(fā)應用，開展“人工智能+”行動。人工智能作為一種具有普遍適用性、動態(tài)演進性和創(chuàng)新互補性的通用目的技術，能夠廣泛滲透到各個領域，對經(jīng)濟社會發(fā)展產(chǎn)生顯著影響。“人工智能+”并非簡單的疊加，而是通過新技術的融合與創(chuàng)新，催生新的生產(chǎn)力，為經(jīng)濟社會各個領域注入新產(chǎn)業(yè)、新模式和新動能。

人工智能技術的不斷發(fā)展變化

1955年8月，四位學者向美國洛克菲勒基金會遞交了一份題為“關于舉辦達特茅斯人工智能夏季研討會的提議”的建議書，希望洛克菲勒基金會能夠資助于1956年夏天在達特茅斯學院舉辦的人工智能研討會。在這份具有歷史意義的建議書中，“人工智能”這一術語被首次明確提出并使用。大多數(shù)學科都有必須要遵守的最基本的命題或假設，這些命題或假設不能被省略和被違反，即學科發(fā)展的第一性原理。比如，牛頓經(jīng)典力學中的“引力和慣性”以及達爾文進化論中的“物競天擇、適者生存”，都是需要遵守的第一性原理。而在人工智能研究中，對智能行為過程的精確描述可作為第一性原理，也就是說以機器為載體來展示人類智能或生物智能，需要對智能行為發(fā)生過程予以清晰描述，才能通過程序設計語言被機器按序執(zhí)行。

自人工智能踏上人類歷史舞臺以來，棋類領域的博弈對抗就成為了檢驗其能力大小的重要“試金石”。如何讓人工智能算法從海量落子中選擇一個最佳落子，是當時人工智能面臨的巨大挑戰(zhàn)。1950年，“信息論之父”香農(nóng)（Claud Shannon）在一篇論文中估算國際象棋的落子總數(shù)為10的120次方種，被稱為“香農(nóng)數(shù)字魔咒”。1997年5月，IBM研發(fā)的超級計算機“深藍”（DeepBlue）憑借1秒鐘計算2億次落子的算力之威和快速剪除不必要探尋空間的搜索之巧，戰(zhàn)勝了世界排名第一的國際象棋大師卡斯帕羅夫，破除了“香農(nóng)數(shù)字魔咒”。圍棋比賽中落子的復雜度遠勝于國際象棋，為了突破所面臨的組合爆炸挑戰(zhàn)，谷歌DeepMind團隊在研制AlphaGo過程中基于深度學習對黑白相間棋面局勢進行理解、通過強化學習來提升謀略、利用蒙特卡洛樹搜索來計算每個潛在落子的價值，從而在2016年3月以4：1比分戰(zhàn)勝了韓國棋手李世石。面對人類社會復雜問題，人工智能技術不斷發(fā)展變化。

自達特茅斯會議之后，人工智能的發(fā)展經(jīng)歷了兩次低谷和三次高潮的曲折歷程。在20世紀60年代至70年代，人們發(fā)現(xiàn)當時的智能算法雖然具備了一定的邏輯推理能力，但僅限于在實驗室預先設計的簡化問題（即“玩具問題”）上取得成效。這一發(fā)現(xiàn)使得人工智能研究第一次陷入低谷。人工智能研究進入第二次低谷的標志性事件是日本智能（第五代）計算機的研制失敗。這次失敗再次讓人們意識到人工智能研究的復雜性和挑戰(zhàn)性，也促使人們開始探索新的研究方向和方法。21世紀初，隨著以“深度學習”為代表的人工智能方法在計算機視覺、語音識別和游戲博弈等領域取得了顯著進展，人工智能呈現(xiàn)深度學習、跨界融合、人機協(xié)同、群智開放、自主操控等新特征，迎來了新一輪發(fā)展機遇。而當前，社會對人工智能的需求急劇擴大，人工智能的目標和理念已經(jīng)發(fā)生轉(zhuǎn)變。

隨著移動終端、互聯(lián)網(wǎng)、傳感器網(wǎng)、車聯(lián)網(wǎng)、穿戴設備等的流行，計算與感知已經(jīng)廣泛遍布世界，與人類密切相伴。網(wǎng)絡不但遍布世界，更史無前例地連接著個體和群體，開始快速反映與聚集人們的意見、需求、創(chuàng)意、知識和能力。世界已從“物理世界—人類社會”二元空間結(jié)構的PH（Physics world，Human Society）演變?yōu)?ldquo;信息空間—物理世界—人類社會”三元空間結(jié)構的CPH（Cyber space，Physics world， Human Society）。同時，社會對人工智能的需求急劇擴大。人工智能的研究正迅速從學術牽引轉(zhuǎn)向需求牽引。智能城市、智能醫(yī)療、智能交通、智能物流、智能機器人、無人駕駛、智能手機、智能游戲、智能制造、智能社會……迫切需要人工智能技術的新發(fā)展，引發(fā)新一輪人工智能研究熱潮。此外，人工智能的目標和理念正在發(fā)生轉(zhuǎn)變。人工智能的目標已經(jīng)從單純的“用計算機模擬人的智能”拓展到了更加廣泛的領域，包括“機器+人”（用機器與人結(jié)合成增強的混合智能系統(tǒng)）、“機器+人+網(wǎng)絡”（用機器、人、網(wǎng)絡結(jié)合組織成新的群體智能系統(tǒng)）、“機器+人+網(wǎng)絡+物”（用機器、人、網(wǎng)絡和物結(jié)合而成的智能城市等更復雜的智能系統(tǒng)）。人工智能正從“造人制腦”走向“賦能社會”，強大應用驅(qū)動下的一系列智能技術正處于蓬勃發(fā)展中。

通過自然語言與人工智能模型交互實現(xiàn)高效智能對話

OpenAI將通用人工智能（artificial general intelligence，AGI）作為公司發(fā)展的理念，在官方主頁中明確表示“公司理念是確保能夠讓全人類從通用人工智能中受益”。與通常將通用人工智能理解為人類水平智能（human-level）不同，OpenAI把突破通用人工智能的技術重點聚焦在對人類語言理解基礎上而進行交談這一任務，通過對交流的自然語言所蘊含的語義理解，用內(nèi)容合成來驗證語言理解結(jié)果的性能。如OpenAI研制的ChatGPT可以對人類自然語言中的描述任務進行理解，然后以QA形式完成問答任務；Sora可以對人類自然語言中所描述的任務、物體、運動和交互、色彩、光照等進行理解，然后合成視頻內(nèi)容。ChatGPT和Sora都屬于完成人工智能生成內(nèi)容（AIGC）的產(chǎn)品，其背后的原理均為“對合成內(nèi)容中最小單元進行有意義關聯(lián)組合”：若干個單詞在保持上下文語境的同時進行有意義組合而連綴成一個會意句子、眾多圖像小塊在保持空間合理布局的同時進行有意義組合而拼合為一幅精彩圖像、一系列時空子塊在保持時空連續(xù)一致的同時進行有意義組合而拼接成一段動感視頻。

諾貝爾物理學獎獲得者理查德·費曼（Richard Feynman）曾提及，在生物學、人類學或經(jīng)濟學等復雜系統(tǒng)中，很少有一種簡潔的數(shù)學理論能與數(shù)學物理學理論中的數(shù)值精確度相媲美，其原因在于“其過于復雜，而我們的思維有限”，這被稱為“費曼極限”。經(jīng)典的科學理論遵循簡約原則（如奧卡姆剃刀原則），注重原理描述而無法刻畫高維復雜系統(tǒng)，存在“費曼極限”。數(shù)據(jù)驅(qū)動的機器學習技術憑借其強大的函數(shù)逼近能力，擅長從微觀層面深入發(fā)掘復雜系統(tǒng)的內(nèi)在模式和規(guī)律，以統(tǒng)計方法擬合高維復雜系統(tǒng)，被譽為神經(jīng)網(wǎng)絡模型的“涌現(xiàn)能力”。涌現(xiàn)能力就是組成成分按照系統(tǒng)結(jié)構方式相互作用、相互補充、相互制約而激發(fā)出來的特征，是一種結(jié)構效應。機器學習模型具有涌現(xiàn)能力意味著重要的科學意義，因為如果涌現(xiàn)能力是永無盡頭的，那么只要模型足夠大，類人人工智能的出現(xiàn)就可能成為必然。在億萬個非線性映射函數(shù)組合之下，人工智能模型對最小時空子塊單元進行各種意想不到的組合，合成世界上從未出現(xiàn)過的內(nèi)容，這正是人工智能在數(shù)據(jù)、模型、算力“三駕馬車”推動下發(fā)展的應有之義。

綜上所述，雖然目前通過生成式人工智能所實現(xiàn)的Chat結(jié)果仍然存在需要改善之處，但這一技術讓計算機對人類自然語言理解能力極大增強，使得每個人都可以通過自然語言與人工智能模型交互，而不是通過編程、鍵盤或其他非自然方式與人工智能模型交互。

人工智能作為通用目的技術，成為經(jīng)濟增長新引擎

在一定程度上，技術進步?jīng)Q定了經(jīng)濟增長，是經(jīng)濟增長的引擎。比如，1909年—1949年美國勞動生產(chǎn)率增長主要由于技術進步，歐洲在過去10年中的經(jīng)濟增長也主要源于創(chuàng)新驅(qū)動。技術進步是經(jīng)濟增長的源泉。然而，長期的經(jīng)濟增長實際上是由少數(shù)幾種被稱為“通用目的技術”所驅(qū)動的。在人類發(fā)展歷史中，蒸汽機、電力、計算機、半導體和互聯(lián)網(wǎng)等與人工智能一樣，都是通用目的技術，具有普遍適用性、動態(tài)演進性和創(chuàng)新互補性三個特點。普遍適用性，是指能夠廣泛應用到大多數(shù)行業(yè)。動態(tài)演進性，是指隨著時間的推移，能夠不斷得到改進，使用成本不斷降低。創(chuàng)新互補性，是指能夠提高應用部門的研發(fā)生產(chǎn)率，進而不斷實現(xiàn)技術進步。通用目的技術是核心創(chuàng)新要素，但不是完整的最終解決方案。比如瓦特在1795年改良了蒸汽機，但是直至這之后近百年，當蒸汽機與紡織、交通和冶金等工業(yè)緊密結(jié)合，使得機械動力迅速取代人力、風力、水力和畜力，蒸汽機對勞動生產(chǎn)率的貢獻才達到頂峰，推動人類邁入工業(yè)革命時代。同理，電力和計算機等通用目的技術與其他產(chǎn)業(yè)相互結(jié)合，才使得人類社會先后進入了電氣化時代和信息化時代。而當前人工智能技術的發(fā)展總體上依然處于“播種階段”。表面上看，人工智能已經(jīng)滲透到各行各業(yè)，但實際上其與各行業(yè)的結(jié)合程度仍需提升。

綜上所述，通用目的技術需要花費較長時間才能對生產(chǎn)率產(chǎn)生實質(zhì)影響。通用目的技術對經(jīng)濟增長呈現(xiàn)滯后效應，其原因在于通用目的技術從發(fā)展到成熟會經(jīng)歷一個較長的時間周期，需要整合其他互補式創(chuàng)新技術以及與現(xiàn)有組織機構形成生產(chǎn)關系的適應。這充分說明亟需開展“人工智能+”行動，助力培育新質(zhì)生產(chǎn)力。

“人工智能+”助力培育新質(zhì)生產(chǎn)力

“人工智能+”代表了一種新的范式，即將人工智能技術與其他行業(yè)或領域有機結(jié)合，以創(chuàng)造更多價值。人工智能要突破理論天花板（如數(shù)據(jù)驅(qū)動黑盒效應導致的不可解釋等）、要與具體場景和任務融會貫通（如“AI+X”或“X+AI”還較為膚淺等）、要培養(yǎng)一大批掌握人工智能的高質(zhì)量人才，必須以教育為基礎、科技為關鍵、人才為支撐。

要使人工智能賦能產(chǎn)業(yè)、賦能社會，成為推動經(jīng)濟社會高質(zhì)量發(fā)展的強大引擎，需要一大批掌握這一技術的優(yōu)秀人才。我國一直高度重視人工智能人才培養(yǎng)工作。2019年3月，教育部印發(fā)《教育部關于公布2018年度普通高等學校本科專業(yè)備案和審批結(jié)果的通知》，批準35所高校設置“人工智能”本科專業(yè)（電子信息類）。2022年9月，國務院學位委員會、教育部印發(fā)《研究生教育學科專業(yè)目錄（2022年）》，新設“智能科學與技術”一級學科（屬交叉學科類）。人工智能天然具有學科交叉特色，因此，一方面要培養(yǎng)人工智能研究人才，另一方面要培養(yǎng)“AI+X”交叉學科人才，為“人工智能+”提供豐富人才資源。

抓住大模型機遇，賦能實體經(jīng)濟發(fā)展。近年來，生成式人工智能表現(xiàn)出較強的內(nèi)容合成能力，推動了語言生成和對話式人工智能等領域的突破性進展，其以自然語言交互手段來完成傳統(tǒng)人工智能難以比及的眾多任務，為探索通用人工智能的實現(xiàn)提供了一種方式，引起了各行業(yè)的廣泛關注。生成式人工智能的代表方法包括以自注意力機制而學習單詞上下文關聯(lián)核心的Transformer神經(jīng)網(wǎng)絡、以前向加噪和后向去噪而學習數(shù)據(jù)樣本分布為核心的擴散模型等。將生成式人工智能與應用場景和任務結(jié)合，建立垂直領域大模型，將生成式人工智能架構在領域知識基礎上，在生成假設、設計實驗、計算結(jié)果和解釋機理等環(huán)節(jié)調(diào)用不同工具，推動All-In-One的通用大模型躍進到垂直領域大模型，賦能千行百業(yè)，是人工智能推動生產(chǎn)力發(fā)展的必由之道。如浙江大學研制了面向司法領域垂直大模型“智海—錄問”，正在逐漸推動司法領域業(yè)務模式創(chuàng)新?？梢哉f，與經(jīng)濟場景融合的人工智能應用能夠把人才、資本、技術、政策等創(chuàng)新相關的要素匯聚在一起，實現(xiàn)技術迭代突破，形成可以商業(yè)化的創(chuàng)新成果。

綜上所述，推動“人工智能+”向產(chǎn)業(yè)經(jīng)濟、民生改善和社會治理等領域加速滲透，促進人工智能和實體經(jīng)濟深度融合，能夠為經(jīng)濟社會高質(zhì)量發(fā)展添薪續(xù)力。

正確面對科技發(fā)展帶來的倫理挑戰(zhàn)

科學技術作為人類理性實踐的結(jié)晶，會對人類社會發(fā)展產(chǎn)生越來越深刻的影響，其產(chǎn)生和發(fā)展伴隨著倫理觀念、社會文化的演變。通過發(fā)現(xiàn)和應用新知識為人類謀幸福是近代科學興起的原動力之一。當前，科技以前所未有的程度滲透到人類社會，對政治、文化等產(chǎn)生深刻影響。當科學技術的探索與應用符合倫理規(guī)范，被引導至向善、負責任的方向，會更好地促進社會發(fā)展和人類福祉提升。反之，倘若科學技術探索和應用打破了倫理底線，則會給社會造成巨大危害。

傳統(tǒng)的科技發(fā)展通常采取一種所謂的“技術先行或占先行動路徑”，以發(fā)展技術為優(yōu)先原則，體現(xiàn)出一種強大的工具理性，即“通過縝密的邏輯思維和精細的科學計算來實現(xiàn)效率或效用的最大化”。這種對技術效用單一維度的追求導致了科技異化現(xiàn)象，使得技術發(fā)展逐漸偏離“善”的方向，進而引發(fā)了一系列倫理風險。為確?？萍及l(fā)展的正當性與合理方向，科技倫理應運而生?？萍紓惱硎强萍蓟顒有枰裱膬r值理念和行為規(guī)范。人類已經(jīng)進入科技和信息時代，相較于傳統(tǒng)工業(yè)時期以安全性為表征的技術風險，關涉人類福祉、公正等核心價值的倫理風險正成為當代科技發(fā)展引發(fā)的主要消極后果。當前，隨著人工智能與人類社會聯(lián)系更加緊密，帶來的倫理學討論不再只是人與人之間的關系，也不是人與自然界既定事實之間的關系，而是人類與自己所發(fā)明的產(chǎn)品在社會中所構成的關聯(lián)。因此，對于科技本身，需要既考慮其技術屬性、又考慮其社會屬性。

不可否認，人們較為習慣線性思維（這符合人類自然的認知模式：節(jié)省能量與快速計算），但這很容易導致認知偏差，其中最常見的認知偏差是對于技術近期與遠期影響的判斷出現(xiàn)不對稱性。美國科學家羅伊·阿瑪拉由此提出了所謂的“阿瑪拉定律”，即短期內(nèi)人們傾向于高估技術的影響，長期內(nèi)則會低估技術的影響。19世紀汽車剛被發(fā)明出來時，被大眾認為是一種“怪物”，不少人擔心其會給人類社會帶來危險。因此，1865年英國議會通過了一部《機動車法案》，其中規(guī)定：每一輛在道路上行駛的機動車必須由3個人駕駛，其中一個必須在車前面50米以外做引導，還要用紅旗不斷搖動為機動車開道，并且速度不能超過每小時4英里(每小時6.4公里)?？梢哉f，這部法案扼殺了英國在當年成為汽車大國的機會，隨后汽車工業(yè)在美國迅速崛起。

事實上，技術是無罪的，但技術背后的人心應當經(jīng)得起法律、道德和良知的考驗。為了推動“普遍智能”更好惠及社會和大眾，必須緊緊把握人工智能技術屬性和社會屬性緊密結(jié)合的特點。機器是人創(chuàng)造出來的，人的作用就是在人和機器共處的社會中，不斷用自己的知識讓機器變得更加強大。因此，我們需要用進化的觀點去看待這個過程，最大限度地發(fā)展種種可能性，而不是陷入“人機相斗”和“人機相害”的臆想中。人類始終是人工智能高度、廣度和深度的“總開關”和決定者。一方面，要警惕將人工智能等同于人類大腦的不切實際之舉和“人工智能奴役人類”的杞人憂天之舉；另一方面，要善于利用人工智能技術，推動智聯(lián)網(wǎng)賦能經(jīng)濟社會發(fā)展，在人機協(xié)同中創(chuàng)造更加美好的未來。