邁向通用人工智能AGI

在探討人工智能的未來(lái)與局限時(shí)，我們必須首先理解AGI（Artificial General Intelligence，通用人工智能）的概念。AGI代表著(zhù)一種具備發(fā)現新知能力的AI。然而，當前的AI技術(shù)盡管已經(jīng)在感知和行為替代、已有知識重現方面取得了顯著(zhù)進(jìn)展，但這些仍然只是AI能力的表面及部分體現。

在2018年進(jìn)行的全國性人工智能產(chǎn)業(yè)研究中（摘自民建中央課題《人工智能產(chǎn)業(yè)發(fā)展戰略》）對找準人工智能產(chǎn)業(yè)著(zhù)力點(diǎn)進(jìn)行研究，調研結果表明“中間層”涉及到人類(lèi)知識和邏輯，對決策至關(guān)重要。2023年，隨著(zhù)大型語(yǔ)言模型的興起，我們見(jiàn)證了AI領(lǐng)域的一個(gè)奇跡。這些模型通過(guò)學(xué)習大量的語(yǔ)料，展現出了優(yōu)異的記憶力。但問(wèn)題在于，它們學(xué)到的只是語(yǔ)言的表面，而非語(yǔ)言背后的真理。正如哲學(xué)家維根斯坦所言，語(yǔ)言與人類(lèi)的真實(shí)意圖相去甚遠。同時(shí)，AI在處理數學(xué)問(wèn)題時(shí)，往往顯得無(wú)能為力，因為它們缺乏數學(xué)運算邏輯，不能很好勝任數值型分析和預測工作（摘自科學(xué)中國20230908《大語(yǔ)言模型(LLM)的“兩個(gè)天生BUG”》）。盡管存在這些局限，大型語(yǔ)言模型在與人類(lèi)交互方面展現出了前所未有的友好性，這是其持續熱度的來(lái)源。

然而，我們對AI的期望遠不止于此。在科學(xué)決策等領(lǐng)域，我們需要的AI不僅要能模擬人類(lèi)行為，更要具備通過(guò)數據產(chǎn)生新知的能力，這其中就涉及到兩個(gè)重要環(huán)節：數據挖掘能力和接觸到高質(zhì)量數據的能力。為了解決這一矛盾，學(xué)界和技術(shù)界提出了不同的見(jiàn)解，包括連接主義和符號主義的辯論。連接主義強調通過(guò)增加神經(jīng)元數量來(lái)增強智能，但是其存在邊際效應遞減的問(wèn)題，即隨著(zhù)神經(jīng)元增加到一定程度其能產(chǎn)生的智能程度的速度是下降的，而符號主義則主張通過(guò)抽象和運算來(lái)發(fā)展智能。我們認為，AI的發(fā)展應該遵循人類(lèi)進(jìn)化的規律，在依賴(lài)神經(jīng)元增加（連接主義）進(jìn)化到足夠聰明后，基于抽象的規律分析（符號主義）是更有效率的發(fā)現新知之路，因此通過(guò)連接主義*符號主義，即前期在連接主義的基礎上先具備大量的參數量，到后期教會(huì )其符號主義的所有內容，通過(guò)GPT Hybrid的方式讓AI具備數學(xué)計算和邏輯推理的能力，從而發(fā)現新知識。

綜上，我們需要不斷探索和解決AI的局限，推動(dòng)AI能夠真正成為人類(lèi)智能的延伸，最終實(shí)現AGI。

本文作者湯子歐，健交科技首席科學(xué)家、航投大數據首席科學(xué)家、易華錄健康醫療首席科學(xué)家。系福布斯中國撰稿人，表達觀(guān)點(diǎn)僅代表個(gè)人。