重视通用人工智能发展（新知）
0分享至本文转自：人民日报谷业凯《人民日报》（2023年06月26日第05版）【现象】与人“对话”、编写代码、创作诗歌、翻唱歌曲……如今，具备一定理解和自主学习能力的人工智能，可以完成一些以往被认为只有人类才能完成的工作。近期，深度学习、大模型等关键技术推动人工智能快速发展，引发社会关注。【点评】人工智能可分为专用人工智能和通用人工智能。专用人工智能，只能通过一套特定的算法，完成特定的任务。通用人工智能又称强人工智能，能像人一样举一反三、触类旁通。比如，它能接收不同类别、有一定规模的数据，包括文字、影像、语音，然后把它们融合在一起，遇到新任务时，就可以快速“想到”做过的相关事情并调用掌握的相关知识，创造性地解决问题、完成任务。近年来，人工智能大模型的出现，为通用人工智能的实现打开了新的想象空间。这些大模型往往运用一套算法、一套模型结构、一个训练思路，来提升人工智能的分析处理能力，而不是直接去解决一个个具体的问题。就像把一个孩子从小学培养到了大学，完成了通识教育，再让他们来学习一些专业知识，去完成特定的任务。这大大提升了人工智能处理复杂任务的能力。比如，过去只能进行录音转写的人工智能应用，现在则可以根据要点进行提炼总结。尽管经过大模型训练的人工智能仍然“不懂”所做事情的意义，但已经可以输出接近人类理解的结果，并具备生成新事物的“创造力”。目前，一些生成式人工智能应用正向办公、生活等领域渗透，一批生物制药、遥感、气象等垂直领域的专业类大模型走向应用。通用人工智能加速走进现实，将成为新一轮科技革命和产业变革的重要驱动力量，对人们的生产生活产生重大影响。目前，我国已逐步建立起涵盖理论方法和软硬件技术的体系化研发能力，一批具有行业影响力的预训练大模型蓬勃发展，形成了紧跟世界前沿的技术群。也应看到，我国人工智能发展水平总体上仍处于起步阶段，通用人工智能研究与应用仍然任重道远。4月28日召开的中共中央政治局会议指出，要重视通用人工智能发展，营造创新生态，重视防范风险。为通用人工智能发展营造良好创新生态，要紧跟行业发展趋势，推动各种参数规模、技术架构、模态、场景的大模型高质量发展，发挥我国市场广阔和应用场景丰富的优势，探索具有产业价值的应用方向，为技术研发提供更多支撑。同时，要加强资源和研发力量统筹，在芯片、底层技术架构、人才培养、产学研融合、开源开放生态建设等方面协同发力，让技术进步和产业发展形成良性循环。人工智能不断进化，也会带来一定风险。积极推进人工智能治理，要有一定的前瞻性。通用人工智能可处理海量数据，生成近似原作的产品，将在知识产权保护、个人隐私保护、打击虚假信息等方面带来新的挑战。政府、行业、企业等相关各方应加强风险研判，共同制定标准和制度规则，有效防控人工智能的科技伦理风险，不断推动科技向善、造福人类。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端数据仓库：人工智能的强大后盾
随着人工智能的快速发展，数据仓库和数据网络作为其基础设施的重要性也越来越被关注。然而，对于人工智能最根本的是数据仓库还是数据网络，学界和工业界存在着不同的看法。
一方面，一些人认为数据仓库是人工智能最根本的基础设施。数据仓库是指在大数据环境下，将各种数据整合、清洗、加工和存储的一种数据平台。这种观点认为，没有数据仓库，人工智能就无从谈起。数据仓库能够提供统一的数据接口，将数据从不同的源系统中抽取出来，并进行整合、清洗和预处理，以便于人工智能算法的使用。没有数据仓库，数据就是散乱的、杂乱的，无法被有效地利用。
另一方面，也有人认为数据网络是人工智能最根本的基础设施。数据网络是指将不同的数据源连接在一起，形成一个巨大的数据生态系统。这种观点认为，数据仓库只是数据网络中的一个组成部分，而数据网络则更加灵活、开放，能够更好地支持人工智能算法的创新和应用。通过数据网络，不同领域的数据可以相互连接、交流和共享，从而为人工智能提供更加广泛和深入的数据支持。
那么，究竟哪种观点更符合实际情况呢？实际上，答案并不是非黑即白的。在实际应用中，数据仓库和数据网络并不是相互独立的，而是相互依存、相互促进的。数据仓库为数据网络提供了基础的数据支撑，而数据网络则将数据仓库中的数据进行了更广泛的传播和利用。
然而，无论数据仓库还是数据网络，它们的重要性都不应该被低估。在人工智能的发展中，数据是核心的资源，而数据仓库和数据网络则是保护和利用数据资源的重要手段。因此，我们应该更加注重建设和优化数据仓库和数据网络，以提高人工智能的性能和效率，推动人工智能的快速发展。
总之，数据仓库和数据网络都是人工智能发展的重要基础设施，它们相互依存、相互促进，为人工智能提供了强大的数据支持。在未来的发展中，我们应该更加注重数据资源的保护和利用，不断优化数据仓库和数据网络，以推动人工智能的进一步发展。