人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
ChatGPT热潮下的冷思考：人工智能将如何影响人类的未来
中新网2月19日电题：ChatGPT热潮下的冷思考：人工智能将如何影响人类的未来？
中新财经记者宋宇晟
“在接下来的五年中，会思考的计算机程序将阅读法律文件并提供医疗建议。在接下来的十年中，它们将从事流水线工作，甚至可能成为同伴。在此之后的几十年中，它们将做几乎所有事情，包括做出新的科学发现，从而扩展我们的‘一切’概念。”
2021年3月16日，OpenAI公司CEO山姆・阿尔特曼(SamAltma)在网上发表了一篇名为《万物摩尔定律》的文章，并在文中以预言式的口吻这样描绘了人类与人工智能共处的未来世界。
在阿尔特曼看来，人工智能革命即将到来，其结果必将深刻影响人类的未来。不到两年之后，有关ChatGPT的讨论席卷全球。这似乎意味着现实正逼近他所预测的未来。
那么，人工智能的发展将如何塑造或影响人类的未来？我们还是先从最近备受关注的ChatGPT说起。
ChatGPT是怎么火起来的？
2022年11月30日发布的聊天机器人模型ChatGPT，正显示其巨大的影响。根据Similarweb的数据，今年1月，平均每天约有1300万独立访客使用ChatGPT，是去年12月份的两倍多，累计用户超1亿，创下了互联网最快破亿应用的纪录。
如果只把它看作是一个“能与人类对话”的机器人，“技术进步”的迹象并不明显。毕竟Siri、小爱、小度……这些人们如今常用的工具，都可以提供“对话”服务；甚至在2020年，小冰公司还推出过“虚拟男友”聊天产品。这些产品背后的人工智能都可以在不同程度上完成与人类的“对话”。
ChatGPT的“魅力”更多还要从技术上看。其中，“大模型”是关键词。
小冰公司CEO李笛将ChatGPT定义为“大模型”的一个产物、一次产品化的尝试。
何为“大模型”？智源研究院原副院长刘江告诉记者，以AlphaGo为例，这样的人工智能就属于“小模型”。“它只能用来下围棋，象棋、五子棋都不会下。其中可能有些底层技术类似，但如果要让AlphaGo下象棋或五子棋，还需要技术人员重写代码、重新训练。”
“但大模型不同，它是通用的。”刘江举例，ChatGPT的应用场景很广泛，既可以写邮件、写文案，还可以写代码、写诗，甚至写论文。
腾讯研究院发布的《2022十大数字科技前沿应用趋势》中就明确指出，小模型不仅需要大量的手工调参，还需要给机器喂养海量的标注数据，这拉低了人工智能的研发效率，且成本较高。大模型通常是在无标注的大数据集上，采用自监督学习的方法进行训练。
ChatGPT是OpenAI对其2020年发布的GPT-3模型微调后开发出的对话机器人。报道显示，该模型使用来自互联网的文本数据库进行训练，包括从书籍、网络文本、维基百科、文章和互联网其他文本中获得的高达570GB的数据。ChatGPT背后的模型GPT-3.5则更为强大。
中金公司一份研报认为，此类新技术的应用“带来弱人工智能向通用智能的阶跃”。
而在业内人士看来，技术上从小模型到大模型的变化，无异于人工智能的“进化”。
人工智能的“进化”
1965年，英特尔创始人之一戈登・摩尔提出了摩尔定律，即当价格不变时，集成电路(IC)上可容纳的元器件，每隔18-24个月便增加一倍，性能也提升一倍。既然在相同面积晶圆下生产同样规格的IC，每隔18-24个月可增加一倍，那么生产成本也能相应降低50%。
阿尔特曼的《万物摩尔定律》将这一定律的适用范围大大扩展。他写到，“摩尔定律适用于一切”应该是一代人的口号，虽然“这听起来很乌托邦”。
换言之，在阿尔特曼看来，当下这个时代，技术迭代的速度是肉眼可见的。
事实上，在人工智能的加持下，某些领域的演进速度已经大大加快。有报道称，据OpenAI统计，从2012年到2020年，人工智能模型训练消耗的算力增长了30万倍，平均每3.4个月翻一番，超过了摩尔定律的每18个月翻番的增速。
回顾OpenAIGPT模型的进化之路，具有十分明显的规模效应。数据显示，2018年初代GPT参数量为1.17亿，2019年二代参数量达15亿，2020年GPT3.0参数规模直接飞跃至1750亿。
百度CEO李彦宏就曾公开指出，无论是技术层面还是商业应用层面，人工智能都有了方向性的改变。
微软CEO纳德拉在接受访谈时也曾表示，GPT的发展不是线性的，而是指数级变化的，所以相比较GPT-3，当前的GPT-3.5已经展现出更强的能力。业界普遍预测，GPT-4将在今年推出，并具备更强大的通用能力。
毫无疑问，成指数级的增长让人工智能得以高速“进化”。
刘江告诉记者，这样的“进化”并非只是量变，也不只是每次迭代相加的结果。“有研究人员总结，相比于小模型，人工智能大模型已经出现了一百多种‘突变能力’，即大模型具备、小模型不具备的能力。”
他觉得，这在某种程度上很像生物进化的过程。“就好像大脑在不断量变后来到一个临界点，然后生物就产生了高等智能那样。”
巨大突破的曙光隐现？
1950年，计算机科学家艾伦・图灵提出了一个被称为“模仿游戏”的思想实验。面试官通过打字机与两个对象交谈，知道一个是人，另一个是机器。图灵建议，如果一台机器能够始终让面试官相信它是人类，我们就可以说它有能力思考。这就是著名的“图灵测试”。
迄今为止，还没有人工智能模型能真正通过图灵测试，包括ChatGPT。甚至，ChatGPT暴露出待解决、待完善的问题还有很多。
李笛就明确指出，ChatGPT至少存在内容准确问题、运行成本问题、即时性问题。“这些都是根源问题，很难在ChatGPT上得到解决，可能要等新的产品和应用出来。”
以内容准确问题为例，李笛认为，作为知识系统，最基本的要求是准确，但ChatGPT的技术结构决定了它提供的知识很难作到准确。
事实上，该问题已经给人工智能公司造成了真金白银的损失。
“我可以告诉我9岁的孩子关于詹姆斯?韦伯太空望远镜(JamesWebbSpaceTelescope，简称JWST)的哪些新发现？”谷歌推出的类ChatGPT功能Bard回答中包括“JWST拍摄到了太阳系外行星的第一张照片”。
但真实的情况是，第一张系外行星照片是由欧洲南方天文台的VeryLargeTelescope(VLT)在2004年拍摄的。当天谷歌股价大跌约9%，市值蒸发约1000亿美元。
ChatGPT也存在类似的问题。当记者向ChatGPT询问“ChatGPT目前暴露出哪些待解决、待完善的问题”时，它给出的回答与ChatGPT网站上人类列出的其局限性有所出入。
还有成本问题。据报道，有研究估测，训练1750亿参数语言大模型GPT-3，需要有上万个CPU/GPU24小时不间输入数据，所需能耗相当于开车往返地球和月球，且一次运算就要花费450万美元。此外，ChatGPT投喂的数据质量、广泛的应用场景、持续的资金投入都缺一不可，更不用说还有开发AI产品的边际成本以及悬而未决的全栈集成能力。
对此，刘江直言，大模型目前对算力要求很高，门槛也高，必然是技术密集、资金密集、人才密集型的。“人工智能从小模型到大模型，只能说在技术上迈进了一步。但人工智能要突破所谓的‘奇点’，即人工智能发展到比人‘聪明’且能够自我‘进化’，还有一段距离。”
即便如此，他依旧认为，目前已经能看到人工智能巨大突破的曙光了。“相当于我们在黑暗中摸索了很多很多年，现在终于看到一点亮光了，要出去了。”
“奇点”何时到来？
相信“奇点”说法的人们认为，技术变革迅速而深远的发展将对未来人类生活造成不可逆转的变化。而生物思想与技术的融合，将让人类超越自身的生物局限性。
正如美国未来学家雷・库兹维尔所指出的那样，奇点临近暗含一个重要思想：人类创造技术的节奏正在加速，技术的力量也正以指数级的速度在增长。指数级的增长是具有迷惑性的，它始于极微小的增长，随后又以不可思议的速度爆炸式地增长――如果一个人没有仔细留意它的发展趋势，这种增长将是完全出乎意料的。
用库兹维尔的话说就是，“我们的未来不再是经历进化，而是要经历爆炸。”他曾预言，“奇点”将在大约2045年时到来。
事实上，这种“始于极微小而后爆炸式的增长”在近几十年的技术发展史中不断被验证。
网络浏览器诞生于1990年，但直到1994年网景导航者(NetscapeNavigator)问世，大多数人才开始探索互联网。2001年iPod诞生之前流行的MP3播放器，并未掀起数字音乐革命。同样，2007年，苹果(Apple)iPhone手机横空出世之前，智能手机已经问世，但却并没有针对智能手机开发的应用。
ChatGPT的出现，或许会是技术史上一个新的节点。
人们已经开始谈论人工智能将会如何颠覆他们的工作和生活。而人类此刻与ChatGPT的各种聊天记录，将全部变成下一代模型的训练数据。
在刘江看来，面对即将到来的变革，人类应该拥抱变化、拥抱未来。“人类是在不断变化的，不能固守陈规。当然我们也应该积极思考不允许人工智能突破的底线在哪。”
他不否认人们因此产生对未来工作可能发生变动的担忧。“也许未来每个人身边都会有机器人，就像老板身边的秘书。”
重要的是，我们应如何与人工智能共处。换言之，要解决的问题是，人类的价值是什么？
目前，已有人工智能领域专家提出，要警惕人工智能弱化人类思维。
李笛认为，人类创作者恰恰应当把人工智能视为解放自己创意的新手段或工具，让自己得以进一步回归内容创作的本质，即“创意”上去。
刘江则给出了另外一种假设：伴随着人工智能技术的发展，当生产力极大突破后，或许人类就不必须工作了。也许到那天，人类真的可以实现按需劳动了。(完)
讲讲人工智能对人类社会的影响及对人类未来的发展
人工智能对人类社会的影响人工智能系统的开发和应用，己为人类创造出可观的经济效益，专家系统就是一个例子“随着计算机系统的不断发展与完善，人工智能技术必将得到更大的推广，产生更大的经济效益”。经济发展的好坏直接决定着社会发展的状况，只有在经济形势向好的前提下，才会有其它方面的发展。人工智能的出现，对经济的快速发展起到了相当大的作用。20多年来，人工智能的运用，几乎渗透到各个领域，包括经济领域、空间技术、自动控制、计算机设计和制造等众多领域，并在实际应用中产生了巨大的经济效益，有力地促进了经济社会的科学发展。
人工智能对社会发展的贡献是有目共睹的，自人工智能出现以来，社会发展取得了举世瞩目的成就，在许多领域中取得了骄人的成果。当前，我国经济发展突飞猛进，取得了喜人的成绩，在社会发展上也更加注重利用这一学科发展，合理发展，利用人工智能高科技有力地推动社会的发展，千方百计利用科技的发展使得社会朝着和谐的方向迈进。同时，人工智能研究成果，也显示出了在某些方面，计算机要胜过人类的能力。当然，人工智能的核心问题仍旧是把人类的智能与机器智能更好的链接起来，处理好科技与社会的协调发展，这一问题仍旧是人工智能所应该解决的最重要问题。
在文化方面，人工智能的影响也颇大，人工智能促进人类知识的不断完善，同时人工智能广泛提高了人们的文化生活质量，还有就是人工智能也会促进改善人类的语言。
人工智能与人类未来那么伴随着人工智能的发展，尤其是强人工智能的发展，人类的未来会发生走向何方呢？
有观点认为，电脑永远不会赶上或超过人脑。首先，用人类创造的科学来支配创造科学的人类的精神是危险的，而事实上，人工智能也不可能完全明确地解释人的精神和意识，因为这是有悖哲学的合理性的。其次，要想科学地解释人类精神本身也是危险的，因为人类的思维过程不可能程序化和形式化，因此即便尝试也是注定失败的。第三，人工智能不能超过人的智力，是因为它是由人的智力创造的。
机器没有自己的思维，如果不输入信息，那么电脑或者其他高科技机器都不会有任何的信息输出。而所谓的“结论”只不过是输入的信息经过输入程序的计算得到的逻辑结果。我们用人工智能得到的结果只是程序设计员预先编好的程序的运行结果。因此，可以说，人类的大脑总比它所制造出的人工智能更高级一些，机器永远都是人脑创造性的产物，是人类的工具而己。
人类智能与人工智能的哲学关系人工智能其实就是模仿、延伸和扩展人的智能为目地的一门技术，简单地说人工智能就是要让计算机变得更加聪明的技术。从马克思主义的观点来看，人工智能实际上就是人类智能发展到一定阶段的产物，是人类智能的延伸。关于人工智能的发展问题，哲学上至今仍然存在着许多的争议。
人工智能与人类智能的发展是一个相互促进、相互作用、相互影响的过程。它们既是一个统一的整体，又各自有自身的特点。如果没有了人类智能的发展，人们也不会理解并发展人工智能，甚至无从认识人工智能。而人工智能的产生，也进一步体现了人类智能的重要性。
人类智能与人工智能之间的关系与共同发展，是当代人们关心的一个重点问题，人工智能就是要不断模拟人类智慧以达到人类所需要的效果。因此，要发展人工智能，就必须要求对人类自身有一个很好的认知。
人工智能能否取代人类？人工智能取代人类是一件几乎不可能发生的事情，首先，人工智能是在人工的基础上产生了，在“人工”的范围里能与人类相媲美的只有“克隆人”这种人造人，即使是这样，也没有取代人类的可能，况且克隆人的根本还是取之于人用之于人，克隆人具有自己的思维，不受其他人类控制。而人工智能不同，人工智能是完全由人类制造为人类服务的机器，能够做当与人类相媲美，都是一件几乎不可能发生的事情，因为人类的结构尤其是大脑，实在是太复杂。
有些类型的人类技能将非常难以实现任何自动化，而创造力就是一个很好的例子。判断力和常识是我们做得很好的事情，但是人工智能系统呢？。这个人工智能机器人就很难代替人工。当人工智能变得更先进的时候，它可能会变得更少挂住如何去编程，而更多的是知道如何去做一个什么时候问什么问题的机器。人们担心有多少人会因此而失业，但是工作是由许多子任务组成的，其中一些任务可能会自动完成，这可能意味着我们在工作中所做的事情会发生变化，但人们仍然会有很多价值。
人工智能的未来之路
人工智能的未来之路
演讲人：刘嘉 演讲地点：清华大学人文清华讲坛 演讲时间：2022年11月
演讲人简介：
刘嘉，麻省理工学院博士，心理学家，长期从事心理学、脑科学与人工智能研究。清华大学基础科学讲席教授、心理学系系主任、清华大学脑与智能实验室首席研究员、北京智源人工智能研究院首席科学家。
人的认知与大脑构造
为什么人如此难以理解？为什么这个世界总是让我们产生很多困惑？这是人类从有文明开始就一直存在的问题，道理其实非常简单。
首先，我们看见的世界只是这个世界中非常小的一部分，我们忽略了绝大部分的东西。
我们在清华做过一个小实验：一位戴黑色渔夫帽的女士在清华问路，在她问路的时候，我们安排一块隔板从戴黑色渔夫帽的女士和被问路的人之间穿过。当板子过来时，原来问路的女士抬着板子走开了，而原来抬板子过来的另一位戴蓝色渔夫帽的女士留了下来，由她继续问路。在7个被问路的人中，只有一个人注意到了提问人的变化。这个小实验的问路场景里，人们其实只看见了世界上非常小的一部分，由于这些是不重要的信息，人们就容易忽略掉这些信息。
但更可能发生的是，人们的认知还会扭曲这个世界。比如图1这一组图里，有两个拼在一起的方块图，一个颜色深一点，一个颜色浅一点，还有一个圆环，它的灰度介于两者之间，圆环左右两半颜色一样。但如果把两个方块图分开，大家一般都会觉得圆环的颜色一边变浅了，一边变深了，事实上，它们的颜色仍是完全一样的。再把这个圆环分开，变成上下移动，这时看见的东西有立体感了，好像是深灰色的东西盖上了一层浅色的毛玻璃，以及浅色的板盖上了深色的毛玻璃。
我们无时无刻不在观察这个世界，但又无时无刻不在扭曲这个世界，这到底是为什么？
这其实取决于我们的视觉系统。假如外部世界存在一个绿苹果，它会以大约100亿比特/秒的信息量进入我们的视网膜，视网膜通过约100万个神经连接，连接到视觉皮层，这个时候我们的信息流就从百亿比特/秒变成600万比特/秒；经过视觉初级皮层加工再传到高级皮层来决定看到的东西是什么时，信息流又变成了100比特/秒。这时信息量衰减了1亿倍。可见，当我们做决策时，我们获得的信息其实是非常有限的，所以我们就需要构造出新的东西，把缺失的信息补上，而我们的大脑就像魔术师一样来弥补这些缺失的信息。这一方面可以解释为什么有很多东西我们看不见——因为传输过程中已经被人脑衰减掉、过滤掉了；同时也可以解释，为什么有的人看见一个绿苹果会认为是红苹果——因为这个重构的过程是创造性的，不是简单复制。正是基于这个构造，我们也可以把一个苹果看成一个梨子，这是我们大脑构造的过程，是一个正常的现象。
人脑重构的意义
为什么我们的大脑不能像摄像机、照相机一样忠实客观地反映物理世界，为什么非要自己来重构这个世界？这样的人脑重构究竟有什么好处？
正如康德所言：“没有感觉支撑的知识是空的，没有知识引导的感觉是瞎的。”这句话的前半句说的是，如果没有外部的输入，我们很难构建自己的心理世界，但我想强调的是下半句“没有知识引导的感觉是瞎的”。如果你不知道你看的是什么东西，那你就等于什么都看不见。这是因为，这个世界是模棱两可的，需要我们去构造，把我们的理解加进去，只有这样我们才能真正知道这个世界究竟发生了什么。
与理解相比，更重要的是创造。当大脑没有被外部信息填满而留下空间时，我们能够在这空间里创造出自己想要创造的东西。正如《小王子》的作者圣·德克旭贝里所言：“一堆岩石在有人对着它思考时就不再是岩石了，它将化身为大教堂。”这就是人类了不起的创造——当我们的祖先跋山涉水来到一片荒原，他们看见的不是一堆乱石，而是未来的家园。所以，在过去的300万年里，人和猴子分开进化，人的大脑体积增加了3倍；但是，这体积并不是平均增加的，增加最大的地方在额叶：与200万年前的祖先能人相比，我们的头骨往前突出，以容纳更大体积的额叶，而强大的额叶使我们能构造出不存在的东西。比如我们的祖先准备去打猎，不用等看见猎物才做出反应，他只需要提前想象狩猎的情景，就可以把一切安排好。如此一来，人可以把未来在脑海里“演”一遍，构建出一个个可能的未来，从而对未来做出行动方案，这是人类能够战胜其他比我们更强大更凶猛的动物，成为万物之灵的关键。这也印证了荀子的一句话：“然则人之所以为人者，非特以二足而无毛也，以其有辨也。”
重构心理世界的知识从何而来
人脑对世界的构造，总是需要先验知识，而先验知识一部分来自基因的烙印。换言之，我们来到这个世界时并不是一块白板，而是带着32亿年的智慧来的，这些智慧就印刻在基因中。
我们曾经用我校心理系女教授和女博士后的照片，做了一个有趣的小实验：如果把她们的脸全部叠加起来，做一张“平均脸”，大家普遍反馈说这张“平均脸”充满两个字：“睿智”。“平均脸”所代表的意思是什么？人脸其实是我们的基因图谱——我们的基因都写在脸上，当我们把脸平均起来之后，得到的是这18位老师平均的基因，平均的基因代表突变很少。而基因一旦突变，大概率是有害的，基因突变越少，说明基因越好，携带遗传性疾病的概率就越低，这就是为什么人们普遍会觉得“平均脸”更好看、更符合我们的审美。
既然脸是我们的基因图谱，对生存来讲如此重要，我们便需要发展出非常强大的看脸能力，即面孔识别。我们研究小组已经通过实验证明，面孔识别能力也写在人类的基因里。我们找了两类双胞胎，一种是同卵双胞胎（由同一个受精卵发育而来），基本上具有100%相同的基因。另外一种是异卵双胞胎（由两个独立的受精卵发育而来），基因遗传物质的平均遗传度大概是50%。通过比较他们在面孔识别上的能力，我们发现同卵双胞胎在面孔识别任务上的相似程度更高，即面孔识别的能力受遗传因素的影响。这一点也可以从我们的另一研究得到验证，即面孔失认症或者大家说的“脸盲”。
在图2显示的这个遗传树里，只要孩子有面孔失认症，他的父母中大概率有一个也是面孔失认症。第二幅图里有一个有趣的三角，三角形底边的两个端点代表的就是同卵双胞胎。当时我们在大学里测试了一个女孩，发现她有面孔失认症，那女孩说她有一个同卵双胞胎姐姐，我们把她姐姐请来一测，发现果然也是面孔失认症。
②
“自尊”对大脑的影响
除了看别人的面孔，我们也常常照镜子看自己。最喜欢照镜子的人据说是纳西索斯，他是古希腊神话里的超级帅哥，对自己的面孔着了迷，每天趴在溪边，通过水的倒影欣赏自己的绝世美颜。心理学由此称这种现象为“纳西索斯情结”，意思是一个人高度自恋，对自己爱到了极致。
其实对自己的爱，对自己面孔的欣赏，背后反映的是一个非常重要的特质，即人类的自尊。自尊是个体对自己的总体态度，人分成高自尊和低自尊两种。
什么是高自尊？这里有四个问题：1.你是否认为你是一个有价值的人？2.你是否认为你拥有很多美好的品质？3.你是否对自己满意？4.你是否对自己持肯定态度？
如果你对每道问题的回答都是“是”，那么你就是高自尊的人。“自尊”在我们面临困境时能提供极大的帮助。
当一个人长期经受压力和苦难，身体会变得差，心理幸福感会低下，更糟糕的是，认知发展会受损，认知能力会比别人低很多，体现在大脑上就是海马体会受到极大的损伤，而海马体是人学习、记忆、空间导航的中枢。
自尊在压力源和心理世界之间建立起一道牢不可破的防线，它就像勇敢的士兵一样挡在人的心理世界面前，帮人把压力、负性事件挡在外面，让人能够正常、健康地成长。人有两种资本，一种是物质资本，一种是心理资本，自尊自信、理性平和，这些就是心理资本。物质资本富裕的人未必有高自尊，而处境不利的人没有丧失他的自尊与自信时，就很可能在触达低点时再反弹，并达到人生新的高度。
我们所处的物理世界永远是不完美的，总有让人不满意之处，但是每个人可以在一个不完美的物理世界里构建出一个美好的心理世界。为什么？因为我们的大脑就是一个构造体，从物理世界所接收到的信息，经过大脑的工作，可以构建出一个完美的心理世界。这正印证了社会心理学家班杜拉所说的一句话：“人既是环境的产物，也是环境的营造者。”
人的双链进化
人和动物的进化有着本质的区别。动物是按照基因，按照达尔文的进化论，一点点试着生存、前进。人除了有代表着过去的生物基因的演化，还有另外一条演化线，即基于社会基因（Meme）的演化，而这条线带着我们以与动物不一样的方式前进。
生物基因由一些碱基对构成，那社会基因是什么？远古时，我们的祖先中有一位突然因为某种原因能够把火生起来了，一种知识、技能被创造出来，这就相当于基因在突变，一个优秀的基因产生了。会生火的这种技能、知识就像基因一样开始传播给其他人，从一个部落传到其他部落，慢慢地生火就从个人拥有的技能变成人类拥有的技能。渐渐地，人们又开始会制作长矛和其他工具，经过漫长的发展，逐步构建成今天的人类社会。这就是为什么我们一直强调知识、文明是如此重要，而大学就是文明的产房。孟子说过：“人之所以异于禽兽者几希；庶民去之，君子存之。”这里的“几希”就是我们的文明，就是我们在演化过程中所创造所传播的社会基因。
科技发展的主要目的之一，是要让知识的扩散变得更快、更便利。大约在六千年前，人类最早的文字楔形文字在新月地带被发明出来，使得人类的知识技能可以被记录下来，可以被忠实传播。之后的活字印刷，以至今天的电话、电报、互联网等等这一切，使得我们能够更加高效地把知识传播出去，推动文明加速演化。
人类的文明时代大约可以分成三个阶段：第一个阶段是原始文明，大约经历了两百多万年，它的前十万年和后十万年没有什么太大变化。第二个阶段是农业文明，大约经历了四千多年，这个时候人类开始变成文明种族，懂得了一些天文地理知识等等，学会种植庄稼，可以驯服野兽，把它们变成家畜，但发展依然十分缓慢。真正带来巨大变化的是第三个阶段，即工业文明。工业文明从开始诞生到现在，不过是短短三百年；但在这三百年里，变化是如此之快，以至于我们不得不将它再细分成四个阶段，第一个阶段是机械化时代（1760-1840年代），出现了蒸汽机等。第二个阶段是电气化时代（1840-20世纪初），出现了电力等。第三个阶段是自动化时代（1950-21世纪初）。而第四个阶段，就是我们现在所处的信息时代。
人工智能的进展
2002年，我的博士论文答辩题目是《面孔识别的认知神经机制》，在答辩的第二张PPT里我这么写道：“现在最先进的机器识别面孔的正确率只能是随机水平，而人类能够在一秒钟内识别上百张面孔，为什么人类如此伟大，为什么人类如此聪明，为什么机器如此愚笨？”
在2002年，机器识别人脸还可以说是“一塌糊涂”。到了2015年，我作为江苏卫视《最强大脑》的总策划，设计人机大战项目，即机器和人比拼面孔识别，看谁的能力最强。比赛的结果让我震惊：经过十几年的发展，人工智能已经强大到在人脸识别上胜过人类的最强大脑。我当时非常庆幸我的博士论文是在十几年前答辩的；如果我现在这么开题，可能就拿不到博士学位了。
当时除了震惊，还有好奇：人工智能究竟是靠什么来达到和人一样的面孔识别水平，甚至超越人类的水平？
我们建立了一个人工神经网络，训练它去识别性别，即区别是男性还是女性，它的正确率能达到100%。这个神经网络究竟是靠什么把男性和女性区分开？我们找了一张中性面孔，就是把男性和女性面孔求平均，给它加上随机噪音，然后“喂给”人工神经网络，它有时候会判断这个图是一个女性，而这个面孔加上其他噪音，则会被判断为男性。于是，完全一样的底图，加上不同的噪音，就会得到一组被人工神经网络认为是女性的图和一组被认为是男性的图。当把这组被认为是女性的图中的中性面孔去掉，只留下噪音时，这些噪音叠加起来，我们得到的就不再是随机噪音，而是人工神经网络用于识别女性的内部表征。同样，我们也可以得到男性面孔在这个神经网络中的内部表征。进一步，我们把两者相减，就得到了人工神经网络用以区分男性和女性的模式。在这个模式里，可以看到，眼睛、眉弓、鼻子、人中是它认为的区分男性和女性的关键特征。而这些关键特征，的确是我们人类用于区分男性和女性的关键特征，它们的相似度达到了0.73，这是非常高的相关度。但是，自始至终，我们并没有告诉过这个人工神经网络：你应该用什么方式去识别男性和女性；只是要让它做这件事情，它就会产生跟人类类似的内部表征、认知操作，从而完成性别判断。也就是说，人工智能在这个过程中呈现出和人类一样的心理世界。
在那一刻我开始意识到，生物过去的进化都是一条单线，基于碳基的方式运行。但是当人类创造出人工智能之后，人类文明就很可能不再是平滑向前，接下来或许会出现一种革命性的跃迁，可能在文明的进化中出现奇点。
为什么这么说呢？我们来看人类和人工智能的三大区别。
第一，算力。人类的大脑通常重3.5斤左右，虽然只占我们体重的2%，但消耗了我们身体25%以上的能量，因此它是一个耗能大户，已经达到了我们身体能够支撑的极限。所以，人类的大脑看起来已经到了进化极限，再给一千年、一万年，人类的大脑很可能不会变得更大，聪明程度也不会增加。但是对于人工智能来说，一块CPU不够可以再加一块CPU，一块硬盘不够可以再加一块硬盘，理论上它有无限的算力和无限的存储能力。
第二，寿命。人的寿命是有限的，再伟大的思想也有停止的一刻。但人工智能的寿命是无限的，CPU烧了可以换块CPU，电线断了再换根电线就行。
最关键的，是人工智能的无尽可能。对于人类而言，一般来说有两种知识，一种是可以描述的明知识，比如牛顿定律。一种是可以感受但难以描述的默知识，比如骑自行车的知识。此外还有第三种知识，是人类所没有而机器拥有的，即暗知识，它不可感受，不可描述，不可表达，它是存在于海量数据中万世万物之间的联系，数量极其巨大，人类无法理解。
2016年，AlphaGo击败了人类围棋顶尖高手之一李世石。当时世界围棋积分排名第一的围棋手柯洁说：“我们人类下了2000年围棋，连门都没入。”棋圣聂卫平说：“我们应该让阿老师（AlphaGo）来教我们下棋。”这不是他们谦虚，而是事实。一个人不吃不喝一辈子所下的围棋最多也就是10万盘，而从人类发明围棋到现在，累计总共下了大约3000万盘围棋。而围棋的空间有多大呢？一个格子可以有三种状态，放白棋、放黑棋或者不放，而棋盘总共有19×19个格子，所以它的状态总共有319×19种，大约等于10172，这比整个宇宙中的原子数量还要多。相对于如此庞大的围棋空间，人类的两千多年探索，只是这个空间里一个微不足道的小点，而大部分空间还是一片黑暗。AlphaGo之所以比人类更加强大，并不是它比人类聪明，而是因为它探索了更大的空间，因此找到了更多下法而已。牛顿曾说：“我就像在海边玩耍的小孩，偶尔拾到美丽的贝壳，就高兴不已。但面对真理海洋，我仍一无所知。”现在看来，这不是牛顿谦虚，而是实情。
再看一下艺术。目前人工智能已经可以制作达到专业水平的绘画（图3、图4）和音乐。此外，律师、医生、税务师、咨询师等需要非常专业的知识的“金领”职业，也逐渐出现了人工智能的身影，看起来很可能有一天会被人工智能取代。神经网络之父、深度学习的创始人杰弗里·辛顿（Geoffrey Hinton）接受麻省理工学院的《Tech Review》采访时说：“将来深度学习可以做任何事情。”
③
④
人工智能与类人智能的巨大差距
人工智能真的已经无所不能吗？心理学家考验了当时最先进的人工神经网络模型GPT-3。他们认为之所以GPT-3显得非常聪明，是因为问了它智能的问题。假设问它一些很“弱智”的问题，它会怎么回答？他们问它：“我的腿上有几只眼睛？”这个连没有上过学的小孩都能正确回答的问题却难倒了GPT-3，它回答说：“你的腿上有两只眼睛。”这表明它并不理解眼睛是什么，它只是在做关联而已——人有两只眼睛，腿是人的一部分，所以它认为腿上应该有两只眼睛。这个例子充分印证了爱因斯坦名言：“任何傻瓜都知道，关键在于理解。”GPT-3知道但并不理解眼睛究竟是什么，而理解，恰是我们人类真正了解这个世界、能在这个世界里自由徜徉的关键。
杰弗里·辛顿显然也意识到了这个问题，他表示，我们可以进一步发展人工智能，当一个人工智能能够准确描述一个场景，它就是理解了。真是这样么？假设有这么一个场景：有个人从柱子上狠狠摔了下来，摔倒在地。如果让人工智能来描述这个场景，它会说一个人从柱子上掉下来了。而我们对这个场景还有一个很重要的反应——“疼”。这个区别体现了人类具有一种特别重要的能力，即共情：别人遭受了苦难我能感同身受，而这种感受是自动的。共情不是一种奢侈品，而是一种必需品，因为当一个孩子没有这种感同身受的能力，缺乏同理心，他在小时候就很难对父母产生依恋，很难和其他小朋友玩到一起；在长大以后，会对社交常情缺乏理解，对他人情绪缺乏反应，不能根据社交场合调整自己的行为，有可能做出反社会的行为。假设我们的未来是由一台台没有共情的机器所组建的“自闭症”式的社会，这个社会还能有文明吗？这个社会还能有发展吗？所以，人工智能的奠基人之一马文·李·明斯基说过这么一句话：“现在的问题不是一个智能的机器是否拥有情感，而是不拥有情感的机器是否能拥有智能。”在马文·李·明斯基看来，情感是智能的基础，得先有情感才有智能。
又如在好莱坞电影里，美国的黑手党跑去找一个店家说：“你这个蛋糕店看上去真不错，如果意外发生火灾烧掉那就太可惜了。”请问这个黑手党的话是什么意思？A：请店家做好消防工作，别烧掉了店铺，那样太可惜了。B：请店家交保护费，要不然就要烧掉店铺。对我们而言，答案显而易见是B，是黑手党在威胁并勒索店家。但是对于机器来说，它还很难理解这话背后隐藏的推理和因果。正如古希腊哲学家德谟克利特所言：“我宁可找到一个因果的解释，也不愿成为波斯人的王。”对人而言，我们认为万事万物都是有因果的，而正是这种对因果的执着使我们能够推理，能够把零散的万世万物联系在一起，构成一个个故事。
其实笛卡尔四百多年前就说过：“即使机器可能在某些方面做得和我们一样好，甚至更好，但它们在其他方面不可避免地会失败。这是因为它们不是通过理解而只是根据预设来行动。”这一点，到现在还没有发生本质的改变。
所以，虽然目前人工智能取得了很高的成就，但是和人的智能仍然存在巨大差距，依然没有达到类人智能。那么未来如何实现类人智能呢？我认为，关键点就在于脑科学+人工智能。
举个简单的例子：线虫是一个非常简单的生物，只有302个神经元。但是，麻省理工学院的研究者模仿了其中19个神经元，就完成了自动驾驶这个任务，其参数比传统的大模型足足低三个数量级，只有75000个参数，而这个仿生的人工神经网络对不同道路具有非常高的通用性和可解释性，以及非常强的鲁棒性。仅仅模仿来自简单生物的19个神经元，就可以完成自动驾驶的初步任务，这是因为生物不是靠神经元的数量取胜，而是靠32亿年进化形成的智慧取胜，这项研究模仿的其实是32亿年进化形成的智慧。从这个角度讲，人类的大脑是目前世界上最聪明的大脑，有860亿个神经元，平均每个神经元有3000个连接，它代表着宇宙中在智力上所能达到的最高成就。那么，人工智能为什么不能向人脑学习，以人脑为模板、以人脑为借鉴，来发展出更好的人工智能呢？
对线虫神经元的模仿，只是一个开始，下一步也许我们会去模仿神经元数量百万级的果蝇、更高量级的斑马鱼，甚至小鼠、大鼠、猕猴，最后是人类。仅仅从神经元的数量上来讲，这就是一个巨大的挑战，因为神经元的数量足足差了9个数量级，而还有更多更大的挑战来自机制和算法，以及更多的未知。但是我坚信，脑科学加上人工智能，有一天也许能够造出一个媲美人脑的数字大脑。
小结
莎士比亚说：“所谓过往，皆为序章。”我们的现在是过去的未来，已经写定，但我们的此刻绝对不是未来的过去，因为我们的未来是未定的，取决于我们现在如何做出选择。
人类发明了人工智能，在今天随着算力的增加、技术的进步，它开始有了超越人类的可能。我们现在需要对具有一切可能的未来做出选择。
在我看来，未来大约有三种可能。第一种，人工智能像科幻电影《星球大战》里的R2-D2一样，是人类忠实的伙伴，成为人类非常好的朋友，帮助人类变得更强大。第二种可能，我们构建出一个数字大脑，它的能力可能比现在人类的大脑更强，这时可以实现人机合二为一，把我们的意识、记忆、情感上传到这个数字大脑里，如果CPU坏了就换一块CPU，内存需要扩大一点就加点内存，这样人就可以获得精神上的“永生”。未来学家库兹韦尔在《奇点来临》这本书中认为大约在2045年，这一刻就会到来。第三种可能，就是科幻电影《终结者》里所展示的，人类文明消失。
未来会怎么样，最终取决于我们现在做什么。这很重要，因为我们今天站在了这个进化的节点之上。
《光明日报》（2022年12月24日 10版）
[责编：孙宗鹤]人工智能：揭示未来科技所带来的革命性变革
目录引言：一、人工智能的定义与发展历程：二、人工智能的应用领域：三、人工智能对未来的影响：结论：引言：
在当今科技快速发展的时代，人工智能（ArtificialIntelligence，AI）正成为推动社会进步和创新的引擎之一。人工智能不仅具备强大的计算和学习能力，还能模拟人类智能，使机器能够感知、理解、决策和交互。本文将探讨人工智能的定义、发展历程、应用领域以及其对未来的影响。
一、人工智能的定义与发展历程：
人工智能（ArtificialIntelligence，AI）是一种模拟和实现人类智能的技术和方法。它致力于构建能够理解、学习、推理和决策的智能系统，使机器能够模仿和执行人类的认知和行为。
人工智能的发展历程可以追溯到上世纪50年代。在那个时期，计算机科学家们开始研究如何让机器模拟人类的思维和智能。最早的人工智能方法主要基于规则和逻辑推理，被称为符号主义（Symbolism），代表性的研究成果是逻辑推理和专家系统。
然而，随着计算能力的提升、数据量的增加和算法的改进，人工智能开始迈向更加强大和智能化的阶段。上世纪80年代，出现了一种被称为机器学习（MachineLearning）的方法，它通过让机器从数据中学习模式和规律，从而实现自主学习和决策。机器学习的发展为人工智能带来了重要的突破，其中最具代表性的是神经网络和深度学习。
神经网络是一种受到生物神经系统启发的模型，它通过建立具有神经元和连接权重的网络结构来模拟人脑的工作原理。神经网络可以通过训练和优化来学习和适应不同的数据模式，从而实现图像识别、语音识别和自然语言处理等任务。
深度学习是神经网络的一个重要分支，它通过构建多层次的神经网络结构，使得机器可以进行更复杂、更深入的学习和推理。深度学习的出现极大地提高了人工智能在视觉、语音、自然语言处理和机器翻译等领域的性能。
除了机器学习，人工智能还有其他的技术和方法。例如，进化算法（EvolutionaryAlgorithms）借鉴了达尔文的自然选择理论，通过模拟进化的过程来优化和改进问题的解决方案。强化学习（ReinforcementLearning）则以试错和奖惩机制为基础，通过与环境的交互来学习最有利的行为策略。这些方法和技术共同推动了人工智能领域的快速发展和创新。
今天，人工智能已经遍布各个领域，包括自动驾驶、医疗诊断、金融风险管理、智能助理和智能家居等。人工智能的发展不仅带来了许多实际应用，也推动了社会和经济的进步。通过不断的研究和创新，人工智能有望实现更高级的智能化和自主决策能力，为人类创造一个更加便捷、智慧和可持续发展的世界。
二、人工智能的应用领域：
人工智能（ArtificialIntelligence，AI）作为一种强大的技术和方法，在各个领域中得到广泛的应用。以下是人工智能在不同领域的详细介绍：
1.自动驾驶：自动驾驶是人工智能在交通领域的一个重要应用。通过使用传感器、图像识别、深度学习和强化学习等技术，自动驾驶车辆能够感知和理解路况、识别交通标志和障碍物，从而在道路上进行自主导航和驾驶。自动驾驶技术旨在提高行车安全性、减少交通事故，并为出行提供更便捷和高效的方式。
2.医疗健康：人工智能在医疗诊断、药物研发和健康管理等方面有着广泛的应用。在医疗诊断方面，人工智能可以通过分析医学图像（如X光、MRI和CT扫描图像）和病历数据来辅助医生进行疾病诊断，并提供个体化的治疗建议。在药物研发方面，人工智能可以加速药物发现和开发过程，从而提高研发效率和药物的安全性。此外，人工智能还可以帮助医疗机构和个人进行健康管理，提供个性化的健康建议和预测治疗效果。
3.金融领域：人工智能在金融领域中发挥着重要作用，包括金融风险管理、投资决策和客户服务等方面。通过分析大量的金融数据和市场情报，人工智能可以帮助银行和金融机构识别潜在的欺诈行为、优化投资组合和风险管理，提供个性化的金融产品和服务。此外，人工智能还可以使用自然语言处理和机器学习技术来进行市场预测和交易策略优化
4.零售与电子商务：在零售与电子商务领域，人工智能应用广泛。一方面，人工智能技术可以通过对顾客行为和购买历史的分析，提供个性化的推荐和定制化的市场营销策略，从而提高用户体验和销售效果。另一方面，人工智能还可以应用在供应链管理、库存优化和物流规划等方面，通过预测需求和优化资源分配，提高物流和仓储效率，降低成本。
5.智能助理与语音识别：智能助理和语音识别技术是人工智能的重要应用领域。智能助理，如苹果的Siri、亚马逊的Alexa和谷歌的Google助手，利用自然语言处理和机器学习技术，能够理解和回答用户的问题、执行任务和提供实时信息。语音识别技术则使得人们可以使用语音与计算机进行交互，实现语音命令、语音翻译和语音文字转换等功能。
6.城市规划与智能交通：人工智能在城市规划和交通领域有着广泛的应用。通过分析大量的城市数据，包括交通流量、人口分布和环境状况等信息，人工智能可以帮助城市规划者和交通管理部门做出决策，优化交通流动和资源利用，提高城市运行效率和环境可持续性。
7.教育和个性化学习：人工智能在教育领域也有着重要应用。通过个性化学习系统和智能教育工具，人工智能可以根据学生的学习能力和兴趣，提供定制化的教学内容和教学方法。此外，人工智能还可以利用大数据分析学习行为和评估学习成果，帮助教育者制定更有效的教学策略和个性化的学习计划。
以上只是人工智能在一些领域中的应用例子，实际上，人工智能在诸多领域中都有着广泛的应用，如能源管理、农业技术、环境保护和航空航天等。随着人工智能技术的不断发展和创新，我们可以期待更多新的应用领域的探索和发展。
三、人工智能对未来的影响：
人工智能（ArtificialIntelligence，AI）对未来的影响将是深远而广泛的。以下是人工智能对未来的影响的更详细讨论：
1.经济转型和创新：人工智能技术的广泛应用将推动经济结构的转型和创新加速。它将改变传统行业的商业模式和运营方式，创造出新的就业机会和经济增长点。人工智能在许多领域中扮演了重要角色，包括制造业、金融、医疗、零售、交通和农业等。通过增强生产力和创造更高级的工作岗位，人工智能将推动经济的繁荣和可持续发展。
2.自动化与势能解放：人工智能的快速发展将自动化许多重复性和繁琐的任务，释放人类的劳动力和思维能力。机器可以通过模式识别和自动化流程来完成一些简单而重复的工作，使人们能够专注于更具创造性、创新性和战略性的工作。这为人类带来了更多的时间和精力，去从事高级和有意义的工作，进一步推动社会的进步和个人的成长。
3.教育和技能需求的转型：随着人工智能在各个领域的应用越发普及，劳动力市场的需求也将发生变化。传统的工作岗位可能会被自动化取代，而新的工作岗位和技能需求将产生。这需要我们持续地学习和发展新的技能，以适应智能机器和数据驱动决策时代的要求。教育系统需要调整课程，注重培养创造力、创新性思维和适应性技能，使人们能够更好地与人工智能共同工作和发展。
4.社会变革和伦理考虑：人工智能技术的发展涉及到一系列伦理和道德问题。例如，隐私和数据安全如何得到保障？机器在做出决策时如何确
保公正和公平？人工智能的广泛应用还引发了关于人工智能在取代人类工作岗位方面的担忧，以及机器是否会具备意识和道德判断能力等方面的讨论。因此，社会需要建立相关的法律法规和政策框架，以确保人工智能的发展和应用符合伦理原则，并保障公众的利益和权益。
5.个人化和智能生活：人工智能技术的应用将使得我们的生活更加个性化和智能化。智能助理、智能家居和智能手机等设备将与我们日常生活中的各个方面相互连接，为我们提供定制化的服务和个人化的体验。人工智能可以根据我们的喜好、需求和行为习惯，预测我们的偏好，并为我们提供个性化的推荐、建议和支持。
6.科学研究和技术进步：人工智能的发展将促进科学研究和技术进步的加速。人工智能可以应用在大规模数据的分析和模式识别中，从而帮助科学家发现新的规律和知识，推动科学领域的突破和创新。此外，人工智能还可以辅助研究者进行复杂实验和模拟，提高科学研究的效率和准确性。
总体而言，人工智能对未来会产生广泛的影响。它不仅将改变经济和社会结构，而且将改变我们的生活方式、工作方式和思维方式。了解并应对人工智能的影响，发展相关的技能和能力，将有助于我们更好地适应未来的变化，并推动人工智能向着更加有益于人类社会的方向发展。
结论：
人工智能是一项迅速发展的技术，对于未来的影响将是深远而广泛的。以下是人工智能对未来的影响的更详细讨论。
1.经济转型和创新：人工智能技术的广泛应用将推动经济结构的转型和创新的加速。它将改变传统行业的商业模式和运营方式，创造出新的就业机会和经济增长点。人工智能在许多领域中扮演了重要角色，包括制造业、金融、医疗、零售、交通和农业等。通过增强生产力和创造更高级的工作岗位，人工智能将推动经济的繁荣和可持续发展。
2.自动化与势能解放：人工智能的快速发展将自动化许多重复性和繁琐的任务，释放人类的劳动力和思维能力。机器可以通过模式识别和自动化流程来完成一些简单而重复的工作，使人们能够专注于更具创造性、创新性和战略性的工作。这为人类带来了更多的时间和精力，去从事高级和有意义的工作，进一步推动社会的进步和个人的成长。
3.教育和技能需求的转型：随着人工智能在各个领域的应用越发普及，劳动力市场的需求也将发生变化。传统的工作岗位可能会被自动化取代，而新的工作岗位和技能需求将产生。这需要我们持续地学习和发展新的技能，以适应智能机器和数据驱动决策时代的要求。教育系统需要调整课程，注重培养创造力、创新性思维和适应性技能，使人们能够更好地与人工智能共同工作和发展。
4.社会变革和伦理考虑：人工智能技术的发展涉及到一系列伦理和道德问题。例如，隐私和数据安全如何得到保障？机器在做出决策时如何确保公平性和透明度？如何平衡人工智能的人性化和机器伦理？这些问题需要我们进行深入思考和积极寻找解决方案。我们需要制定相应的法律和政策来监管人工智能的应用，确保其对社会和个人的利益具有积极的影响，并防止滥用和不当使用。
总而言之，人工智能是一个具有巨大潜力的技术革新，将对未来社会和经济产生深远的影响。我们需要以人为本，充分利用人工智能的优势和创新，同时也需要谨慎应对其中的挑战和风险，以确保人工智能的发展能够为人类社会创造更加
人工智能对人类未来的意义
人工智能对人类未来的意义人工智能(AI)正在迅速改变我们生活的世界。从医药到金融，人工智能正在改变行业,改变我们的生活方式。虽然人工智能有可能带来许多好处,但也带来重大风险。随着人工智能的不断发展，我们必须考虑这项技术的影响，并采取措施减轻其风险。人工智能与医学人工智能正在产生重大影响的一个领域是医学领域。人工智能正被用来开发新的治疗方法,改进诊断,并简化病人护理。例如,人工智能算法可以分析医学图像以检测疾病的早期迹象,允许医生在病情变得更严重之前进行干预。人工智能还被用来制定个性化治疗计划,同时考虑到患者独特的基因构成和病史。
尽管人工智能在医学上有许多好处,但其使用也令人担忧。其中一个担忧是，人工智能可能被用来取代人类医生，导致工作岗位减少，医疗质量下降。另一个担忧是，人工智能算法可能存在偏见，导致对不同患者群体的护理存在差异。为了解决这些问题，要谨慎地规范在医学中使用人工智能,并确保其使用是合乎道德和负责任的。
人工智能与社会
人工智能也对整个社会产生重大影响。人工智能算法正被用于做出从招聘和贷款到刑事司法和国家安全等方方面面的决策。虽然这些算法比人类决策更有效,但也可能存在偏见和歧视。例如,在招聘中使用的人工智能算法可能对女性或少数族裔有偏见，导致劳动力的多样性降低。
为了解决这些问题,必须仔细规范人工智能在社会中的使用，并确保以公平和公正的方式使用人工智能。这可能涉及开发更少偏见的新算法，或者实施要求企业披露其如何使用人工智能的法规。
人工智能的未来
随着人工智能的不断发展，必须考虑这项技术的影响,并采取措施减轻其风险。这可能涉及制定新的法规，投资研究以更好地了解人工智能的风险和收益，并努力确保以合乎道德和负责任的方式使用人工智能。
虽然人工智能肯定有风险，但也有许多潜在的好处。人工智能有潜力改变工业,改善我们的生活,并帮助我们解决一些世界上最紧迫的问题。通过仔细考虑人工智能的影响并采取措施减轻其风险,我们可以确保这项技术的使用有利于整个人类。