简述人工智能未来的发展趋势

2023年10月18日，中国在第三届“一带一路”国际合作高峰论坛期间发布《全球人工智能治理倡议》，围绕人工智能发展、安全、治理三方面系统阐述了人工智能治理中国方案。

近年来，全球人工智能技术快速发展，成为推动科技和产业加速发展的重要力量，对经济社会发展和人类文明进步产生深远影响。人工智能技术发展现状如何?有哪些应用?未来趋势怎样?记者采访了相关专家。

人工智能处理复杂任务的能力大为提升

当前，人工智能技术已进入实用阶段，正深刻地改变着人类的生产生活。

“近70年的发展历程中，人工智能经历了灌输规则、灌输知识、从数据中学习这三个阶段。近年来在全球迅速发展的人工智能大模型技术，其依托的基本模型都基于‘大数据+大算力+强算法’训练，这是人工智能发展第三阶段的典型体现。”北京智源人工智能研究院院长黄铁军说。

目前，各类人工智能大模型处于迅猛发展之中，全球众多高科技企业纷纷投身人工智能大模型建设。

“现在围绕人工智能大模型已形成相对成熟的技术框架，但产品和生态尚在发展形成之中。”中国科学院自动化研究所副所长、研究员曾大军说，“总体而言，人工智能大模型的技术发展历程相比以往任何人工智能技术都更为迅猛，其影响力也是史无前例的。”

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，大大提升了人工智能处理复杂任务的能力。

“比如，基于人工智能大语言模型的聊天机器人能够实现高质量的信息整合、翻译和简单问题求解与规划。”曾大军说，“这类机器人受到关注，主要是因为其已初步具备通用人工智能的部分特性，包括通顺的自然语言生成、全领域的知识体系覆盖、跨任务场景的通用处理模型、通畅的人机交互接口。”

不过，目前人工智能大模型能力仍有局限性。

“一方面，由于人工智能大模型自身结构和机制漏洞，有被恶意攻击的风险;另一方面，人工智能大模型自身的知识表达和学习模式还存在缺陷，导致其回答会有常识性错误、杜撰内容等。”曾大军说，“人工智能学者们正在围绕这些问题进行攻关。”

人工智能加速迈向全面应用新阶段

“我是刚入学的大一计算机专业学生，想选修人工智能课程，需要做什么准备?”“你需要学习基础数学知识、编程语言，学习机器学习算法，关注技术趋势……”这段对话并非出自师生之间，而是学生与人工智能之间的问答。

2023年8月，浙江大学联合高等教育出版社等发布“智海—三乐”教育垂直大模型，在核心教材、领域论文和学位论文等语料和专业指令数据集的基础上，可提供智能问答、试题生成、学习导航、教学评估等服务，现已在多所高校应用。

“我们把这些教材拆成语句、段落、篇章去‘喂给’大模型，这些高质量的语料会合成词与词之间的概率关联，给学生以启迪。”浙江大学教授吴飞说。

工业质检、知识管理、代码生成、语音交互……当前，中国人工智能正从单点应用向多元化应用、从通用场景向行业特定场景不断深入，加速迈向全面应用新阶段。特别是随着人工智能大模型的突破和生成式人工智能的兴起，人工智能得以更好处理生产生活中的复杂问题，为各行业实现产品和流程革新提供了更加先进的工具和手段。

预测一个台风未来10天的路径，过去需要在3000台服务器上花费5小时进行仿真，现在基于预训练的盘古气象大模型，10秒内就可以获得更精确的预测结果;字数将近4000万的一套古籍，研究人员利用人工智能，3个多月就完成了识别、点校、上线发布……

“人工智能大模型带动生成式人工智能产业迅速发展，在科学探索、技术研发、艺术创作、企业经营等诸多领域都带来了巨大的创新机遇。”中国工程院院士王恩东说。

在供需两侧的共同推动下，技术创新成果开始大规模地从实验室研究走向产业实践，人工智能产业化进程不断加快。据不完全统计，截至2023年10月，中国累计发布200余个人工智能大模型，科研院所和企业成为开发主力军。

在华为混合云总裁尚海峰看来，以人工智能为代表的创新技术，正在加快重塑各个行业。

科技部新一代人工智能发展研究中心主任赵志耘表示：“人工智能技术正沿着追求更高精度、挑战更复杂任务、拓展能力边界等方向持续演进。场景创新成为人工智能技术升级、产业增长的新路径。”

浪潮信息高级副总裁刘军认为，未来，人工智能还需要进一步去深入应用场景、赋能具体的产业环节。“这个过程很难靠一家厂商独立完成，需要产业链、创新生态更多的深度协同。”刘军说。

更加通用的人工智能有望实现

专家表示，以人工智能大模型为代表的人工智能第三发展阶段，未来会有一段较长的发展红利期，将成为新一轮科技革命和产业变革的重要驱动力量。

中国科学院自动化研究所对人工智能大模型的演进态势做了研判，曾大军介绍了其观点：应用和创新生态正在发生剧变或至少有剧变的潜质，人工智能大模型推动决策智能迅猛发展，人工智能大模型小型化和领域专业化需求非常迫切，更加通用的人工智能有望实现。

曾大军说：“人工智能大模型就像一个人类大脑的雏形，通过‘喂给’各种数据，实现各种智能能力。人工智能大模型正在重新定义人与计算机的互动关系，有望成为人机交互的主要接口。”

曾大军着重强调了人工智能大模型小型化和领域化的发展。他表示，现有人工智能大模型的算力和能耗挑战，会促使很多工作向领域专用化、轻量级的小模型或大小模型混搭的方向发展，特别是金融、教育、医疗、交通等领域，力求降低大模型的成本。

黄铁军认为人工智能将从信息智能到实体智能发展，视觉、具身人工智能大模型将是下一个爆发点。“大数据是世界的表达，从中训练出的语言认知模型可以支持信息服务，语言类大模型能够提高自动驾驶、机器人等实体的智能水平，但还需要视觉、听觉、具身、交互等技术的发展。”

黄铁军告诉记者，目前的智能涌现还只是静态涌现，还不具备人脑的动态涌现能力。“未来有望通过类脑智能实现真正拥有动态涌现能力的人工智能。”

2023年，ChatGPT开发者OpenAI被置于前所未有的聚光灯下，也使GPT-4后续版本的开发被推向了风口浪尖。据消息人士称，OpenAI正在训练下一代的人工智能，暂名“Q*”(读作Q-star)。新的一年，OpenAI下一代产品可能发布。

据媒体爆料，“Q*”可能是第一次采用“从零开始”的方式训练的人工智能。其特点是，智能不来自人类活动的数据，且其有能力修改自身代码以适应更复杂的学习任务。前者使得人工智能能力的发展变得愈发不透明，而后者向来被看作是诞生人工智能“奇点”的必要条件。在人工智能发展领域，“奇点”特指机器拥有了自我迭代的能力，进而在短时间内迅猛发展，导致超出人类控制。

虽然一些报道称，“Q*”目前还只能解决小学难度的数学问题，距离“奇点”还远。但鉴于虚拟环境中人工智能迭代速度可能远超想象，其仍然可能在不远的将来自主发展出在各个领域均可超过人类水平的AI。2023年，OpenAI预言，各方面超越人类水平的人工智能在十年内就会出现;英伟达创始人黄仁勋表示，通用人工智能可能在五年内超越人类。

一旦通用人工智能得以实现，就可被用于解决各种复杂的科学难题，譬如寻找外星人与地外宜居星系、人工核聚变控制、纳米或超导材料筛选、抗癌药研发等。这些问题通常需要花费人类研究员数十年的时间来寻找新的解决方案，部分前沿领域的研究量已超出人力极限。而通用人工智能在自己的虚拟世界中拥有几乎无限的时间和精力，这使得其在部分容易虚拟化的任务中，有可能成为人类研究员的替代。但届时，人类如何监督这些从智能水平上超过人类的人工智能，确保其不会危害人类，又是一个值得思考的问题。

当然，我们也不应过分高估硅谷巨头们的部分言论，因为在人工智能发展史上，已经历三次“AI寒冬”，其中不乏宏大的技术愿景因各方面限制化为泡影的例子。但目前可以肯定的是，大模型技术仍然有着不小的上升空间。除GPT-4外，谷歌的“双子座”(Gemini)，Anthropic的Claude2，目前都是仅次于GPT-4的大模型，国内的百度“文心一言”与阿里“通义千问”，也是国产大模型中的佼佼者。它们在新的一年中是否会发布更具革命性的产品，同样值得期待。

趋势二：合成数据打破人工智能训练数据瓶颈

数据瓶颈指的是可用于训练AI的高质量数据的有限性，合成数据有望打破这一瓶颈。

合成数据是在模仿真实数据的基础上，由机器学习模型利用数学和统计科学原理合成的数据。关于什么是合成数据，有一个较为浅显易懂的比喻：这就像是在给AI编写专门的教材。例如，尽管英文课本的对话中出现的可能是“小明”“小红”这样的虚构人名，但并不影响学生们由此掌握英语，因此从某种意义上，对于学生而言，教材就可以看作一种经过编纂、筛选和处理的“合成数据”。

有论文表明，模型的规模至少要达到620亿参数量后，才可能训练出“思维链”能力，即进行分步骤的逻辑推理。但现实的尴尬在于，迄今为止人类产生的不重复的、可供训练的优质数据并没有这么多。使用ChatGPT等生成式人工智能以前所未有的数量产生高质量合成数据，未来的AI将由此获得更高的性能。

除了对大量高质量数据的需求导致合成数据受到追捧以外，对数据安全的考量也是重要原因。近年来，各国纷纷出台更严格的数据安全保护法律，使得客观上利用人类产生的数据训练人工智能变得更为繁琐。这些数据中不仅可能隐含个人信息，其中的许多数据还受版权保护。在互联网隐私与版权保护尚未形成统一标准与完善架构的当下，使用互联网数据进行训练，极易导致大量法律纠纷。而若考虑对这些数据进行脱敏，又面临筛查识别准确率方面的挑战。两难之下，合成数据就成为最惠而不费的一种选择。

此外，使用人类数据进行训练，还可能导致人工智能学到有害内容。一些诸如使用日用品制造炸弹、管制化学品的方法，另一些则包括许多人工智能本不应当出现的坏习惯，譬如像人一样在任务执行过程中偷懒、为了取悦用户而说谎、产生偏见和歧视。若改用合成数据，使人工智能在训练中尽可能减少接触有害内容，则有望克服以上使用人类数据训练时附带的缺点。

从以上分析中可以看出，合成数据可以说是颇具开创性的，有望解决此前发展人工智能与数据隐私保护不可得兼的问题。但与此同时，如何确保相关的公司和机构负责任地制作合成数据，如何制作出既符合本国文化与价值观，又在规模和技术水平上足以媲美西方以英文网络资料为中心的合成数据训练集，也将成为中国面临的一个颇具挑战性的课题。

除此之外，合成数据带来的一个重大变化是，来自人类社会的大数据或将不再是AI训练所必需。在今后的数字世界中，人类数据的产生、存储和使用仍将遵循人类社会的法则和秩序，包括维护国家数据安全、保守商业数据秘密和尊重个人数据隐私，而AI训练所需的合成数据则采用另一套标准进行管理。

趋势三：量子计算机可能率先应用于人工智能

作为电子计算机发展到今天的最前沿应用，人工智能始终存在算力不足的隐忧。ChatGPT问世数月后，OpenAI总裁奥尔特曼曾公开表示，其并未鼓励更多用户注册OpenAI。2023年11月，OpenAI甚至宣布暂停ChatGPT Plus付费订阅新用户的注册，以确保现有用户拥有高质量体验。显然，作为全球性能最强的AI，ChatGPT已遇到算力等方面的瓶颈。在此背景下，讨论量子计算机在人工智能领域的应用就成为一种颇具潜力的未来解决方案。

首先，人工智能领域的算法，大部分属于并行计算的范畴。举例而言，AlphaGo在下围棋的过程中，其需要同时考虑对手在不同位置落子后的应对招数，从中找到最有可能赢得棋局的下法。这就需要计算机优化并行计算的效率来实现。而量子计算机擅长进行并行计算，因为它可以同时计算和存储“0”和“1”两种状态，无需像电子计算机那样消耗额外的计算资源，譬如串联多个计算单元，或将计算任务在时间上并列。计算任务越复杂，量子计算就越具备优势。

尽管生成式人工智能可能淘汰掉一批传统数字岗位，但在关上一扇门的同时也打开了一扇窗，这就是“无代码软件开发”。目前，以AI大模型为基础的编程辅助工具已经发展到一个新的阶段，能够根据用户十分模糊的指令来生成软件或网页代码。例如，2023年的GPT-4演示中，演示人员仅仅是在A4纸上手写了一个十分潦草的结构示意图，GPT-4就根据其自动生成了能够实际访问的网页。这无疑大大降低了开发IT服务的门槛。只要一个人有足够有创意的、能够满足许多人需求的数字服务“点子”，就可以成为互联网创新的风口，“人人皆可创新”的时代已然到来。

对此，政府需转变观念，兼顾市场监管与促进创新，一方面，降低数字创新过程中的注册与融资门槛，打通中小企业发展壮大过程中的痛点，让就业与创新政策适应“人人皆可创新”的新需求;另一方面，需要探索更有利于保护创新的版权与专利保护新政策，从而激励那些能够不断提出创新的人才。

综上所述，展望2024年，无论是人工智能技术自身的迭代发展，还是其对数据价值的重塑，抑或是向各行业、各领域的应用渗透，人工智能的影响可谓无处不在，既为科研、创新和经济赋能，又带来新的挑战与风险。我们应以开放的心态看待人工智能带来的诸多改变，审慎研究和应对其可能带来的新课题与新风险。