●张钹

张钹在人文清华讲坛。

编者按

什么是人工智能，它经过了怎样的历程，现在和将来会如何发展，又将如何影响人类社会和我们每个人？清华大学人工智能研究院名誉院长、中国科学院院士张钹做客人文清华讲坛，发表题为“走进‘无人区’——探索人工智能之路”的演讲，解读人工智能的发展历程，指出实现通用人工智能任重道远，应大力加强基础理论研究，坚持不懈地努力探索。本报摘编部分演讲内容，邀读者跟随张钹院士一同思考如何迎接人工智能时代的挑战。

什么是人工智能？很多人认为，人工智能是用机器来模拟人类的智能。这个理解是不对的。迄今为止，全世界对于什么是智能没有统一的认识，因为我们对大脑了解还非常少。

人工智能的两条路径

　　人工智能经过多年的探索发展出了两条道路，一条是行为主义道路或行为主义学派、唯物主义学派。这个学派主张用机器模拟人类的智能行为。“智能”和“智能行为”是两个完全不同的概念。“智能”是指在我们大脑里面的运作过程，我们对它的了解非常少。“智能行为”是智能的外部表现，我们可以观察到它，便可以模拟它。现在的人工智能发展的是机器智能的道路，跟人类的智能并不完全一样，只是行为上相似。
　　人工智能还有另外一个学派——内在主义学派或唯心主义学派，主张必须用机器模拟人类大脑的工作原理，即类脑计算。
　　这两个学派不存在谁对谁错的问题，因为他们按照不同的思路去探索人工智能的道路。前者主张，除了人类这条道路外，机器或其他方法也可以发展出一条智能的道路；后者主张，通向智能只有模拟人类这一种方法。两个学派目前都处于探索阶段。
　　人类探索人工智能最早是在1956年，人工智能研讨会在美国召开，经过8周的讨论，定义了人工智能，认为要让机器能像人一样思考，并主张用符号推理、符号表示来进行。

人工智能的三个阶段

　　从1956年到现在，人工智能的发展不到70年，可分成三个阶段。
　　第一代人工智能是想让机器像人类一样思考。人工智能的创始人提出了“基于知识与经验的推理模型”。70年代初，美国人制作了一个名为MYCIN的医疗诊断系统，它能像人类一样进行推理，但是所有的知识都要靠人类传授给它，它没有自学能力。把知识传授给计算机时，必须要构造出一个计算机能理解的符号系统，这种系统在当时构造起来很困难，费时费力，其应用和产业化比较有限，所以那个时候被称为“人工智能的冬天”。
　　在第一代人工智能的发展处于低潮时，第二代人工智能开始出现。第二代人工智能主要基于人工神经网络。人工神经网络模型在1943年被提出，主要想模拟人类脑神经网络的工作原理。这个模型在早期时比较简单，所以能做的事情比较少。第二代人工智能初期的进展也很缓慢。
　　清华大学从1978年开始进入人工智能领域，成立了人工智能与智能控制教研组，是中国最早研究人工智能的机构。当时约有30位老师参与其中，绝大部分来自于自动控制领域。当年，招收了第一批人工智能领域的硕士研究生。1985年，智能机器人实验室建立。当时要用PUMA560机器人，在非常困难的情况下把它买来了，这是全国第一台进口的机器人设备。1986年国家设立了“863”计划，把智能机器人作为发展主题之一。清华大学开始参加智能机器人主题的“863”高技术研究。同时，我们从1987年开始筹建，到1990年正式成立了智能技术与系统国家重点实验室。
　　我们建立了两个理论。一是问题求解的商空间理论和粒计算理论，在国际上很有影响力。2005年，我们在清华大学发起、组织了国际粒计算会议，后来每年开一次，延续至今。二是在人工神经网络方面，我们做了很多早期的工作，在模型和学习算法方面做出了很好的成果。此外，我们从1990年开始做自动驾驶车，那个时候叫移动机器人，是国内最早进行自动驾驶研究的单位，也是国际上很早开展自动驾驶研究的单位，相关研究一直延续至今。
　　第一代人工智能主要在符号主义的指导下进行，目的是模拟人类的理性行为。第二代人工智能主要是用人工神经网络来模拟人类的感性行为。
　　过去，我们主要通过编程的方法让计算机学习识别，结果不理想。后来，我们收集大量图像和语音资料，做成训练样本，让计算机观察、倾听和学习，测试结果很好，这就是基于大数据的机器学习。计算机用来观察和倾听的工具就是人工神经网络，利用人工神经网络将数据分类，这样就实现了识别。多层的神经网络叫做深度神经网络，用这个神经网络进行学习叫做深度学习。在一项测试中，微软基于机器学习的图像误识率为3.57%，而人类的误识率是5.1%，机器超过了人类的水平。
　　深度学习使第二代人工智能繁荣兴起。清华大学有很多师生参与到这类研究中，以朱军为代表的年轻队伍提出了一个概率学习的理论和模型，在贝叶斯的理论上加了一个维度，即后验分布。基于这个理论，我们制作了一个开源的编程库，可以供全世界的人使用，获得了广泛好评。
　　第二代人工智能也存在问题，它识别东西只能区别不同的物体，并不能真正认识每个物体，因此它是不安全、不可信、不可控、不可靠、不易推广的。2016年，依据这种情况，我们提出必须发展新的人工智能——第三代人工智能。
　　第三代人工智能的基本思路是必须要发展人工智能理论。人工智能到现在为止没有理论，只有几个模型和算法，而且都存在很多缺陷。因此，必须要发展理论，这样才能发展出安全、可控、可信、可靠和可扩展的人工智能技术。
　　第一代人工智能运用了知识、算法、算力三个要素，第二代人工智能主要应用数据、算法和算力三个要素。为了克服前两代人工智能的问题，我们主张把知识、数据、算法和算力这四个要素同时利用起来，国际上也很赞成这个主张。但是外国的观点与我们不同，他们强调数据的作用，即机器的作用，而我们强调知识的作用，即人类的作用。我们认为，人类对人工智能的作用应该比机器更加重要。ChatGPT能够如此成功，就是因为它充分运用了知识、数据、算法、算力四个要素。
　　大语言模型的强大性能主要依靠两个“大”：大模型和大文本。ChatGPT具有强大的语言生成能力，可以生成语意上连贯的、类似人类语言的文本，并且内容方面不受领域的限制，在开领域实现了人机自然语言对话。ChatGPT包含非常深的神经网络，共有96层；其次是非常宽的神经网络，能够一次性输入2000多字（token）。现在的文本不是用符号表示，而是用语意向量表示，向量就是一个数，所以计算机算起来非常容易。OpenAI的主要贡献是提出了自监督学习方法。以前想要机器进行学习，要将文本做预处理，工作量太大，因此无法进行大量的学习。自监督学习方法是文本不经过任何处理就可以给到机器进行学习。这使我们进入了新的时代——生成式人工智能时代。
　　大语言模型是迈向通用人工智能的第一步，要达到通用人工智能必须满足三个条件。第一，系统完成的任务必须跟领域无关，ChatGPT只是在对话、自然语言处理方面做到与领域无关，大量其它的问题还做不到跟领域无关。第二，跟任务无关，什么任务都要会干。第三，要建立一个统一的理论。
　　我们认为，从大语言模型迈向通用人工智能至少需要四个步骤。第一步是跟人类进行交互，跟人类对齐。尽管现在ChatGPT说的都是人话，但是不见得是正确的，需要人类帮助它纠正。与此同时，我们希望它具有创造性，就得允许它犯错误。
　　第二步是多模态生成。在开领域里生成语意上连贯的、类似人类语言的文本是语言领域的突破，紧接着，在空间上实现连贯就会有图像领域的突破，在时空上实现连贯就会有视频领域的突破。上述突破只有在系统的规模增大到一定程度之后才会出现，这种从量变到质变的现象，叫做涌现。
　　第三步是做AI智能体，跟数字世界交互。大语言模型再好，也只是能说而不会做，我们要让它在数字世界里做具体的任务，做完任务可以根据结果和反馈来推动大模型的发展。
　　第四步是做具身智能，跟客观世界交互。智能光有“脑袋”能够思考还不够，还要有“身体”，动脑又动手，才能和客观世界联结在一起。

人工智能的产业发展

　　大模型今后如何发展？第一是向各行各业转移，做垂直领域的大模型。第二是经过微调，到产业里应用。第三是跟其他的技术结合，发展新的产业。
　　大模型的局限性表现为，其所有工作都是外部驱动的，不会主动做；其输出的质量不可控，而且不知道输出的内容是对还是错，所以不可信；受外部影响太大，我们要它怎么做它就怎么做。
　　我们提出了第三代人工智能的三空间模型。过去文本和图像语音分别在不同的空间里做处理，空间之间不联系。现在我们有了大模型，组成了中间的空间，把整个感知、认知连起来，为发展人工智能的理论提供了非常好的条件。
　　人工智能是探索“无人区”，其魅力就在于它永远在路上。我们不能因为它的进展而过于乐观，也不能因为它的挫折而沮丧，而是需要坚持不懈地努力探索。 （来源：人文清华讲坛）