万 钢
2023年5月，习近平总书记在主持召开二十届中央财经委员会第一次会议时特别强调，要把握人工智能等新科技革命浪潮，适应人与自然和谐共生的要求，保持并增强产业体系完备和配套能力强的优势，高效聚集全球创新要素，推进产业智能化、绿色化、融合化，建设具有完整性、先进性、安全性的现代化产业体系。2017年7月，《新一代人工智能发展规划》实施以来，我国的人工智能发展一直牢牢把握赋能实体经济、支撑社会发展的主线；在国家战略引导下，通过应用需求牵引、创新系统开放、平台主导作用、产学研用协同创新，赋能产业升级和社会进步，形成和产生了一系列重要的理论成果和创新产品。随着各行业、各领域对人工智能的需求日益增长，人工智能与实体经济深度融合的新模式不断涌现，我国形成了具有中国特色的研发体系和应用生态，引领经济社会各领域从数字化、网络化向智能化跃升。
通过紧密跟踪人工智能领域的科学新发现、技术新发展，笔者在深入调研生成式人工智能平台和企业的基础上，对人工智能未来发展提出几点思考和建议。
一、关于新一代人工智能发展的现实要求
第一，系统把握人工智能发展的新态势、新进展。当前，作为渗透面广、带动性强、影响深刻的新兴技术体系，新一代人工智能呈现出产业应用加速叠加和齐头并进的新特征。算力、算法、数据发展相互赋能，应用场景日益丰富，尤其是生成式人工智能、大模型技术取得突破性进展，加快从感知智能向认知智能的跃升。面对这样的新形势、新问题，我们要全面系统地分析和把握新一代人工智能新进展、新态势。
在模型层面，理解“通”和“专”的相对性。通用人工智能与专用人工智能正呈现相向而行的发展态势，未来将形成结构复杂、规模庞大的通用型模型，与场景明确、市场需求广泛的专用模型一起，形成相辅相成、共融共生的发展局面。
首先，生成式人工智能基于自身结构的复杂性、数量庞大的参数和众多用户参与的优势，形成了跨领域的泛化应用能力。但可以注意到，自2023年3月以来，ChatGPT为第三方开通了接口，允许根据实际应用需求配置插件，这使得第三方开发商可以基于场景孵化，衍生出新的融合应用生态、生成面向特定需求的专门化应用，同时丰富了其语言数据大模型。其次，专用人工智能将凭借其应用端的场景、数据、实践积累等经验与优势，不断提高数据的规模，突破算法的极限，拓展应用的领域，从而积累大量可信且有效的数据，最终可以通过精细调优、反馈迭代，逐步呈现出跨行业、跨领域的应用态势，形成依托实体经济发展人工智能的特征。
可以设想，未来生成式人工智能的一些算法也可以应用于专用人工智能。比如，在产业领域，很多“智慧车间”“黑灯工厂”通过低延时、高可靠、广覆盖的网络及孪生数据实现泛在的连接，形成产业级的大规模实践，有力地促进了跨产业、跨行业、跨地域的数据互通和算力共享。将生产车间和一个距离遥远的销售门店联系起来，这样信息的大模型应用，就有利于促进数据互通、算力共享，能够有效覆盖上游的原材料、能源、装备等供应链，也能够辐射下游的流通、销售、服务等环节，从而基于市场反馈、有效信息，调节上游的研发生产环节，加速产业链、供应链的流程优化。通过大范围感知、决策、执行、反馈的闭环，不断提升数据的规模和质量，在持续推进企业提质降本增效的同时，逐步提高企业家对技术进步、市场需求、产业形态的认知和决策能力。
这里要说明，我们所说的通用和专用人工智能相向而行，并不是说它们会合二为一，因为两者都有自身的发展规律和发展方法，两者的数字模型也不尽相同。但有一点可以看出，基于多样化、应用化情景，实体经济需求的基本特征以及两者的算法未来也会相互渗透。因此，《新一代人工智能发展规划》和《新一代人工智能重大科技项目实施方案》分别部署了通用和专用人工智能的平台建设。
第二，在数据层面把握好大与小的辩证关系。面对当前大数据、大模型、大算力的热潮，我们更应该深入思考。一方面，应着力实现数据可连接、可信任目标。探索多模态的关联、跨模态的生成、多任务的协同，认知计算的理论和应用，从而破解现有大数据应用中标签数量小、标注成本高、分布不平衡、耗能比较高等难题。另一方面，要着力提升大数据的针对性、有效性和可靠性。根据范式和场景，对大数据进行筛选和重构，提高数据的质量，构建有效数据和应用场景的向量连接，从而形成应对跨领域协同任务和复杂场景的高效决策能力。
比如，作为融合了生成式算法、高通量计算、多模型的大型数据模型，智慧城市系统将通过集成人工智能、物联网、大数据、云计算等先进技术，实现对城市运行体系的数字化和智能化管理。在实践中，应逐步构建多元异构的智慧城市、数字孪生大模型，有效提升城市管理和服务的能力水平，同时也在实践中积累大数据，尤其是可信任、大规模的有效数据。为进一步增强复杂环境下的城市管理决策能力，我们还需要在更大范围内收集、分析数据，如气象、地质等自然条件大数据，实现对自然灾害以及其风险的长周期预测、常态化预报及实时性预警；通过实时调取整合气象、环境、能源、交通领域的大数据，实现对来源于风能、太阳能等可再生能源的电力进行高效调度和使用，对复杂道路进行科学管理，为城市管理部门提供经济分析、安全预警、社会治理、绿色低碳等多方面的系统性解决方案。由此可见，顺畅联通各个领域的大数据，是实现智慧城市高质量管理和服务的必由之路。可从政务数据、公共服务、交通管理、环境健康等领域着手，带动各领域数据合法合规开放，实现跨领域、高质量、大规模的数据共享。
第三，在交互界面方面推进人机协同互动。新一代人工智能凭借高效精准处理多元、多维、多模态海量数据的优势，有效解决多学科交叉的基础科学问题和复杂场景下的工程科技难题。多学科交叉、复杂场景是我们进入新世纪以来一直面对的重大研究课题。
在感知智能向认知智能演进的进程中，人工智能助力于科学研究，可以提升研究精度，缩短开发周期，降低研发成本，加速科研范式和技术创新模式的变革。在信息领域，人工智能已应用于电子器件研制、芯片设计布线、信息系统设计、自动软件编程等，有效提升软件、硬件、工具、系统的设计能力。在生物医学领域，人工智能正在加速新药研发的试制过程，有效支持医学影像的科学分析、手术机器人的操作、远程医疗服务等工作。
关于生成式人工智能的应用场景，比如，我们对自身身体进行体检时，作为医学外行，我们无法理解一系列涉及血液、心脏、器官等的检验数据，但如果今后语言交互人工智能能够把这些数据加以解释，说清楚数据间的内在联系、数据与身体变化的关系，这对于每个人的个性化医疗发展都将发挥有益的支持作用。
发展生成式人工智能更需要通过精准邀约来吸收更多的参与者，因为生成式人工智能是一个向人学习的过程，需要通过交互来汲取关于人类的知识。在文生文、文生图等人机交互方面，在有效理解多模态信息、优化大数据模型应用方面，众多参与者的贡献都是十分重要的。
总之，人机的深度融合可以提高科学研究的速度和准确性，并推动未来基础科学取得重大进展，包括满足我们对健康医疗的个性化需求等。
因此，我国在启动《新一代人工智能发展规划》和《新一代人工智能重大科技项目实施方案》后，随即开始了脑科学和类脑计算的重大专项立项论证，并且于2020年启动实施。这个重大专项以“脑认知”原理为主题，以脑重大疾病诊治和类脑计算、脑机智能研究为“两翼”，目标就是在人工智能研究和应用发展过程中通过基础学科、技术进步和跨界协同，拓展人类的感知视野，探索和认知科学发展规律，在提升人工治理能力和效率的同时，助力健康事业发展。
二、关于新一代人工智能发展的一些思考
第一，应关注新一代人工智能研发范式的变革。以ChatGPT为代表的通用人工智能语言数据大模型的开发应用，在资源的投入模式、研发的组织方式方面积累了一系列成功经验。比如，ChatGPT通过市场化筹资机制，广泛整合了多元化资源用于模型研发，随着用户数量的快速增长，大数据模型的标识和训练需求，包括算力芯片、训练数据库、云服务等成本均不断攀升。随着不断增长的市场预期，它获得了资本市场的融资，筹集了支持其长期发展的资金，也加快了资本、人才、技术、数据、算力要素的聚集。
第二，淡化研发和应用的边界，依托初步开发的模型，为用户提供测试服务，由此收集每一位用户的思维模式，为进一步优化模型提供基础。所以，每一个用户都是开发者。新一代生成式人工智能以新技术的创造性应用为导向，以供需联动为路径，通过标识数据和优化模型促进研发和应用，形成闭环，实现新技术的迭代和产业的快速发展。
第三，在关键核心技术方面，生成式人工智能急需研究类脑感知、记忆、学习机制和计算融合类脑复杂系统、类脑控制理论，研发量子智能模型和算法以及与外界交互的量子信息技术。
第四，加快人工智能应用拓展和产业生态培育。新一代人工智能要继续以应用市场拓展和产业生态培育为主攻方向，依托我国超大规模市场优势，吸引全球的创新资源，与我国实体经济深度融合，不断打造产业发展的新态势，成为经济社会发展的新引擎。新一代人工智能在融合金融、工业、医疗、教育等专业化、细分化、多元化场景落地的过程中，急需高质量数据的赋能。因此，应着力构建多元异构应用大数据的生态圈，着力打破“数据孤岛”，合法合规地推动开源开放，以高精度、场景化的数据，为人工智能产业的稳定发展提供源头动力。还应该加快人工智能在制造、交通、能源等领域的应用，推动重点领域的智能化转型，培育良好的产业生态，扶持一批具有国际竞争力的人工智能龙头企业和专精特新企业，以先行区为引领，打造产业聚集的发展高地。
第五，要以复合学科背景、产业应用场景、未来发展前景的深度融合为导向，创新人才的培养模式。比如，强化复合型人才的知识结构，发挥高等院校学科综合优势，打破现有教育体系中各学科相对分割的局面，不断提升人才知识结构和交叉学科的发展态势。还要提升与产业融合发展需求的匹配度，比如将新能源汽车和智能驾驶综合一体，时机成熟时可以设立新一级学科以适应产业融合发展。
三、未来人工智能发展还需要什么？
一是要在长期实践中培养能动手的科学家、通算法的工程师、懂科学的企业家，这才符合未来发展对人才的需求。
二是探索产学研用相结合的人才培养场景建设，探索实施高校和企业联合培养人工智能人才的有效机制，打通产业需求、产业前沿信息的反馈路径，解决工程技术人才培养和生产实践相脱节的突出问题，加大科教、产教的融合力度。
三是要面向科技革命和产业变革的关键领域开展人才储备。针对人工智能领域，特别是芯片设计制造方面的拔尖人才，要建立早期发现培养机制，打通人才培养和使用的通道，优化人才队伍结构，形成多层次人才互为补充、融合发展的局面。
四是人工智能的伦理规范要适应发展的新需求。首先，新一代人工智能的加速发展和广泛应用将走向人类与人工智能体共生、人机共生的新时代，智能算法的不断发展带来了智能时代新的安全和伦理挑战。比如，智能算法的内生安全缺陷会导致智能系统存在深层次隐患，生成式人工智能的滥用可能导致系列社会问题。2023年4月，相关部门就《生成式人工智能服务管理暂行办法（征求意见稿）》公开征求意见，体现了我国按照鼓励创新的原则对新技术、新产业、新业态、新模式实行包容性的审慎监管，从权益保护、数据治理、内容治理等多个维度来综合治理。因此，要从各行各业出发，提出优化管理的意见和建议，以共同实现人工智能事业的健康发展。其次，在感知智能向认知智能演进的过程中，还需进一步推动科技伦理、规范、标准和技术的融合，使智能体构建与科技向善的人类共同理念相契合，让智能体能够理解并践行人类社会的共同价值观。再次，应加强人工智能领域的高水平开放。人工智能系统是极为复杂、涉及面广、研究难度大的技术体系，也是一个跨国界、跨学科的合作探索工程，需要全球各界秉持开放合作的精神，走“共商、共建、共享、共赢”之路。中国科协致力于搭建国际交流平台，努力营造开放、合作、共享的科学文化氛围，建立跨界、多元、公平、有效的交流机制，充分发挥中国的制度性优势和市场优势，加强新一代人工智能高水平开放与合作。我们要坚持全球胸怀和创新自信，更加积极地融入国际人工智能创新生态；倡导开源开放、共建共享的理念，积极参与人工智能的全球研发应用和产业发展，共同维护、完善与发展全球产业链、供应链的稳定性和韧性。
（作者系中国科学技术协会主席。本文根据作者在2023年第七届世界智能大会开幕式暨创新发展高峰会发表的主旨报告整理，发表时略有删减。）
