迈向通用人工智能AGI

在探讨人工智能的未来与局限时，我们必须首先理解AGI（Artificial General Intelligence，通用人工智能）的概念。AGI代表着一种具备发现新知能力的AI。然而，当前的AI技术尽管已经在感知和行为替代、已有知识重现方面取得了显著进展，但这些仍然只是AI能力的表面及部分体现。

在2018年进行的全国性人工智能产业研究中（摘自民建中央课题《人工智能产业发展战略》）对找准人工智能产业着力点进行研究，调研结果表明“中间层”涉及到人类知识和逻辑，对决策至关重要。2023年，随着大型语言模型的兴起，我们见证了AI领域的一个奇迹。这些模型通过学习大量的语料，展现出了优异的记忆力。但问题在于，它们学到的只是语言的表面，而非语言背后的真理。正如哲学家维根斯坦所言，语言与人类的真实意图相去甚远。同时，AI在处理数学问题时，往往显得无能为力，因为它们缺乏数学运算逻辑，不能很好胜任数值型分析和预测工作（摘自科学中国20230908《大语言模型(LLM)的“两个天生BUG”》）。尽管存在这些局限，大型语言模型在与人类交互方面展现出了前所未有的友好性，这是其持续热度的来源。

然而，我们对AI的期望远不止于此。在科学决策等领域，我们需要的AI不仅要能模拟人类行为，更要具备通过数据产生新知的能力，这其中就涉及到两个重要环节：数据挖掘能力和接触到高质量数据的能力。为了解决这一矛盾，学界和技术界提出了不同的见解，包括连接主义和符号主义的辩论。连接主义强调通过增加神经元数量来增强智能，但是其存在边际效应递减的问题，即随着神经元增加到一定程度其能产生的智能程度的速度是下降的，而符号主义则主张通过抽象和运算来发展智能。我们认为，AI的发展应该遵循人类进化的规律，在依赖神经元增加（连接主义）进化到足够聪明后，基于抽象的规律分析（符号主义）是更有效率的发现新知之路，因此通过连接主义*符号主义，即前期在连接主义的基础上先具备大量的参数量，到后期教会其符号主义的所有内容，通过GPT Hybrid的方式让AI具备数学计算和逻辑推理的能力，从而发现新知识。

综上，我们需要不断探索和解决AI的局限，推动AI能够真正成为人类智能的延伸，最终实现AGI。

本文作者汤子欧，健交科技首席科学家、航投大数据首席科学家、易华录健康医疗首席科学家。系福布斯中国撰稿人，表达观点仅代表个人。