人臉識別、聲紋識別、智能機器人、無人駕駛汽車……當下，人工智能已進入到人們日常生活的方方面面。然而，就在一二十年前，人工智能還是一個十分科幻的話題，甚至有不少人擔心人類將被人工智能所取代。

從科幻到現實，人工智能這一質變用時并不算太長，但已經讓人們產生了心理落差：實際應用中缺陷不斷的人工智能，原來并沒有想象中那么智能。

人工智能也有強弱之分

人工智能這一概念最早可以追溯到1950年，被譽為人工智能之父的圖靈，在著作中提出用圖靈測試來測量機器的智能程度。隨后，科學界逐步對人工智能的概念形成共識：人工智能就是能夠和人一樣進行感知、認知、決策、執行的人工程序或系統。

嚴格來說，被包裝出來的人工智能并非是很主流的新技術，直到幾年前李世石跟阿爾法狗(AlphaGo)下完棋后，各界對人工智能的熱情也被徹底引爆，但公眾對人工智能的認知和思考基本還是建立在科幻作品的基礎上。

不過，當前的人工智能頂多只能算是一個聽話、精力充沛的“笨小孩”。

“人工智能原本就有強弱之分，這也是人們對人工智能產生些許失望的根本原因。”文淵智庫研究員王超告訴記者，很多人對人工智能的想象是建立在“通用人工智能”之上的，而現在落地應用的人工智能都是基于大數據驅動，它對小概率和偶然性事件缺乏應對機制，特別是在面對這個充滿變動的世界時，就不知道該如何應對了。

王超說，從技術發展趨勢來看，人工智能被區分為弱人工智能、通用人工智能、超級人工智能。弱人工智能也被稱為狹義人工智能，是專攻某一領域的人工智能;通用人工智能也叫強人工智能，指的是一臺像人類一樣擁有全面智能的計算機;至于超級人工智能，目前只是人們對科幻作品中智能機器人所擁有能力的期待。

通用人工智能還沒有成熟的案例

目前人工智能發展到什么階段了?

王超說，當前的人工智能已經在弱人工智能階段停留了過長的時間，通用人工智能才是接下來技術發展的方向和人們對人工智能的期待。“但創建通用人工智能比創建弱人工智能難多了，現在還沒有成熟的案例。”產業界的初步共識是，通用人工智能要大幅提高神經網絡的泛化能力。

“然而，當前的人工智能主要還是基于深度學習。”特斯聯首席科學家邵嶺博士告訴記者，一方面，深度學習使得人工智能在視覺、語音、自然語言處理等許多相關領域的應用性能大幅提升，性能甚至已經能超過人類;另一方面，人工智能的能力仍基于“暴力算法”及大數據——智能參與的程度并不高。

過去幾年里，預訓練大模型越來越受到歡迎，通過預訓練的大模型，僅需要有限的數據即可實現對模型針對新場景的調優。但邵嶺提醒，一些人工智能專家認為這是通往通用人工智能的一大步，其實這跟通用人工智能沒有任何關系。“此類模型并不具備常識，也沒有思考與邏輯能力，其優越的性能主要源于海量的訓練數據，也可以說僅僅是具有一定泛化能力的記憶儲存而已”。

對于當前的弱人工智能如何向通用人工智能邁進，邵嶺的結論并不是很樂觀，“我們距離通用人工智能還很遙遠，或許在未來也難以實現”。

大模型加速落地是產業首要任務

通用人工智能還很遠，但并不影響當下人工智能一直占據著“風口”位置。當然，產業熱度的不斷提升，同時也無法回避人工智能產業中絕大部分企業仍面臨著虧損的事實。

邵嶺坦言，企業無法盈利的主要原因在于，人工智能解決方案通常需要很高程度的定制化，且難以規模化生產。“預訓練大模型可以在一定程度上解決這個問題，但并非所有的人工智能初創公司能夠負擔訓練大模型的成本。”

近幾年，大模型歷經了探索期、突破期，現在已經一定程度上到達推廣期。百度集團副總裁、深度學習技術及應用國家工程研究中心副主任吳甜認為，今年是大模型落地關鍵年，“對于大模型落地而言，最關鍵要解決的問題是‘前沿技術’與‘真實應用場景’之間的鴻溝”。

對于初創企業及中小型企業而言，邵嶺認為，研究規模相對小且實用的預訓練模型，以及對預訓練模型的有效壓縮，或許能夠加速人工智能的落地盈利。

關鍵詞： 人工智能 智能機器人 科幻作品 大幅提高 解決方案