邁向通用人工智能AGI

在探討人工智能的未來與侷限時，我們必須首先理解AGI（Artificial General Intelligence，通用人工智能）的概念。AGI代表着一種具備發現新知能力的AI。然而，當前的AI技術儘管已經在感知和行爲替代、已有知識重現方面取得了顯著進展，但這些仍然只是AI能力的表面及部分體現。

在2018年進行的全國性人工智能產業研究中（摘自民建中央課題《人工智能產業發展戰略》）對找準人工智能產業着力點進行研究，調研結果表明“中間層”涉及到人類知識和邏輯，對決策至關重要。2023年，隨着大型語言模型的興起，我們見證了AI領域的一個奇蹟。這些模型通過學習大量的語料，展現出了優異的記憶力。但問題在於，它們學到的只是語言的表面，而非語言背後的真理。正如哲學家維根斯坦所言，語言與人類的真實意圖相去甚遠。同時，AI在處理數學問題時，往往顯得無能爲力，因爲它們缺乏數學運算邏輯，不能很好勝任數值型分析和預測工作（摘自科學中國20230908《大語言模型(LLM)的“兩個天生BUG”》）。儘管存在這些侷限，大型語言模型在與人類交互方面展現出了前所未有的友好性，這是其持續熱度的來源。

然而，我們對AI的期望遠不止於此。在科學決策等領域，我們需要的AI不僅要能模擬人類行爲，更要具備通過數據產生新知的能力，這其中就涉及到兩個重要環節：數據挖掘能力和接觸到高質量數據的能力。爲了解決這一矛盾，學界和技術界提出了不同的見解，包括連接主義和符號主義的辯論。連接主義強調通過增加神經元數量來增強智能，但是其存在邊際效應遞減的問題，即隨着神經元增加到一定程度其能產生的智能程度的速度是下降的，而符號主義則主張通過抽象和運算來發展智能。我們認爲，AI的發展應該遵循人類進化的規律，在依賴神經元增加（連接主義）進化到足夠聰明後，基於抽象的規律分析（符號主義）是更有效率的發現新知之路，因此通過連接主義*符號主義，即前期在連接主義的基礎上先具備大量的參數量，到後期教會其符號主義的所有內容，通過GPT Hybrid的方式讓AI具備數學計算和邏輯推理的能力，從而發現新知識。

綜上，我們需要不斷探索和解決AI的侷限，推動AI能夠真正成爲人類智能的延伸，最終實現AGI。

本文作者湯子歐，健交科技首席科學家、航投大數據首席科學家、易華錄健康醫療首席科學家。系福布斯中國撰稿人，表達觀點僅代表個人。