竇德景
最近一年來，人工智能特別是生成式AI和大模型技術給我們的社會帶來了前所未有的影響，為了助力未來的發(fā)展，我們有必要系統(tǒng)梳理人工智能發(fā)展的歷史和目前幾個重要的問題，同時客觀比較中國的人工智能技術和世界先進水平的異同，以取長補短。
很多人認為1956年的達特茅斯會議開啟了人工智能（AI）元年，至今，人工智能已經(jīng)經(jīng)歷了3次發(fā)展高潮，兩次低谷時期。
第一次人工智能高潮發(fā)展期通常指的是20世紀50年代至70年代初，在這個時期，人工智能主要用于解決代數(shù)、幾何問題，以及學習和使用英語程序，研發(fā)主要圍繞機器的邏輯推理能力展開。
人工智能的第二次高潮始于上世紀80年代。BP（Back Propagation，反向傳播）算法被提出，用于多層神經(jīng)網(wǎng)絡的參數(shù)計算，以解決非線性分類和學習的問題。另外，針對特定領域的專家系統(tǒng)也在商業(yè)上獲得成功應用。
人工智能的第三次高潮始于2010年前后。深度學習的出現(xiàn)引起了廣泛的關注，多層神經(jīng)網(wǎng)絡學習過程中的梯度消失問題被有效地抑制，網(wǎng)絡的深層結構也能夠自動提取并表征復雜的特征，避免傳統(tǒng)方法中通過人工提取特征的問題。深度學習被應用到語音識別以及圖像識別中，取得了非常好的效果。
以2017年Transformer算法出現(xiàn)和隨后預訓練大模型為代表的生成式AI技術，使得第三次人工智能技術發(fā)展的高潮期達到了前所未有的新高度。 Transformer的一個巨大貢獻是產(chǎn)生了預訓練大語言模型，比如GPT、BERT和百度文心一言等。生成式AI和大模型技術具有生成新內(nèi)容、模仿人類創(chuàng)造力和創(chuàng)新性的能力，使其在多個領域都發(fā)揮了重要作用，推動了人工智能領域的繁榮和進步，向通用人工智能的終極目標邁出了一大步。
在可預知的未來，人工智能特別是生成式AI和大模型會得到廣泛應用。在帶來巨大商業(yè)機會的同時，也帶來了一系列特殊的安全隱患：生成式AI可以用于生成看似真實的、但實際上是虛構的新聞、文章或其他內(nèi)容。這可能會導致誤導、欺騙或傷害某人的名譽；生成式AI可以用于模仿某人的寫作風格或語音，從而進行身份欺詐。同時，使用生成式AI為用戶生成高度個性化的內(nèi)容可能會暴露過多的用戶信息，或被認為是侵犯用戶隱私；如果不受到適當?shù)募s束，生成式AI可能會產(chǎn)生有害、攻擊性、歧視性或其他不當?shù)膬?nèi)容。如果訓練數(shù)據(jù)中存在偏見，AI模型可能會放大這些偏見，導致不公平或歧視性的決策。
為了應對人工智能的安全隱患，需要持續(xù)地監(jiān)控、評估和更新AI系統(tǒng)，同時也需要在研究、開發(fā)和部署階段考慮安全性和可解釋性。
人工智能的可解釋性意味著我們可以理解、解釋或解讀AI模型作出決策的原因。對于人工智能和其他許多應用，特別是高風險的應用（如醫(yī)療、金融、法律），可解釋性是至關重要的，因為它能夠增加用戶對模型的信任，促進公平和透明，并有助于滿足某些法規(guī)和監(jiān)管要求。在出現(xiàn)錯誤或事故時，了解AI如何作出決策有助于明確責任歸屬，這對于法律和倫理都是至關重要的。當AI的工作方式是公開和透明的，它便更難以被用于不道德或惡意的目的，因為外部觀察者可以更容易審核和監(jiān)控其行為。AI的可解釋性不僅關乎技術問題，而且與道德、法律和社會問題密切相關。確保AI的安全性和可信度的關鍵在于使其決策過程透明，并使各方能夠理解和評估其行為。
中國人工智能技術的發(fā)展經(jīng)歷了早期的研究到21世紀初的嶄露頭角，再到如今接近世界領先水平。美國的人工智能技術是目前公認的世界領先水平，中美兩國在人工智能教育和技術發(fā)展方面表現(xiàn)出一系列的不同點，這些不同源于兩國在文化、教育體系、政策支持和產(chǎn)業(yè)需求等方面的差異。
中國在AI教育上，較大的教育平臺可能與政府和大型企業(yè)有更為密切的合作關系。盡管美國政府也支持AI教育，但私人機構和企業(yè)在推動AI教育發(fā)展上占據(jù)更主導的位置，美國的AI教育資源更分散，多元化的教育平臺和課程提供者共同構建了豐富多樣的AI教育生態(tài)。中國的文化和價值觀可能更傾向于強調(diào)集體利益和效率，而美國更強調(diào)個體發(fā)展和自由競爭。
同時中國的AI研究可能更加側重于技術的應用、優(yōu)化和市場化，強調(diào)技術到產(chǎn)品的快速轉化和在大規(guī)模場景中的應用。而美國的AI研究常常強調(diào)科學創(chuàng)新和理論深入，對原始技術和算法的創(chuàng)新、理論研究可能相對更為深入和前瞻。這個區(qū)別可能是美國取得最多人工智能突破性技術成果的主要原因，也是中國人工智能研究需要提高的地方。
AI在中國常被用于支持龐大的消費市場和產(chǎn)業(yè)升級，比如在電商、移動支付、社交媒體等方面有廣泛的應用。同時，基于龐大的人口基數(shù)，與公共服務和社會管理相關的AI應用也較為突出，例如，在城市管理和公共安全方面的應用。在美國，AI的應用則更注重技術創(chuàng)新和高端產(chǎn)業(yè)的發(fā)展，例如在醫(yī)療、自動駕駛、航空等領域。同時，硅谷的創(chuàng)新生態(tài)也推動了大量的創(chuàng)新型AI應用和服務的出現(xiàn)。美國在強大的科研體系和成熟的創(chuàng)新生態(tài)的支持下，其AI應用往往在技術深度和創(chuàng)新性上占有一定優(yōu)勢。筆者認為不斷完善科研體系和促進成熟的創(chuàng)新生態(tài)應該是中國人工智能應用趕上世界先進水平的必由之路。
當然，中美兩國在AI教育和技術上有很多可以相互學習和借鑒的地方。目前的不同之處在一定程度上反映了兩國在經(jīng)濟社會發(fā)展、科研體系、文化傳統(tǒng)、政策取向等方面的差異，也形塑了各自在全球AI發(fā)展中不同的角色和定位。我們既需要明確自己的優(yōu)勢，保持堅定的信心，也需要客觀評估，學習借鑒他人的成功經(jīng)驗，靈活為自己所用。（作者是著名人工智能和大數(shù)據(jù)專家、清華大學電子工程系兼職教授）▲
