2025年2月22日，墨子沙龍邀請(qǐng)中國(guó)工程院院士，清華大學(xué)智能科學(xué)講席教授、智能產(chǎn)業(yè)研究院（AIR）院長(zhǎng)張亞勤教授來到中國(guó)科學(xué)技術(shù)大學(xué)上海研究院做主題演講，一同探討人工智能從科研到產(chǎn)業(yè)化的未來。此外，本次活動(dòng)還特別邀請(qǐng)了中國(guó)科大量子領(lǐng)域?qū)＜彝粢敖淌凇⒅悦襟w創(chuàng)作者差評(píng)君，與主講嘉賓進(jìn)行量子與AI的觀點(diǎn)碰撞。本文根據(jù)該直播內(nèi)容整理而成。
人工智能（AI）已從昔日的科幻構(gòu)想和前沿技術(shù)，發(fā)展為一種無處不在的社會(huì)現(xiàn)象。從大約十年前的AlphaGo，到近幾年的ChatGPT，再到近期炙手可熱的DeepSeek，人工智能的影響已滲透至各個(gè)領(lǐng)域，無論科研、產(chǎn)業(yè)，還是每個(gè)人的日常生活，乃至整個(gè)人類社會(huì)，都深受其影響。人工智能新浪潮正在涌動(dòng)，人工智能技術(shù)發(fā)展之迅猛，用“日新月異”來形容再恰當(dāng)不過了�？梢哉f，人工智能是過去二三十年里最具變革性的一種技術(shù)力量。在此，我將先從技術(shù)層面探討人工智能的整體發(fā)展趨勢(shì)，然后再談?wù)勅绾螌⑦@一顛覆性技術(shù)深入應(yīng)用于產(chǎn)業(yè)。如今，我們每個(gè)人或多或少都在使用各類AI應(yīng)用，例如文生圖、郵件撰寫、詩歌創(chuàng)作等，而我將重點(diǎn)討論的深入應(yīng)用是指人工智能將如何重塑產(chǎn)業(yè)格局：智能體技術(shù)如何催生全球首家無人醫(yī)院；無人駕駛的發(fā)展現(xiàn)狀及未來前景；在生物智能領(lǐng)域，人工智能如何推動(dòng)腦機(jī)接口技術(shù)的進(jìn)步，如何加速新藥研發(fā)……
人工智能的能力日益強(qiáng)大，但隨之而來的風(fēng)險(xiǎn)亦不容忽視。最后，我將探討人工智能帶來的安全隱患、潛在風(fēng)險(xiǎn)以及相應(yīng)的治理。
技術(shù)大趨勢(shì)
歷史上的每一次工業(yè)革命都深刻改變了人類的生產(chǎn)生活方式。我們正處于第四次工業(yè)革命的浪濤之中，有三個(gè)重要的技術(shù)力量推動(dòng)著這一變革：數(shù)字化、人工智能和新產(chǎn)業(yè)。其中，數(shù)字化技術(shù)至關(guān)重要，是第四次工業(yè)革命的基礎(chǔ)，因?yàn)橛辛藬?shù)字化做“底座”，人工智能才得以發(fā)展，進(jìn)而催生出新的產(chǎn)業(yè)。
數(shù)字化
麻省理工學(xué)院媒體實(shí)驗(yàn)室的內(nèi)格羅蓬特（N. Negroponte）在1995年出版的《數(shù)字化生存》（Being Digital）中稱數(shù)字化為“從原子到比特”。原子是物質(zhì)的基本組成單位，而比特是數(shù)字化信息的度量單位，從原子到比特意味著人類文明從依賴物質(zhì)實(shí)體到數(shù)字化時(shí)代的轉(zhuǎn)變。
數(shù)字化1.0，主要是內(nèi)容的數(shù)字化。如今，我們所有人都在使用和享受的數(shù)字音樂、數(shù)字視頻和數(shù)字圖像在早期都是模擬形式的，第一波數(shù)字化是將自然內(nèi)容轉(zhuǎn)化為數(shù)字格式。Word、Excel和PowerPoint等應(yīng)用都是這一階段的產(chǎn)物，它們實(shí)現(xiàn)了文檔內(nèi)容的數(shù)字化。大約在1990年代中期，進(jìn)入數(shù)字化2.0時(shí)代，這一階段有兩個(gè)重要標(biāo)識(shí)：消費(fèi)互聯(lián)網(wǎng)和企業(yè)數(shù)字化 （信息化）。隨著互聯(lián)網(wǎng)的興起，各類內(nèi)容被聯(lián)系在一起；繼PC互聯(lián)網(wǎng)而來的移動(dòng)互聯(lián)網(wǎng)則帶來了更多可能，如今我們手機(jī)里的社交、移動(dòng)支付等各類app都屬于移動(dòng)互聯(lián)網(wǎng)、消費(fèi)互聯(lián)網(wǎng)時(shí)代的產(chǎn)物。與此同時(shí)，企業(yè)也在進(jìn)行數(shù)字化（也常被稱作信息化），例如有了企業(yè)的數(shù)據(jù)庫以及ERP系統(tǒng)等管理、市場(chǎng)、人事方面的各種應(yīng)用。云計(jì)算可以說是企業(yè)數(shù)字化的一個(gè)重要成果，它也給企業(yè)帶來的深遠(yuǎn)影響。
如今，我們步入數(shù)字化3.0階段。與以往的數(shù)字化不同，數(shù)字化3.0不僅僅局限于信息世界的數(shù)字化，更重要的是數(shù)字化開始涵蓋物理世界和生物世界。我們的車輛在數(shù)字化，我們的道路在數(shù)字化，我們的城市、電網(wǎng)，甚至家庭也在實(shí)現(xiàn)數(shù)字化。另一方面，我們的蛋白質(zhì)、身體器官，乃至整個(gè)生命體也在經(jīng)歷數(shù)字化。如果說數(shù)字化1.0和2.0是從原子到比特的轉(zhuǎn)變，數(shù)字化3.0則是比特與原子與分子的相互融合。這意味著，新一代的智能不僅僅是信息智能，它還是信息智能、物理智能、生物智能的大融合。
▲數(shù)字化3.0階段，物理世界和生物世界也在數(shù)字化
智能與人工智能
經(jīng)過十萬、百萬年的進(jìn)化，人的大腦變得極為高效，成為了最智能的存在。大腦的智能主要體現(xiàn)在四個(gè)方面：首先是感知，即感受物理世界的能力；其次是認(rèn)知，我們通過邏輯推理來理解世界；然后是決策，最后是行為。盡管過去一百年里，科學(xué)家對(duì)大腦的研究取得了很多突破，但至今我們對(duì)人類這一最重要器官的理解仍然很有限。但即便如此，對(duì)大腦的理解也已經(jīng)為人工智能的發(fā)展提供了有價(jià)值的啟示。
例如，1960年代，麥克萊恩（P. MacLean）提出大腦結(jié)構(gòu)和功能的一個(gè)簡(jiǎn)化模型“三重腦”模型。他將大腦分為爬行動(dòng)物腦、古哺乳動(dòng)物腦（也稱邊緣系統(tǒng)）、新哺乳動(dòng)物腦（也稱新皮層）三部分：最基礎(chǔ)的爬行動(dòng)物腦包括小腦、腦干等，負(fù)責(zé)調(diào)控呼吸、睡眠等用來維持生命的基本生理功能；其次是邊緣系統(tǒng)，負(fù)責(zé)情感、記憶和習(xí)慣等；最上層的是新皮層，它是進(jìn)行聯(lián)想推理、邏輯思維的核心區(qū)域。我們說DeepSeek等具有推理功能，指的就是這一層次的能力。此外，人類與其他物種的一個(gè)重要區(qū)別是我們擁有復(fù)雜的記憶系統(tǒng)，坎德爾（E. Kandel）等人的研究告訴我們，人類有自動(dòng)觸發(fā)、無需意識(shí)的內(nèi)隱記憶以及意識(shí)參與、需要主動(dòng)回憶的外顯記憶。這些記憶最終會(huì)轉(zhuǎn)化為知識(shí)。還有，你可能聽說過卡尼曼（D. Kahneman）的“系統(tǒng)1，系統(tǒng)2”理論。系統(tǒng)1進(jìn)行快思考，更多依賴直覺，類似于肌肉反射，而系統(tǒng)2執(zhí)行更深層次的推理和思考過程。這些對(duì)大腦工作原理的認(rèn)識(shí)，已經(jīng)影響并融入進(jìn)人工智能的算法設(shè)計(jì)中，給人工智能發(fā)展帶來啟發(fā)。
許多人認(rèn)為人工智能的起源可追溯至1956年的達(dá)特茅斯會(huì)議，正是在這次會(huì)議上首次提出了“人工智能”（Artificial Intelligence）這一概念。我認(rèn)為，人工智能的真正起源應(yīng)歸功于三位先驅(qū)。首先是圖靈（A. Turing），他提出了圖靈機(jī)和圖靈測(cè)試。他的著名論文《計(jì)算機(jī)器與智能》（Computing Machinery and Intelligence），實(shí)際上定義了計(jì)算和智能這兩條發(fā)展道路。長(zhǎng)期以來，計(jì)算的發(fā)展飛速，而智能的發(fā)展則相對(duì)緩慢，直到過去十年，智能領(lǐng)域才迎來真正的飛躍，現(xiàn)如今計(jì)算和智能逐漸趨向融合。第二位是香農(nóng)（C. Shannon），他為我們定義了信息、比特以及如何描述和傳輸信息。他是信息論的奠基人，實(shí)際上也是數(shù)字化的先驅(qū)，他的理論為智能系統(tǒng)中信息處理和知識(shí)描述提供了基本框架。第三位是控制論的奠基人維納（N. Wiener）�？刂普撝械摹胺答仭备拍�，其實(shí)就是一種學(xué)習(xí)系統(tǒng)的模型，無論動(dòng)物學(xué)習(xí)、人類學(xué)習(xí)，還是機(jī)器學(xué)習(xí)，都離不開這一機(jī)制。如今的強(qiáng)化學(xué)習(xí)、機(jī)器學(xué)習(xí)就源自這一思想。
▲人工智能的主要學(xué)派
經(jīng)過多年的發(fā)展，衍生出許多不同的人工智能學(xué)派，如符號(hào)學(xué)派、進(jìn)化學(xué)派、類比學(xué)派、貝葉斯學(xué)派、連接機(jī)制學(xué)派等。在人工智能的發(fā)展過程中，雖然經(jīng)歷了幾次“寒冬”，但最終實(shí)現(xiàn)了大規(guī)模發(fā)展，并逐漸滲透到我們生活的各個(gè)方面。特別是過去十年，深度學(xué)習(xí)、連接主義的崛起，標(biāo)志著人工智能進(jìn)入了一個(gè)新的時(shí)代。
▲人工智能的發(fā)展歷程
過去十年，人工智能的發(fā)展呈現(xiàn)出幾個(gè)顯著的特點(diǎn)。首先是大數(shù)據(jù)和預(yù)訓(xùn)練。海量的數(shù)據(jù)是數(shù)字化3.0的一個(gè)重要基礎(chǔ)，借助大數(shù)據(jù)和強(qiáng)大的算力，可以進(jìn)行人工智能算法的預(yù)訓(xùn)練，以找出模型的最佳參數(shù)。第二，人工智能不再局限于單一模態(tài)，而是進(jìn)入了多模態(tài)的時(shí)代。除了文字之外，圖像、視頻、音樂等不同形式的信息都能被處理和理解，甚至涉及激光雷達(dá)、傳感器和腦機(jī)接口芯片等各類設(shè)備。另外，由于數(shù)據(jù)量和計(jì)算力的飛躍，人工智能的模型也越來越龐大，進(jìn)入大模型時(shí)代。大模型相當(dāng)于我們能夠構(gòu)建一個(gè)更加復(fù)雜的函數(shù)，更精準(zhǔn)地逼近復(fù)雜的現(xiàn)實(shí)世界。最后，尤其重要的是，人工智能的模型越來越向生成式方向發(fā)展。這種生成式模型不僅僅是對(duì)已有數(shù)據(jù)的分析與處理，更能在理解和學(xué)習(xí)的基礎(chǔ)上，創(chuàng)造出新的數(shù)據(jù)和內(nèi)容。
大模型并非一個(gè)全新的概念，實(shí)際上，早在十年前，已經(jīng)存在許多大型模型。然而，直到2022年ChatGPT的出現(xiàn)，大模型才邁上了一個(gè)新的臺(tái)階。首先，與過去的判別式模型截然不同，它是生成式模型。如今的人工智能不僅能夠處理和識(shí)別信息，還具備了生成新內(nèi)容的能力，不僅可以生成文字、圖像、音樂、視頻，還可以生成代碼、公式、工具，甚至能夠生成蛋白質(zhì)分子結(jié)構(gòu)、開發(fā)新藥、設(shè)計(jì)新材料，為我們開辟了一個(gè)全新時(shí)代。另外，它還向我們展示了通向通用人工智能的一種可能性。過去，人工智能主要集中于語音識(shí)別、圖像識(shí)別、人臉識(shí)別等單一任務(wù)，每個(gè)任務(wù)需要專門設(shè)計(jì)模型，而隨著ChatGPT的出現(xiàn)，我們看到了一個(gè)大模型能夠同時(shí)完成多種任務(wù)，展現(xiàn)出與人類類似的多面能力。
回看人工智能的發(fā)展，會(huì)發(fā)現(xiàn)兩個(gè)因素至關(guān)重要：大數(shù)據(jù)和大算力。值得注意的是，當(dāng)前對(duì)算力的需求呈指數(shù)級(jí)增長(zhǎng)，每年的增長(zhǎng)是十倍量級(jí)，遠(yuǎn)遠(yuǎn)超過了摩爾定律的預(yù)期。過去幾十年的計(jì)算機(jī)發(fā)展史上，有三個(gè)重要的“極限”影響和制約著傳統(tǒng)計(jì)算和通信范式：香農(nóng)定律揭示了信息處理的極限，馮諾依曼架構(gòu)定義了計(jì)算機(jī)的基本工作原理，摩爾定律預(yù)測(cè)每18個(gè)月計(jì)算機(jī)的計(jì)算能力或晶體管密度將會(huì)翻倍。然而，為了推動(dòng)AI的發(fā)展，我們必須突破這三個(gè)“極限”。過去十年、特別是最近五年所涌現(xiàn)出的許多新技術(shù)、新發(fā)明，其目的就是為了突破這些傳統(tǒng)瓶頸。未來，類腦計(jì)算、量子計(jì)算、光計(jì)算、生物計(jì)算也許會(huì)扮演重要角色。
未來AI大模型的發(fā)展方向可以概括為5個(gè)方面：1）多模態(tài)。人工智能不僅能處理文字，還能處理視頻、圖像、3D結(jié)構(gòu)信息、4D時(shí)空信息以及生物信息等，實(shí)現(xiàn)跨模態(tài)、多模態(tài)發(fā)展。2）自主智能。智能體可以自主規(guī)劃任務(wù)、開發(fā)代碼、調(diào)動(dòng)工具、優(yōu)化路徑、實(shí)現(xiàn)目標(biāo)，以及進(jìn)行自我迭代、升級(jí)和優(yōu)化，但這也會(huì)帶來一定風(fēng)險(xiǎn)。3）邊緣智能。大模型從云端走向本地化，部署在手機(jī)、PC等邊緣服務(wù)器和設(shè)備終端上，實(shí)現(xiàn)高效率、低功耗、低成本、低延時(shí)。3）物理智能。人工智能與機(jī)器人、無人車、無人機(jī)以及電網(wǎng)、通信網(wǎng)絡(luò)等物理設(shè)施結(jié)合，推動(dòng)基礎(chǔ)設(shè)施智能化發(fā)展。4）生命智能。將大模型與人腦和生命體融合，探索硅基與碳基生命的融合。
產(chǎn)業(yè)3.0
人工智能技術(shù)的發(fā)展催生了全新的產(chǎn)業(yè)生態(tài)，從“數(shù)字化+”、“互聯(lián)網(wǎng)+”進(jìn)展到了“人工智能+”時(shí)代。首先，人工智正在深刻改變IT產(chǎn)業(yè)，誕生了新的芯片、新的軟件、新的模型、新的數(shù)據(jù)中心、新的應(yīng)用。如今全球市值最高的企業(yè)大多來自互聯(lián)網(wǎng)和IT行業(yè)，而這些企業(yè)都在轉(zhuǎn)變?yōu)槿斯ぶ悄芷髽I(yè)。其次，人工智能正在改變所有工業(yè)。任何一個(gè)企業(yè)，只要有數(shù)字信息，就會(huì)受到人工智能的影響，或者生產(chǎn)AI，或者使用AI。我認(rèn)為，就像在互聯(lián)網(wǎng)時(shí)代所有企業(yè)都可以說是互聯(lián)網(wǎng)企業(yè)一樣，未來所有企業(yè)都是AI企業(yè)。此外，人工智能還創(chuàng)造了全新的工業(yè)，我稱之為“新智能產(chǎn)業(yè)”或“新智能經(jīng)濟(jì)”，這是一種全新的產(chǎn)業(yè)生態(tài)。我曾在微軟做操作系統(tǒng)，我認(rèn)為就像PC互聯(lián)時(shí)代的Windows、移動(dòng)互聯(lián)時(shí)代iOS/Andriod， 大模型就是AI時(shí)代的操作系統(tǒng)，支撐著從芯片架構(gòu)到各種應(yīng)用的整個(gè)生態(tài)，而這個(gè)新的生態(tài)比過去要龐大十倍、百倍，甚至更多。
我現(xiàn)在所在的機(jī)構(gòu)是清華大學(xué)智能產(chǎn)業(yè)研究院，我稍作下介紹。這是我從百度退休后創(chuàng)辦的，成立的初衷很簡(jiǎn)單，就是利用人工智能技術(shù)賦能產(chǎn)業(yè)，推動(dòng)社會(huì)進(jìn)步。更早時(shí)我在微軟亞洲研究院，其成立時(shí)也有這樣的理念，但微軟亞洲研究院是屬于公司、為公司服務(wù)的，我希望建立一個(gè)面向整個(gè)社會(huì)、更多為我們國(guó)家培養(yǎng)人才的研究院。我們的目標(biāo)是培養(yǎng)具有國(guó)際視野的技術(shù)領(lǐng)軍人物，實(shí)現(xiàn)關(guān)鍵技術(shù)上的突破，打造學(xué)術(shù)和產(chǎn)業(yè)的雙引擎。
AI + 產(chǎn)業(yè)
清華大學(xué)智能產(chǎn)業(yè)研究院成立時(shí)，我們確立了三個(gè)主要方向：AI+自動(dòng)駕駛/機(jī)器人、AI+物聯(lián)網(wǎng)、AI+生命科學(xué)，分別對(duì)應(yīng)前面提到的大模型的3個(gè)發(fā)展方向，即物理智能、邊緣智能、生物智能。接下來，我通過我們的一些工作實(shí)例來探討人工智能對(duì)產(chǎn)業(yè)的深刻影響。
醫(yī)療智能體：全球首家無人醫(yī)院
智能體能夠感知環(huán)境、自主決策并執(zhí)行行動(dòng)以實(shí)現(xiàn)特定目標(biāo)，通常具備自主性、反應(yīng)性和適應(yīng)性等特征。清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）劉洋教授課題組利用AI智能體，打造了全球首家無人醫(yī)院 Agent Hospital。
這一項(xiàng)目非常有趣！它是一套虛擬世界系統(tǒng)，設(shè)置了21個(gè)科室，患者、護(hù)士和醫(yī)生均由AI扮演。通過綜合使用大模型、醫(yī)學(xué)知識(shí)庫和公開病例，系統(tǒng)生成了覆蓋不同疾病、年齡、性別、地區(qū)等關(guān)鍵因素的數(shù)十萬AI患者。而AI醫(yī)生通過閱讀醫(yī)學(xué)文獻(xiàn)、診治大量AI患者，來提高診療能力。由于虛擬世界內(nèi)的時(shí)間流逝速度是真實(shí)世界的100倍，僅用2天時(shí)間便能完成上萬病例的診斷，最終，Agent Hospital在美國(guó)醫(yī)生執(zhí)業(yè)醫(yī)師資格考試數(shù)據(jù)集上取得極其優(yōu)異的成績(jī)。醫(yī)療智能體將為人類提供低廉、便捷、優(yōu)質(zhì)的醫(yī)療服務(wù)。
那么，未來是否不再需要醫(yī)生？我認(rèn)為，完全不是這樣。AI并非是要取代醫(yī)生，而是作為醫(yī)生的一個(gè)助理。未來，每位醫(yī)生都將配備一個(gè)AI助理，它將負(fù)責(zé)包括診斷、處理數(shù)據(jù)在內(nèi)的大部分的工作，然而最終的診斷決策仍應(yīng)由醫(yī)生做出。AI助理的角色是醫(yī)生的輔助，幫助醫(yī)生提高效率和準(zhǔn)確性，而不是替代醫(yī)生做專業(yè)判斷。
物理智能：機(jī)器人，無人駕駛
對(duì)于物理智能、具身智能，大家可能已不陌生，出現(xiàn)在2025年春晚并引發(fā)人們熱議的人形機(jī)器人即屬于此類。機(jī)器人將首先進(jìn)入工廠和社會(huì)，例如從事保安、警察等工作，最終，它們將進(jìn)入家庭，成為人們?nèi)粘Ｉ畹囊徊糠�。我相信，十年之后，機(jī)器人數(shù)量可能會(huì)遠(yuǎn)超人類。每個(gè)家庭都擁有多個(gè)AI機(jī)器人，有些是物理、現(xiàn)實(shí)的，有些則是數(shù)字、邏輯的，它們既能處理家務(wù)，又能與人交流，甚至成為你的管家、朋友。
無人駕駛是物理智能的重要應(yīng)用領(lǐng)域之一，它是一種專門用于駕駛?cè)蝿?wù)的機(jī)器人系統(tǒng)。過去幾年，這一技術(shù)逐漸從概念走向現(xiàn)實(shí)，例如武漢的“蘿卜快跑”和上海的無人駕駛項(xiàng)目。我花費(fèi)過很多時(shí)間和精力做人工駕駛，大約十年前，作為百度總裁，我推動(dòng)了無人駕駛項(xiàng)目。我認(rèn)為，無人駕駛是人工智能應(yīng)用中最具挑戰(zhàn)性和重要性的一個(gè)領(lǐng)域。一方面，它面臨諸多技術(shù)挑戰(zhàn)，涉及感知、認(rèn)知、決策和執(zhí)行等各類復(fù)雜任務(wù)，且因?yàn)殛P(guān)系生命安全，對(duì)可靠性、準(zhǔn)確性的要求極高。另一方面，與許多需要多任務(wù)處理的應(yīng)用不同，顧名思義，無人駕駛僅專注于一個(gè)任務(wù)駕駛。因此，盡管技術(shù)難度高，但由于任務(wù)明確且邊界清晰，我認(rèn)為這是可以實(shí)現(xiàn)的�；谶@一理念，我們當(dāng)時(shí)推出了自動(dòng)駕駛平臺(tái)Apollo。它完全開放、開源，如今已發(fā)展為全球最大的無人駕駛平臺(tái)，是中國(guó)對(duì)世界的一項(xiàng)重要貢獻(xiàn)。
實(shí)現(xiàn)無人駕駛是個(gè)復(fù)雜的事情，需要考慮技術(shù)可行性、用戶需求、產(chǎn)業(yè)生態(tài)以及商業(yè)模式等市場(chǎng)因素，還要考慮政策、法規(guī)、倫理、隱私和其他人為因素等非市場(chǎng)力量的影響。這些因素交織在一起，讓問題變得復(fù)雜，但在十年前，我就堅(jiān)信無人駕駛是一定會(huì)實(shí)現(xiàn)的，而且會(huì)在不久的未來實(shí)現(xiàn)。當(dāng)時(shí)對(duì)無人駕駛發(fā)展前景的一些判斷，也基本實(shí)現(xiàn)了。我們現(xiàn)在已經(jīng)看到，無人駕駛讓出現(xiàn)更安全、更經(jīng)濟(jì)，深層次地改變了產(chǎn)業(yè)。
生物智能
在中央電視臺(tái)的一檔節(jié)目中，鋼琴家郎朗與一位女孩合作進(jìn)行鋼琴表演，配合非常默契。而女孩使用的是假肢，技術(shù)來自杭州一家名為“強(qiáng)腦科技”的公司。這正是生物智能的一個(gè)絕佳案例。
我們知道，馬斯克（E. Musk ）的 Neuralink 是通過將芯片植入大腦來實(shí)現(xiàn)腦機(jī)接口。而強(qiáng)腦科技所采用的技術(shù)則不同，它不需要植入芯片，而是利用一種新型的高靈敏度傳感器來測(cè)量腦電波和肌電信號(hào)。通過積累大量數(shù)據(jù)，并應(yīng)用人工智能算法，這項(xiàng)技術(shù)能夠識(shí)別我們的思維，甚至指揮我們的手或腿執(zhí)行相應(yīng)動(dòng)作。這項(xiàng)技術(shù)的挑戰(zhàn)非常巨大。首先，信號(hào)非常微弱，需要檢測(cè)到極其微弱的電流，這對(duì)傳感器的靈敏度要求極高。其次，如何將這些信號(hào)轉(zhuǎn)換為具體的動(dòng)作是一個(gè)難題。舉個(gè)例子，使用這項(xiàng)技術(shù)的患者可以想象某個(gè)字形，機(jī)器通過檢測(cè)腦波就能自動(dòng)將其轉(zhuǎn)化為書法。這表明，AI不僅能夠識(shí)別我們的思維，還能將其精準(zhǔn)轉(zhuǎn)化為行動(dòng)，完成復(fù)雜的任務(wù)。
另一個(gè)例子是清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）團(tuán)隊(duì)的工作，AIR聶再清教授課題組開發(fā)了一個(gè)面向生物醫(yī)藥領(lǐng)域的大模型，名為 BioMedGPT。這一模型涵蓋了蛋白質(zhì)、分子、單細(xì)胞等生物醫(yī)學(xué)領(lǐng)域的專有知識(shí)，以及大模型的知識(shí)和數(shù)據(jù)庫的知識(shí)圖譜。借助這一平臺(tái)，研究人員可以進(jìn)行多種創(chuàng)新工作，如新藥研發(fā)、蛋白質(zhì)結(jié)構(gòu)解析，甚至可以生成新的藥物，這為藥物的研發(fā)開辟了全新的思路。
還有一個(gè)例子是大家熟知的 AlphaFold。運(yùn)用人工智能算法，AlphaFold第一次成功解析了幾乎所有人類蛋白質(zhì)的結(jié)構(gòu)。解析蛋白質(zhì)結(jié)構(gòu)對(duì)醫(yī)學(xué)具有極大的意義，因?yàn)樵S多疾病的根源都與蛋白質(zhì)的突變或錯(cuò)誤相關(guān)。為了治療這些疾病，我們需要開發(fā)藥物，但藥物和蛋白質(zhì)之間的匹配并不容易，目前，僅有10%的蛋白質(zhì)能夠與藥物相匹配。面對(duì)這一問題，清華大學(xué)團(tuán)隊(duì)利用人工智能大模型，計(jì)算出了成藥的所有可能性，研究人員從中可以篩選出潛在的藥物。目前，該項(xiàng)目已經(jīng)涵蓋了200多萬個(gè)潛在藥物，并且開源，供全球研究人員使用。
▲BrainCo腦機(jī)接口技術(shù)
風(fēng)險(xiǎn)、治理與展望
人工智能展現(xiàn)了強(qiáng)大的能力，但我們也必須警惕其中的風(fēng)險(xiǎn)。目前看來，風(fēng)險(xiǎn)主要集中在信息領(lǐng)域，例如，AI生成了大量假信息，包括虛假的數(shù)據(jù)、虛擬人物，甚至可以創(chuàng)造出極其逼真的數(shù)字人進(jìn)行詐騙。這些風(fēng)險(xiǎn)雖然存在，但我認(rèn)為它們是可控的。然而，當(dāng)人工智能的能力應(yīng)用到物理世界時(shí)，風(fēng)險(xiǎn)將更加復(fù)雜和嚴(yán)重。比如，在機(jī)器人、無人車、無人機(jī)，甚至大型電廠等基礎(chǔ)設(shè)施領(lǐng)域，AI系統(tǒng)如果不可控或被惡意利用，所帶來的后果將是巨大的。特別是應(yīng)用在生物技術(shù)領(lǐng)域時(shí)，風(fēng)險(xiǎn)將進(jìn)一步擴(kuò)大。
因此，風(fēng)險(xiǎn)控制和治理至關(guān)重要，需要科研、政策和法規(guī)層面的多維協(xié)同。過去兩年，許多論壇和機(jī)構(gòu)在積極開展這方面的工作，致力于確保人工智能在安全和可控的框架內(nèi)發(fā)展。
關(guān)于人工智能未來的發(fā)展，在2024年6月6號(hào)的“太湖對(duì)話”上，我分享了個(gè)人觀點(diǎn)。需要說明，這僅是我個(gè)人的觀點(diǎn)，不代表清華大學(xué)或清華大學(xué)智能產(chǎn)業(yè)研究院的立場(chǎng)。此外，我還特別提到了日期。我對(duì)AI發(fā)展的5個(gè)觀點(diǎn)如下。（1）在未來十年，大模型、生成式AI仍將是主流技術(shù)和產(chǎn)業(yè)路線。（2）未來需要多種不同類型的模型，包括大型的基礎(chǔ)模型、垂直領(lǐng)域的專用模型，同時(shí)，我們還需要邊緣模型。關(guān)于開源與閉源之爭(zhēng)，也存在許多分歧。有些人認(rèn)為閉源會(huì)始終占據(jù)主導(dǎo)地位，而開源沒有未來。但我一直認(rèn)為，開源和閉源將同時(shí)存在，各自有其獨(dú)特的生態(tài)系統(tǒng)。（3）基于Token的統(tǒng)一表征和規(guī)模定律（scaling law）是大模型的核心要素。首先，無論是文字、圖像、激光雷達(dá)數(shù)據(jù)還是蛋白質(zhì)結(jié)構(gòu)，所有的信息都可以轉(zhuǎn)化為統(tǒng)一的token，這使得大模型能夠處理不同形式的信息，實(shí)現(xiàn)多模態(tài)。其次，規(guī)模定律揭示了模型規(guī)模與性能之間的關(guān)系，表明隨著模型參數(shù)量的增長(zhǎng)和訓(xùn)練數(shù)據(jù)規(guī)模的擴(kuò)大，大模型的表現(xiàn)會(huì)顯著提升。（4）相較于人腦的高效，當(dāng)前人工智能算法在計(jì)算效率和能耗效率方面仍存在顯著差距，為突破這一瓶頸，亟需構(gòu)建新一代算法體系。預(yù)計(jì)在未來五年內(nèi)，AI基礎(chǔ)架構(gòu)將迎來突破，當(dāng)前主導(dǎo)的Transformer、Diffusion等技術(shù)范式或?qū)⒈活嵏病＃?）我個(gè)人對(duì)通用人工智能的定義是，當(dāng)AI在大部分（例如95%）任務(wù)上超越大部分（例如95%）人類時(shí)，我們就認(rèn)為達(dá)到了通用人工智能的標(biāo)準(zhǔn)。根據(jù)此定義，我認(rèn)為在信息智能領(lǐng)域（對(duì)語言、圖像、聲音和視頻的理解、生成等），05年內(nèi)將實(shí)現(xiàn)通用人工智能；在物理智能領(lǐng)域（無人駕駛、人形機(jī)器人等），010年內(nèi)將實(shí)現(xiàn)通用人工智能，最早實(shí)現(xiàn)的可能是無人駕駛；在生物智能領(lǐng)域（腦機(jī)接口、制藥等），020年內(nèi)將實(shí)現(xiàn)通用人工智能。
人工智能將是信息智能、物理智能和生物智能的融合，它依托天文級(jí)的數(shù)據(jù)、強(qiáng)大的計(jì)算能力和先進(jìn)的智能算法。人工智能將帶來巨大的產(chǎn)業(yè)機(jī)遇，據(jù)分析，到2030年人工智能將創(chuàng)造20萬億美元的GDP，相當(dāng)于全球第二大經(jīng)濟(jì)體中國(guó)目前的GDP。然而，人工智能的崛起也伴隨著諸多隱患，風(fēng)險(xiǎn)控制和治理至關(guān)重要。人工智能不僅是企業(yè)的事情，更是國(guó)家層面的事情，它將深刻改變?nèi)虻纳鐣?huì)和經(jīng)濟(jì)格局。年輕人應(yīng)敢于做夢(mèng)，只有敢于夢(mèng)想，才能實(shí)現(xiàn)偉大的目標(biāo)。
嘉賓簡(jiǎn)介
張亞勤：中國(guó)工程院外籍院士，清華大學(xué)智能科學(xué)講席教授，清華大學(xué)智能產(chǎn)業(yè)研究院院長(zhǎng)。他于2014年9月至2019年10月?lián)伟俣裙究偛�。出任百度總裁前，張亞勤院士曾在微軟公司工�?6年，歷任全球資深副總裁兼微軟亞太研發(fā)集團(tuán)主席、微軟亞洲研究院院長(zhǎng)兼首席科學(xué)家、微軟全球副總裁和微軟中國(guó)董事長(zhǎng)。
