【圆桌对话】

  【编者按】

  当前，生成式人工智能技术在多个领域展现出广泛的应用潜力，逐渐成为科技领域的关注焦点。

  国家互联网信息办公室最新数据显示，截至目前，我国已经完成备案并上线、能为公众提供服务的生成式人工智能服务大模型已达180多个，注册用户突破5.64亿。

  大模型如何进一步赋能千行百业？今后还需要在哪些方面重点发力？本期，我们邀请专家学者就生成式人工智能发展过程中遇到的难点问题和未来发展趋势进行探讨，为读者呈现这一领域的最新动态。

  主持人：

  本报记者 方曲韵

  本期嘉宾：

  清华大学新闻与传播学院教授 陈昌凤

  中央财经大学法学院教授 朱晓峰

  上海交通大学人工智能学院教授 严骏驰

大模型是通向通用人工智能的路径吗？

  记者：有人说，大模型改变了人类对于整个世界的认知方式，让我们看到了实现通用人工智能的路径。您对这个观点怎么看？

  朱晓峰：相较于传统的人工智能，以大模型为核心的人工智能具有自主生成能力，不再是人类工程师教它什么，它会什么，而是在一定程度上像人类一样具有了自主学习和输出能力，可以从事那些人类工程师未事先赋予其相应能力的工作。这与通用人工智能的方向具有一致性。一般认为，通用人工智能具备三个关键特征，分别是自主定义任务、完成无限任务以及由价值驱动。虽然现有的生成式人工智能还不具备其中的任何一个特征，但大模型的出现和迅速发展，使我们看到了实现通用人工智能的可能道路。从这个意义上讲，这个判断是准确的。

  严骏驰：大模型技术正在以惊人的速度重塑我们对世界的认知，并为未来的智能技术开辟了广阔的前景。这些技术通过处理和分析大量数据，展现出了令人瞩目的智能特性。然而，要实现真正的通用人工智能，我们可能还需要更深入的理解和更复杂的技术创新。

  一方面，我们要知道大模型的“智能”并不是真正意义上的“智能”。当前的大型模型虽然在规模上达到了前所未有的水平，但它们的智能层次仍有局限性。这些模型能够执行特定的记忆任务，然而，真正的智能远不止于此。它涉及复杂的因果推理、逻辑思维等高级认知能力，这些是目前大模型所缺乏的关键要素。要实现通用人工智能，我们必须超越这些局限，模拟出更接近人类智能的全面认知能力。

  另一方面，我们需要了解实现真正“智能”的关键所在。大模型的智能程度高度依赖于数据和计算资源，这种依赖导致它们的智能