竇德景最近一年來(lái),，人工智能特別是生成式AI和大模型技術(shù)給我們的社會(huì)帶來(lái)了前所未有的影響，為了助力未來(lái)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(gè)重要的問(wèn)題,，同時(shí)客觀比較中國(guó)的人工智能技術(shù)和世界先進(jìn)水平的異同，以取長(zhǎng)補(bǔ)短,。很多人認(rèn)為1956年的達(dá)特茅斯會(huì)議開(kāi)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(shí)期,。第一次人工智能高潮發(fā)展期通常指的是20世紀(jì)50年代至70年代初，在這個(gè)時(shí)期,，人工智能主要用于解決代數(shù),、幾何問(wèn)題，以及學(xué)習(xí)和使用英語(yǔ)程序,，研發(fā)主要圍繞機(jī)器的邏輯推理能力展開(kāi),。人工智能的第二次高潮始于上世紀(jì)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(luò)的參數(shù)計(jì)算,，以解決非線(xiàn)性分類(lèi)和學(xué)習(xí)的問(wèn)題。另外,，針對(duì)特定領(lǐng)域的專(zhuān)家系統(tǒng)也在商業(yè)上獲得成功應(yīng)用,。人工智能的第三次高潮始于2010年前后。深度學(xué)習(xí)的出現(xiàn)引起了廣泛的關(guān)注,，多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中的梯度消失問(wèn)題被有效地抑制,，網(wǎng)絡(luò)的深層結(jié)構(gòu)也能夠自動(dòng)提取并表征復(fù)雜的特征，避免傳統(tǒng)方法中通過(guò)人工提取特征的問(wèn)題,。深度學(xué)習(xí)被應(yīng)用到語(yǔ)音識(shí)別以及圖像識(shí)別中,，取得了非常好的效果。以2017年Transformer算法出現(xiàn)和隨后預(yù)訓(xùn)練大模型為代表的生成式AI技術(shù),，使得第三次人工智能技術(shù)發(fā)展的高潮期達(dá)到了前所未有的新高度,。 Transformer的一個(gè)巨大貢獻(xiàn)是產(chǎn)生了預(yù)訓(xùn)練大語(yǔ)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(shù)具有生成新內(nèi)容、模仿人類(lèi)創(chuàng)造力和創(chuàng)新性的能力,，使其在多個(gè)領(lǐng)域都發(fā)揮了重要作用,，推動(dòng)了人工智能領(lǐng)域的繁榮和進(jìn)步，向通用人工智能的終極目標(biāo)邁出了一大步,。在可預(yù)知的未來(lái),，人工智能特別是生成式AI和大模型會(huì)得到廣泛應(yīng)用。在帶來(lái)巨大商業(yè)機(jī)會(huì)的同時(shí),，也帶來(lái)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(shí)的,、但實(shí)際上是虛構(gòu)的新聞、文章或其他內(nèi)容,。這可能會(huì)導(dǎo)致誤導(dǎo),、欺騙或傷害某人的名譽(yù)；生成式AI可以用于模仿某人的寫(xiě)作風(fēng)格或語(yǔ)音,，從而進(jìn)行身份欺詐,。同時(shí)，使用生成式AI為用戶(hù)生成高度個(gè)性化的內(nèi)容可能會(huì)暴露過(guò)多的用戶(hù)信息,，或被認(rèn)為是侵犯用戶(hù)隱私,；如果不受到適當(dāng)?shù)募s束，生成式AI可能會(huì)產(chǎn)生有害,、攻擊性,、歧視性或其他不當(dāng)?shù)膬?nèi)容。如果訓(xùn)練數(shù)據(jù)中存在偏見(jiàn)，AI模型可能會(huì)放大這些偏見(jiàn),，導(dǎo)致不公平或歧視性的決策。為了應(yīng)對(duì)人工智能的安全隱患,，需要持續(xù)地監(jiān)控,、評(píng)估和更新AI系統(tǒng)，同時(shí)也需要在研究,、開(kāi)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(duì)于人工智能和其他許多應(yīng)用,，特別是高風(fēng)險(xiǎn)的應(yīng)用（如醫(yī)療、金融,、法律）,，可解釋性是至關(guān)重要的，因?yàn)樗軌蛟黾佑脩?hù)對(duì)模型的信任,，促進(jìn)公平和透明,，并有助于滿(mǎn)足某些法規(guī)和監(jiān)管要求。在出現(xiàn)錯(cuò)誤或事故時(shí),，了解AI如何作出決策有助于明確責(zé)任歸屬，這對(duì)于法律和倫理都是至關(guān)重要的,。當(dāng)AI的工作方式是公開(kāi)和透明的,，它便更難以被用于不道德或惡意的目的，因?yàn)橥獠坑^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(guān)乎技術(shù)問(wèn)題,，而且與道德、法律和社會(huì)問(wèn)題密切相關(guān),。確保AI的安全性和可信度的關(guān)鍵在于使其決策過(guò)程透明,，并使各方能夠理解和評(píng)估其行為。中國(guó)人工智能技術(shù)的發(fā)展經(jīng)歷了早期的研究到21世紀(jì)初的嶄露頭角,，再到如今接近世界領(lǐng)先水平,。美國(guó)的人工智能技術(shù)是目前公認(rèn)的世界領(lǐng)先水平，中美兩國(guó)在人工智能教育和技術(shù)發(fā)展方面表現(xiàn)出一系列的不同點(diǎn),，這些不同源于兩國(guó)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(guó)在AI教育上,，較大的教育平臺(tái)可能與政府和大型企業(yè)有更為密切的合作關(guān)系。盡管美國(guó)政府也支持AI教育,，但私人機(jī)構(gòu)和企業(yè)在推動(dòng)AI教育發(fā)展上占據(jù)更主導(dǎo)的位置,，美國(guó)的AI教育資源更分散,，多元化的教育平臺(tái)和課程提供者共同構(gòu)建了豐富多樣的AI教育生態(tài)。中國(guó)的文化和價(jià)值觀可能更傾向于強(qiáng)調(diào)集體利益和效率,，而美國(guó)更強(qiáng)調(diào)個(gè)體發(fā)展和自由競(jìng)爭(zhēng),。同時(shí)中國(guó)的AI研究可能更加側(cè)重于技術(shù)的應(yīng)用、優(yōu)化和市場(chǎng)化,，強(qiáng)調(diào)技術(shù)到產(chǎn)品的快速轉(zhuǎn)化和在大規(guī)模場(chǎng)景中的應(yīng)用,。而美國(guó)的AI研究常常強(qiáng)調(diào)科學(xué)創(chuàng)新和理論深入，對(duì)原始技術(shù)和算法的創(chuàng)新,、理論研究可能相對(duì)更為深入和前瞻,。這個(gè)區(qū)別可能是美國(guó)取得最多人工智能突破性技術(shù)成果的主要原因，也是中國(guó)人工智能研究需要提高的地方,。AI在中國(guó)常被用于支持龐大的消費(fèi)市場(chǎng)和產(chǎn)業(yè)升級(jí),，比如在電商、移動(dòng)支付,、社交媒體等方面有廣泛的應(yīng)用,。同時(shí)，基于龐大的人口基數(shù),，與公共服務(wù)和社會(huì)管理相關(guān)的AI應(yīng)用也較為突出,，例如，在城市管理和公共安全方面的應(yīng)用,。在美國(guó),，AI的應(yīng)用則更注重技術(shù)創(chuàng)新和高端產(chǎn)業(yè)的發(fā)展，例如在醫(yī)療,、自動(dòng)駕駛,、航空等領(lǐng)域。同時(shí),，硅谷的創(chuàng)新生態(tài)也推動(dòng)了大量的創(chuàng)新型AI應(yīng)用和服務(wù)的出現(xiàn),。美國(guó)在強(qiáng)大的科研體系和成熟的創(chuàng)新生態(tài)的支持下，其AI應(yīng)用往往在技術(shù)深度和創(chuàng)新性上占有一定優(yōu)勢(shì),。筆者認(rèn)為不斷完善科研體系和促進(jìn)成熟的創(chuàng)新生態(tài)應(yīng)該是中國(guó)人工智能應(yīng)用趕上世界先進(jìn)水平的必由之路,。當(dāng)然，中美兩國(guó)在AI教育和技術(shù)上有很多可以相互學(xué)習(xí)和借鑒的地方,。目前的不同之處在一定程度上反映了兩國(guó)在經(jīng)濟(jì)社會(huì)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(shì)，保持堅(jiān)定的信心,，也需要客觀評(píng)估,，學(xué)習(xí)借鑒他人的成功經(jīng)驗(yàn)，靈活為自己所用,。（作者是著名人工智能和大數(shù)據(jù)專(zhuān)家,、清華大學(xué)電子工程系兼職教授）▲