窦德景

最近一年来，人工智能特殊是天生式AI和大模型技能给我们的社会带来了前所未有的影响，为了助力未来的发展，我们有必要系统梳理人工智能发展的历史和目前几个主要的问题，同时客不雅观比较中国的人工智能技能和天下前辈水平的异同，以取长补短。

很多人认为1956年的达特茅斯会议开启了人工智能（AI）元年，至今，人工智能已经经历了3次发展高潮，两次低谷期间。

第一次人工智能高潮发展期常日指的是20世纪50年代至70年代初，在这个期间，人工智能紧张用于办理代数、几何问题，以及学习和利用英语程序，研发紧张环绕机器的逻辑推理能力展开。

人工智能的第二次高潮始于上世纪80年代。
BP（Back Propagation，反向传播）算法被提出，用于多层神经网络的参数打算，以办理非线性分类和学习的问题。
其余，针对特定领域的专家系统也在商业上得到成功运用。

人工智能的第三次高潮始于2010年前后。
深度学习的涌现引起了广泛的关注，多层神经网络学习过程中的梯度消逝问题被有效地抑制，网络的深层构造也能够自动提取并表征繁芜的特色，避免传统方法中通过人工提取特色的问题。
深度学习被运用到语音识别以及图像识别中，取得了非常好的效果。

以2017年Transformer算法涌现和随后预演习大模型为代表的天生式AI技能，使得第三次人工智能技能发展的高潮期达到了前所未有的新高度。
Transformer的一个巨大贡献是产生了预演习大措辞模型，比如GPT、BERT和百度文心一言等。
天生式AI和大模型技能具有天生新内容、模拟人类创造力和创新性的能力，使其在多个领域都发挥了主要浸染，推动了人工智能领域的繁荣和进步，向通用人工智能的终极目标迈出了一大步。

在可预知的未来，人工智能特殊是天生式AI和大模型会得到广泛运用。
在带来巨大商业机会的同时，也带来了一系列分外的安全隐患：天生式AI可以用于天生看似真实的、但实际上是虚构的新闻、文章或其他内容。
这可能会导致误导、欺骗或侵害某人的名誉；天生式AI可以用于模拟某人的写作风格或语音，从而进行身份敲诈。
同时，利用天生式AI为用户天生高度个性化的内容可能会暴露过多的用户信息，或被认为是陵犯用户隐私；如果不受到适当的约束，天生式AI可能会产生有害、攻击性、歧视性或其他不当的内容。
如果演习数据中存在偏见，AI模型可能会放大这些偏见，导致不公正或歧视性的决策。

为了应对人工智能的安全隐患，须要持续地监控、评估和更新AI系统，同时也须要在研究、开拓和支配阶段考虑安全性和可阐明性。

人工智能的可阐明性意味着我们可以理解、阐明或解读AI模型作出决策的缘故原由。
对付人工智能和其他许多运用，特殊是高风险的运用（如医疗、金融、法律），可阐明性是至关主要的，由于它能够增加用户对模型的信赖，促进公正和透明，并有助于知足某些法规和监管哀求。
在涌现缺点或事件时，理解AI如何作出决策有助于明确任务归属，这对付法律和伦理都是至关主要的。
当AI的事情办法是公开和透明的，它便更难以被用于不道德或恶意的目的，由于外部不雅观察者可以更随意马虎审核和监控其行为。
AI的可阐明性不仅关乎技能问题，而且与道德、法律和社会问题密切干系。
确保AI的安全性和可信度的关键在于使其决策过程透明，并使各方能够理解和评估其行为。

中国人工智能技能的发展经历了早期的研究到21世纪初的崭露锋芒，再到如今靠近天下领先水平。
美国的人工智能技能是目前公认的天下领先水平，中美两国在人工智能教诲和技能发展方面表现出一系列的不同点，这些不同源于两国在文化、教诲体系、政策支持和家当需求等方面的差异。

中国在AI教诲上，较大的教诲平台可能与政府和大型企业有更为密切的互助关系。
只管美国政府也支持AI教诲，但私人机构和企业在推动AI教诲发展上霸占更主导的位置，美国的AI教诲资源更分散，多元化的教诲平台和课程供应者共同构建了丰富多样的AI教诲生态。
中国的文化和代价不雅观可能更方向于强调集体利益和效率，而美国更强调个体发展和自由竞争。

同时中国的AI研究可能更加侧重于技能的运用、优化和市场化，强调技能到产品的快速转化和在大规模场景中的运用。
而美国的AI研究常常强调科学创新和理论深入，对原始技能和算法的创新、理论研究可能相对更为深入和前瞻。
这个差异可能是美国取得最多人工智能打破性技能成果的紧张缘故原由，也是中国人工智能研究须要提高的地方。

AI在中国常被用于支持弘大的消费市场和家当升级，比如在电商、移动支付、社交媒体等方面有广泛的运用。
同时，基于弘大的人口基数，与公共做事和社会管理干系的AI运用也较为突出，例如，在城市管理和公共安全方面的运用。
在美国，AI的运用则更看重技能创新和高端家当的发展，例如在医疗、自动驾驶、航空等领域。
同时，硅谷的创新生态也推动了大量的创新型AI运用和做事的涌现。
美国在强大的科研体系和成熟的创新生态的支持下，其AI运用每每在技能深度和创新性上霸占一定上风。
笔者认为不断完善科研体系和促进成熟的创新生态该当是中国人工智能运用遇上天下前辈水平的必由之路。

当然，中美两国在AI教诲和技能上有很多可以相互学习和借鉴的地方。
目前的不同之处在一定程度上反响了两国在经济社会发展、科研体系、文化传统、政策取向等方面的差异，也形塑了各清闲环球AI发展中不同的角色和定位。
我们既须要明确自己的上风，保持武断的信心，也须要客不雅观评估，学习借鉴他人的成功履历，灵巧为自己所用。
（作者是著名人工智能和大数据专家、清华大学电子工程系兼职教授）▲