當(dāng)前，人工智能（AI）大模型技術(shù)已成為推動國家科技和經(jīng)濟(jì)高質(zhì)量發(fā)展的新引擎，但其發(fā)展仍面臨幾個重大挑戰(zhàn)，包括算力掣肘、推理幻覺和產(chǎn)業(yè)落地壁壘等挑戰(zhàn)。為充分發(fā)揮AI對我國科技和經(jīng)濟(jì)發(fā)展的賦能作用，需從模型架構(gòu)創(chuàng)新、測試標(biāo)準(zhǔn)體系構(gòu)建和產(chǎn)學(xué)研協(xié)同三方面突破，打造具有國際競爭力的AI創(chuàng)新高地。
推動模型架構(gòu)創(chuàng)新，探索智能本質(zhì)與高效實(shí)現(xiàn)路徑
當(dāng)今AI模型發(fā)展以Transformer架構(gòu)及其變體為主導(dǎo)，以大參數(shù)量、大算力為基礎(chǔ)，其訓(xùn)練成本正以驚人的速度增長，這種模式在長期運(yùn)行中可能面臨能耗與訓(xùn)練效率的挑戰(zhàn)，同時高昂的成本也可能對規(guī)�；瘧�(yīng)用和推廣造成一定制約。AI訓(xùn)練過程中，算力需求的持續(xù)膨脹已成為制約AI創(chuàng)新的一項(xiàng)關(guān)鍵因素。為推動我國AI研發(fā)實(shí)現(xiàn)跨越式發(fā)展，亟須在模型架構(gòu)層面進(jìn)行根本性創(chuàng)新。
從認(rèn)知科學(xué)視角看，人腦在能耗極低的情況下實(shí)現(xiàn)了高效的智能處理。人腦通過分層處理、注意力機(jī)制和預(yù)測編碼，以稀疏編碼、模塊化分工、抽象表征等方式實(shí)現(xiàn)高效運(yùn)算。這些認(rèn)知機(jī)制為突破算力瓶頸提供了重要思路：通過模擬大腦的預(yù)測加工系統(tǒng)，構(gòu)建具有主動推理能力的生成模型；設(shè)計(jì)更高效的記憶架構(gòu)，防止AI的“災(zāi)難化遺忘”；參照大腦皮層的層次化表征系統(tǒng)，構(gòu)建具有多重抽象級別的計(jì)算框架。當(dāng)前，大模型普遍存在的不可解釋性問題，也凸顯了單純依賴數(shù)據(jù)驅(qū)動的局限性�；趯θ祟愔悄艿奶剿�，挖掘?qū)W習(xí)機(jī)制、功能模塊分區(qū)，有望指導(dǎo)設(shè)計(jì)出能夠更高效自適應(yīng)環(huán)境、自主學(xué)習(xí)的AI訓(xùn)練范式。
為實(shí)現(xiàn)我國在AI研發(fā)上從“跟跑”到“并跑”乃至“領(lǐng)跑”的轉(zhuǎn)變，幾大研究方向值得重點(diǎn)布局：一是開展基于腦科學(xué)與認(rèn)知科學(xué)的智能本質(zhì)研究，深入探索人類智能的內(nèi)在機(jī)理及其對AI架構(gòu)的啟發(fā)；二是推進(jìn)受腦啟發(fā)的AI算法研發(fā)，開發(fā)更高效輕量化的AI模型；三是加強(qiáng)通用人工智能（AGI）理論創(chuàng)新，構(gòu)建新一代AGI理論體系。為推動上述方向，建議前瞻性布局新型計(jì)算芯片、認(rèn)知神經(jīng)網(wǎng)絡(luò)、腦科學(xué)與類腦智能等前沿方向。支持科研機(jī)構(gòu)開展跨學(xué)科交叉研究，探索更高效的模型架構(gòu)和訓(xùn)練方法，推動AI發(fā)展模式從“算力驅(qū)動”向“效率優(yōu)先”轉(zhuǎn)型。通過降低算力門檻，可使廣大中小企業(yè)以更低成本接入AI技術(shù)，形成新的產(chǎn)業(yè)增長點(diǎn)。同時，理論突破將帶動芯片、算法、云計(jì)算等全產(chǎn)業(yè)鏈協(xié)同發(fā)展，進(jìn)一步夯實(shí)數(shù)字經(jīng)濟(jì)發(fā)展基礎(chǔ)。
構(gòu)建測試標(biāo)準(zhǔn)體系，筑牢大模型發(fā)展根基
當(dāng)前，AI大模型在各行業(yè)應(yīng)用呈現(xiàn)蓬勃發(fā)展態(tài)勢。然而，在模型實(shí)現(xiàn)流暢交互的同時，其固有的不可解釋性、“幻覺”問題與潛在的安全隱患，也制約著其在關(guān)鍵領(lǐng)域的深度應(yīng)用。比如，在醫(yī)療場景中，模型可能生成看似合理、實(shí)則錯誤的“幻覺”信息，即在醫(yī)療診斷時提供不準(zhǔn)確的建議，帶來誤診等后果。同時，大模型決策過程不透明、易受惡意攻擊導(dǎo)致數(shù)據(jù)泄露等問題，也使得關(guān)乎國計(jì)民生的關(guān)鍵領(lǐng)域在引入大模型時不得不慎之又慎。此外，因大模型的智能尚未升維為通用的認(rèn)知與適應(yīng)能力，仍不能被廣泛認(rèn)可為AGI。
構(gòu)建面向AGI的測試標(biāo)準(zhǔn)，必須克服傳統(tǒng)測評方法的局限，借鑒發(fā)展心理學(xué)與心理測量，構(gòu)建新一代測評體系：在橫向上，建立覆蓋視覺、語言、認(rèn)知推理、社會價值等多維度的綜合任務(wù)集；在縱向上，設(shè)計(jì)受人類心智發(fā)展啟發(fā)的“AI發(fā)展里程碑”測試，評估其能力是否遵循合理、穩(wěn)健的演進(jìn)路徑。這尤其適用于評估AI的自我認(rèn)知、情感依戀、道德判斷等對安全至關(guān)重要的高階能力，為AGI的發(fā)展提供更科學(xué)的指引。
標(biāo)準(zhǔn)化建設(shè)既能提升模型質(zhì)量，對技術(shù)落地提出更高要求，又能為監(jiān)管提供技術(shù)支撐，加速可信AI在關(guān)鍵領(lǐng)域的部署應(yīng)用。同時，完善的標(biāo)準(zhǔn)體系將增強(qiáng)市場信心，吸引更多社會資本投入AI產(chǎn)業(yè)，推動形成規(guī)�；瘧�(yīng)用場景，有望帶動相關(guān)服務(wù)業(yè)和制造業(yè)升級發(fā)展。為此，要加快建立覆蓋測試方法、標(biāo)準(zhǔn)體系、流程評估和倫理規(guī)范的全鏈條標(biāo)準(zhǔn)體系。構(gòu)建針對AI理解能力、安全性能，以及通用性的評測框架，針對重點(diǎn)風(fēng)險(xiǎn)領(lǐng)域設(shè)計(jì)場景化測試基準(zhǔn)，通過可解釋性評估等手段量化模型的安全和可靠性。同時，積極推進(jìn)測試標(biāo)準(zhǔn)與國際接軌，支持第三方機(jī)構(gòu)參與認(rèn)證評估，為行業(yè)提供科學(xué)可靠的評判依據(jù)。
深化產(chǎn)學(xué)研協(xié)同，打通創(chuàng)新應(yīng)用“最后一公里”
全面推動人工智能與經(jīng)濟(jì)社會各行業(yè)各領(lǐng)域的廣泛深度融合，進(jìn)一步深化產(chǎn)學(xué)研協(xié)同創(chuàng)新，加速AI技術(shù)的規(guī)�；涞兀瑧�(yīng)著力做好以下工作。
第一，建立跨學(xué)科人才培養(yǎng)機(jī)制�？鐚W(xué)科視角對于AI發(fā)展至關(guān)重要，要培養(yǎng)既懂人工智能又懂人類智能的復(fù)合型人才和團(tuán)隊(duì)，建立跨學(xué)科研發(fā)平臺，為兩者的深度融合研發(fā)提供人才支撐。第二，建立需求導(dǎo)向的研發(fā)機(jī)制。組建國家級AI產(chǎn)業(yè)創(chuàng)新聯(lián)盟，推廣“政府—高校—企業(yè)—產(chǎn)業(yè)園區(qū)”協(xié)同模式。在真實(shí)應(yīng)用場景中形成持續(xù)優(yōu)化的反饋機(jī)制，降低科研和企業(yè)技術(shù)驗(yàn)證門檻，形成“創(chuàng)新—應(yīng)用—反饋—迭代”的閉環(huán)系統(tǒng)。同時，完善知識產(chǎn)權(quán)分配和激勵機(jī)制，充分調(diào)動科研人員參與成果轉(zhuǎn)化的積極性。第三，構(gòu)建開放共享的AI產(chǎn)業(yè)生態(tài)。建設(shè)高質(zhì)量共享數(shù)據(jù)集和公共測試平臺，促進(jìn)大中小企業(yè)融通發(fā)展。
綜上，通過人類智能啟發(fā)的理論架構(gòu)創(chuàng)新、測試標(biāo)準(zhǔn)引領(lǐng)和跨學(xué)科深度融合的產(chǎn)學(xué)研協(xié)同，有望解決算力、安全、落地等當(dāng)前AI發(fā)展的關(guān)鍵瓶頸，探索出一條獨(dú)具中國特色發(fā)展路徑，推動我國在全球數(shù)字經(jīng)濟(jì)競爭中占據(jù)有利位置，為加快建設(shè)創(chuàng)新型國家提供有力支撐。
（作者：彭玉佳、方方，分別系北京大學(xué)首都發(fā)展研究院研究員，北京大學(xué)副校長、心理與認(rèn)知科學(xué)學(xué)院教授）
