人工智能大模型發(fā)展趨勢

當前，人工智能（AI）大模型技術已成為推動國家科技和經濟高質量發(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、推理幻覺和產業(yè)落地壁壘等挑戰(zhàn)。為充分發(fā)揮AI對我國科技和經濟發(fā)展的賦能作用，需從模型架構創(chuàng)新、測試標準體系構建和產學研協(xié)同三方面突破，打造具有國際競爭力的AI創(chuàng)新高地。

推動模型架構創(chuàng)新，探索智能本質與高效實現(xiàn)路徑

當今AI模型發(fā)展以Transformer架構及其變體為主導，以大參數(shù)量、大算力為基礎，其訓練成本正以驚人的速度增長，這種模式在長期運行中可能面臨能耗與訓練效率的挑戰(zhàn)，同時高昂的成本也可能對規(guī)�；瘧�用和推廣造成一定制約。AI訓練過程中，算力需求的持續(xù)膨脹已成為制約AI創(chuàng)新的一項關鍵因素。為推動我國AI研發(fā)實現(xiàn)跨越式發(fā)展，亟須在模型架構層面進行根本性創(chuàng)新。

從認知科學視角看，人腦在能耗極低的情況下實現(xiàn)了高效的智能處理。人腦通過分層處理、注意力機制和預測編碼，以稀疏編碼、模塊化分工、抽象表征等方式實現(xiàn)高效運算。這些認知機制為突破算力瓶頸提供了重要思路：通過模擬大腦的預測加工系統(tǒng)，構建具有主動推理能力的生成模型；設計更高效的記憶架構，防止AI的“災難化遺忘”；參照大腦皮層的層次化表征系統(tǒng)，構建具有多重抽象級別的計算框架。當前，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)驅動的局限性�；�于對人類智能的探索，挖掘學習機制、功能模塊分區(qū)，有望指導設計出能夠更高效自適應環(huán)境、自主學習的AI訓練范式。

為實現(xiàn)我國在AI研發(fā)上從“跟跑”到“并跑”乃至“領跑”的轉變，幾大研究方向值得重點布局：一是開展基于腦科學與認知科學的智能本質研究，深入探索人類智能的內在機理及其對AI架構的啟發(fā)；二是推進受腦啟發(fā)的AI算法研發(fā)，開發(fā)更高效輕量化的AI模型；三是加強通用人工智能（AGI）理論創(chuàng)新，構建新一代AGI理論體系。為推動上述方向，建議前瞻性布局新型計算芯片、認知神經網(wǎng)絡、腦科學與類腦智能等前沿方向。支持科研機構開展跨學科交叉研究，探索更高效的模型架構和訓練方法，推動AI發(fā)展模式從“算力驅動”向“效率優(yōu)先”轉型。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，形成新的產業(yè)增長點。同時，理論突破將帶動芯片、算法、云計算等全產業(yè)鏈協(xié)同發(fā)展，進一步夯實數(shù)字經濟發(fā)展基礎。

構建測試標準體系，筑牢大模型發(fā)展根基

當前，AI大模型在各行業(yè)應用呈現(xiàn)蓬勃發(fā)展態(tài)勢。然而，在模型實現(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，也制約著其在關鍵領域的深度應用。比如，在醫(yī)療場景中，模型可能生成看似合理、實則錯誤的“幻覺”信息，即在醫(yī)療診斷時提供不準確的建議，帶來誤診等后果。同時，大模型決策過程不透明、易受惡意攻擊導致數(shù)據(jù)泄露等問題，也使得關乎國計民生的關鍵領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知與適應能力，仍不能被廣泛認可為AGI。

構建面向AGI的測試標準，必須克服傳統(tǒng)測評方法的局限，借鑒發(fā)展心理學與心理測量，構建新一代測評體系：在橫向上，建立覆蓋視覺、語言、認知推理、社會價值等多維度的綜合任務集；在縱向上，設計受人類心智發(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)健的演進路徑。這尤其適用于評估AI的自我認知、情感依戀、道德判斷等對安全至關重要的高階能力，為AGI的發(fā)展提供更科學的指引。

標準化建設既能提升模型質量，對技術落地提出更高要求，又能為監(jiān)管提供技術支撐，加速可信AI在關鍵領域的部署應用。同時，完善的標準體系將增強市場信心，吸引更多社會資本投入AI產業(yè)，推動形成規(guī)模化應用場景，有望帶動相關服務業(yè)和制造業(yè)升級發(fā)展。為此，要加快建立覆蓋測試方法、標準體系、流程評估和倫理規(guī)范的全鏈條標準體系。構建針對AI理解能力、安全性能，以及通用性的評測框架，針對重點風險領域設計場景化測試基準，通過可解釋性評估等手段量化模型的安全和可靠性。同時，積極推進測試標準與國際接軌，支持第三方機構參與認證評估，為行業(yè)提供科學可靠的評判依據(jù)。

深化產學研協(xié)同，打通創(chuàng)新應用“最后一公里”

全面推動人工智能與經濟社會各行業(yè)各領域的廣泛深度融合，進一步深化產學研協(xié)同創(chuàng)新，加速AI技術的規(guī)�；�落地，應著力做好以下工作。

第一，建立跨學科人才培養(yǎng)機制�？鐚W科視角對于AI發(fā)展至關重要，要培養(yǎng)既懂人工智能又懂人類智能的復合型人才和團隊，建立跨學科研發(fā)平臺，為兩者的深度融合研發(fā)提供人才支撐。第二，建立需求導向的研發(fā)機制。組建國家級AI產業(yè)創(chuàng)新聯(lián)盟，推廣“政府—高�！�企業(yè)—產業(yè)園區(qū)”協(xié)同模式。在真實應用場景中形成持續(xù)優(yōu)化的反饋機制，降低科研和企業(yè)技術驗證門檻，形成“創(chuàng)新—應用—反饋—迭代”的閉環(huán)系統(tǒng)。同時，完善知識產權分配和激勵機制，充分調動科研人員參與成果轉化的積極性。第三，構建開放共享的AI產業(yè)生態(tài)。建設高質量共享數(shù)據(jù)集和公共測試平臺，促進大中小企業(yè)融通發(fā)展。

綜上，通過人類智能啟發(fā)的理論架構創(chuàng)新、測試標準引領和跨學科深度融合的產學研協(xié)同，有望解決算力、安全、落地等當前AI發(fā)展的關鍵瓶頸，探索出一條獨具中國特色發(fā)展路徑，推動我國在全球數(shù)字經濟競爭中占據(jù)有利位置，為加快建設創(chuàng)新型國家提供有力支撐。

（作者：彭玉佳、方方，分別系北京大學首都發(fā)展研究院研究員，北京大學副校長、心理與認知科學學院教授）