人工智能将走向何方 ？——访中国工程院院士、计算机专家李国杰

主要观点总结

本文是关于李国杰对于人工智能发展相关问题的看法和观点，包括通用人工智能、大模型、算力、数据、算法、自主性与可控性等主题的讨论。

关键观点总结

关键观点1: 通用人工智能的发展及挑战

李国杰认为通用人工智能的发展是渐进的，不会因某项技术的发明而突然实现。目前的人工智能技术距离真正的通用智能还有差距，需要基于特定条件和范围来理解其通用性。大模型是人工智能发展的重要成就，但不是唯一方向，还有其他新技术将出现。对人工智能的局限性要有清醒的认识，不能盲目追求全面的通用人工智能。

关键观点2: 人工智能的核心要素和突破方向

李国杰指出人工智能的成功离不开大数据、大模型和大算力。神经网络的提出和发展是人工智能复兴的重要原因之一。人工智能的本质仍有许多未解之谜，各团队构建的模型在结构和目标上的差异导致了多样化的技术路线。对人工智能的基础理论研究提出了新的挑战和机遇。

关键观点3: AI的“规模法则”与未来发展的思考

关于大模型的“规模法则”，李国杰认为这不是科学定律，而是某些公司的经验归纳，对未来的发展还存在许多不确定性。强化学习等领域的专家对规模法则进行了反思，认为AI系统除了算力外，还需要具备持续学习、适应环境等能力。GPT-5的问世延迟以及合成数据等方法的兴起，为AI界带来了新的思考方向。

关键观点4: AI基础设施生态的构建

发展人工智能需要构建自主可控的AI基础设施生态，包括算力、数据和算法等方面。中国在算力基建上的投入巨大，但仍面临高端芯片、高质量数据集等制约。李国防认为需要开发一套优秀的自主可控的AI软件工具系统，并强调信创工程对推广国产化芯片和软件有重大推动作用。

关键观点5: 数据的重要性及挑战

数据是人工智能发展的关键，但高质量数据的获取越来越难。专家预计现存高质量语言数据将在不久的将来耗尽，合成数据将成为关键突破口。行业正从“大数据”转向“好数据”，对于垂直领域的数据需求更大。

关键观点6: 自主性与可解释性的矛盾

李国杰讨论了自主性与可解释性之间的矛盾，并提出了实现既自主又可控的AI需要新的治理哲学。他强调必须为自主和可控设立一定的界限，不能追求绝对的自主和绝对的可控。

关键观点7: AI基础研究展望

李国杰认为目前人工智能的发展主要得益于工程技术的突破，而非基础理论的重大突破。他鼓励开展独创性的长周期基础研究，并关注新型计算范式等可能带来重大突破的研究方向。