本报记者 秦枭 北京报道
随着越来越多的行业和领域都在进行不同层次的智能化升级，人工智能行业产业规模不断壮大，发展速度明显提高。中研普华推测，在产业政策支持下，市场立法逐渐健全，未来中国人工智能市场规模将高速增长，到2025年将突破3000亿元。
华为战略研究院院长周红对《中国经营报》记者表示，在AI能力快速提升的情况下，我认为需要考虑AI的目标如何与人类一致，并且正确和高效地执行。除了通过规则和法律来加强AI的伦理和治理外，从理论和技术的角度看，要达到这些要求，目前还面临众多挑战，建议从实用的角度来发展知识和智能。
AI面临三大挑战
迈克斯·泰格马克在其所著《生命3.0》书中，给出了一个AI能力地图。目前在山脚处很多能力上，AI已经超越人类，比如死记硬背、智力问答和下棋。在山腰上的一些能力上，人们还在不断研究提升中，例如自动驾驶、图像识别、语言文字处理等，当前AI在语言文字的学习、理解和生成上表现出来的能力，超出了很多人的想象。而在接近山顶的能力上，例如软件编程、科学研究、定理自动验证和自动证明等，学术界和产业界已经有一些探索。
在AI快速发展的背景下，周红认为AI目前还面临三个重要的挑战：AI的目标定义、正确性与适应性、效率。
早在上个世纪五十年代，人们基于“让机器产生像人类一样的智能”这样的美好愿望，提出了人工智能的概念，所以一切试图做到这一点的都可以看作“人工智能”的技术。在其数十年的发展过程中，伴随着理论与实践的不断丰富，形成了基于不同理论视角与学科背景的研究纲领，也诞生了众多流派，比如符号主义、贝叶斯主义、进化主义、行为主义，以及连接主义等。
不仅如此，不同的学术家也在重新定义人工智能，比如，杜克大学的物理学家Adrian Bejan在《生命的物理学》书中，列出了对智能的二十多种目标定义，有的强调理解和认知能力、有的强调学习和思考能力、有的强调适应和行动能力，等等。
这也是周红认为AI面临的第一个挑战，是缺乏共识的目标定义。周红表示：“如果没有定义清楚并达成共识，就很难确保AI发展的目标与人类一致，也很难合理地分类和科学地计算。人工智能在历史上有不同的流派，但它们还没有很好地融合起来，我认为缺乏共识的目标定义是重要的原因之一。”
周红认为，第二个挑战则是在当前的很多AI应用中，存在正确性和适应性的挑战。依靠大数据统计规律进行的学习，会依赖于采样的覆盖面和数据的正确性，如果错误使用，就可能导致结果不稳定和偏见的风险，出现“黑天鹅”事件。
第三个挑战是AI的效率。周红举例道：“从2022年第60届全球超级计算机Top500中看到，排名第一的Frontier，计算性能约1102PFLOPS，能耗是两千一百万瓦；排名第二的Fugaku，计算性能约442PFLOPS，能耗是三千万瓦，而相比之下，人脑只需要约20瓦就能等效实现30PFLOPS的计算性能。可见当前这些超级计算机单位能量的计算效率，要比人脑低三万倍到十万倍。”
除了人脑外，周红认为：“高效智能在动物界普遍存在，比如乌鸦大脑只用0.2瓦的能量，就聪明到将核桃衔到高空扔到水泥地上砸开，有一次我在柏林的阿尔伯特∙爱因斯坦大街上逛，差点被乌鸦从高空扔下的核桃砸中，在这张照片上，作为补偿，我抢了乌鸦的半个桃仁来吃；乌鸦还会将铁丝掰弯做成钩子来钩东西吃，它在观察环境、适应环境、解决问题上的能力，远不是当前的AI能比拟的。”
AI如何突破？
面对这三个挑战，如何进一步寻求突破？如何通过从外部环境和我们自身的事实和现象中，归纳抽象出概念和属性及其关系和运行规律，来形成知识？
周红认为，按柏拉图的理念，知识应该是被验证过的、正确的和被人们相信的。能不能提升达成追求或者目标的能力来发展智能。具体来说，可以通过感知与交互、计算或者试错，在复杂的环境和有限的资源下达成目标。我们要通过智能来认识环境、适应环境，甚至改造环境以及我们自身，其正确性、适用性与高效性就很重要。从已有大数据中提取概率分布来进行拟合和推演，是实现智能的一种手段。除此之外，周红认为，智能也要考虑因果推理、给出假设和进行试错，提出问题和创造性地解决问题等。
但是，在走向智能社会的过程中，可能有超过百倍、甚至千倍的信息需求增长，现有的很多理论和技术已经遇到瓶颈，难以支持未来的发展。
周红表示，我们要积极推动科学假设与商业愿景牵引的创新，在通信上，大胆探索有别于香农定理的前提条件和应用场景；在计算上，进一步明确人工智能的目标定义，提升正确性、适应性和高效性。
周红认为，从狭义人工智能，到通用人工智能与超级人工智能的过程中，我们首先要通过理论和技术的不断突破来实现万物智联，促进社会的进步；其次要勇于拓展思想的边界，增强对智能的认知和掌控能力；最终用正确的目标和有力的手段，牵引人工智能的发展，助力我们超越极限，增强生命，创造物质，控制能量，跨越时空，实现人类文明的进化。
（编辑：张靖超 校对：刘军）
