人工智能（AI）大模型的誕生，讓2023年成為人類歷史上一個重要年份——通用人工智能元年。這意味著以智能革命為代表的第四次工業(yè)革命已然
到來，人類站到了智能時代的門檻上。
人類所經(jīng)歷的前三次工業(yè)革命，都令人類文明實現(xiàn)了新的飛躍，也對世界格局產(chǎn)生了深遠影響。長遠來看，人工智能在很多方面的智慧能力將可能
超過人類，但目前通用人工智能還需邁過多道門檻，才能真正實現(xiàn)強人工智能。
日前，中國科學(xué)技術(shù)大學(xué)知識計算實驗室提出了新的知識模型“知識方程”，并以此為基礎(chǔ)建立新型專家系統(tǒng)，通過與深度學(xué)習(xí)的結(jié)合，嘗試突破現(xiàn)
有通用人工智能的技術(shù)瓶頸。
人工智能（AI）誕生至今只有短短60多年，但其發(fā)展經(jīng)歷了幾度跌宕起伏。近年來，深度學(xué)習(xí)技術(shù)為AI帶來了新的革命，其中包括我們熟悉的Alpha
Go、ChatGPT等。
當前AI技術(shù)在很多任務(wù)上取得了超越人類的成效，包括人臉識別、語音識別、字符識別等，在機器翻譯、問答和醫(yī)療診斷等領(lǐng)域也交出了令人相對滿
意的答卷。可以說，AI已經(jīng)邁入能夠大規(guī)模落地應(yīng)用的階段。
不過，當我們試圖將人工智能再向前推進，就會發(fā)現(xiàn)要克服其現(xiàn)有缺陷，還有待技術(shù)模式的創(chuàng)新與突破。
當下大模型面臨4個關(guān)鍵缺陷
OpenAI公司推出的ChatGPT是一個AI聊天機器人程序，更是一個人工智能自動生成內(nèi)容（AIGC）的工具。作為一個對話系統(tǒng)，ChatGPT具備出色的
多功能性，無論是暢聊多種話題、解答數(shù)學(xué)題，還是提供禮品選擇建議、制定行程規(guī)劃，都可從容應(yīng)對。因此，從某種意義上來說，ChatGPT具備了
廣泛的應(yīng)用潛力和靈活性，可以說是一個通用人工智能（AGI）程序。
盡管在某些方面（例如邏輯和語義理解等）的評測表明，ChatGPT并非在所有領(lǐng)域都比現(xiàn)有的最佳模型更強大，但現(xiàn)有的最佳模型可能只是針對特定
任務(wù)而設(shè)計，而ChatGPT則是一個通用模型。
其實，多年前人們就認識到大模型的巨大潛力，但其實際發(fā)展速度仍比預(yù)想中快了許多。ChatGPT大模型甫一問世，很快就在應(yīng)用層面受到極大關(guān)注。
半年后，中國就涌現(xiàn)出了百余個大模型。
目前，大模型的應(yīng)用主要分為生成式人工智能（AIGC）、大模型輔助工具、個人智能交互3類。其中，個人智能交互尤其值得關(guān)注。任何真正能促進交
互的技術(shù)和產(chǎn)品都能產(chǎn)生巨大價值。這種交互不僅包括“人—人”（通過機器），也包括“人—機”，甚至包括“機—機”。而人工智能，包括大模型，
有望在這方面取得顛覆性突破。
然而，目前大模型的應(yīng)用之路并不如想象的那么順利。根本原因在于，雖然大模型很強大，但仍然在技術(shù)上存在一些關(guān)鍵缺陷。
首先，大模型有時會犯事實性錯誤，也就是可靠性問題（俗稱“幻覺”）。例如，它會弄錯詩詞作者。從原理看，大模型的答案選擇基于概率，所以很難
保證百分百正確。這一問題在目前許多領(lǐng)域的大模型中都存在，也是大模型面臨的最重要的挑戰(zhàn)之一。
第二，大模型的數(shù)學(xué)和邏輯推理能力仍然需要加強。雖然GPT-4在某些考試中表現(xiàn)優(yōu)異，但在面對一些精心設(shè)計的邏輯推理問題時，大模型的回答與隨機
答案相差無幾。因為在進行深度推理時，即便大模型每一步的預(yù)測準確率都高達95%，但是當推理到20步時，最終的準確率將會是0.95的20次方，即不到
36%，這是一個無法令人滿意的結(jié)果。
第三，大模型的形式語義理解能力有待提升。雖然大模型在一定程度上能夠?qū)崿F(xiàn)語義理解，但要想真正從意義和形式上完全理解語言背后的意義，還有很
大的改進空間。
最后，大模型作為一個黑盒模型，存在一些通用弱點。比如，其可解釋性、可調(diào)試的能力較弱等。
通向強人工智能或需另辟蹊徑
大模型開啟了通用人工智能落地應(yīng)用的窗口。但正如前文所說，技術(shù)上的一些關(guān)鍵缺陷意味著它與通用強人工智能之間尚有很大距離。要縮短這個距離，
至少有兩條不同路徑值得探索。
第一條路徑就是繼續(xù)沿著大模型現(xiàn)有的發(fā)展路線向前走。AI誕生不過60多年，GPT真正開始訓(xùn)練至今也只有5年。如果讓大模型再發(fā)展5年、50年、500年
，它會取得怎樣的進步？這是一個值得思考的問題。
沿著現(xiàn)有技術(shù)路線，大模型的發(fā)展在兩個關(guān)鍵點上會遇到一定的挑戰(zhàn)。
其一，更多的參數(shù)。參數(shù)量的增加，會讓大模型的能力提升。摩爾定律表明，計算能力每18個月到24個月翻一番，而目前大模型的參數(shù)量正以三四個月翻
番的速度增長。因此，計算能力很快會跟不上模型的發(fā)展需求。而且，盡管參數(shù)量呈指數(shù)級增長，但其效果只呈線性增長。
其二，更多的數(shù)據(jù)。優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)的增加，也會讓大模型的能力提升。然而，GPT-4已經(jīng)利用了大部分目前我們能夠獲取到的高質(zhì)量文本數(shù)據(jù)。因此，可供
大模型訓(xùn)練的數(shù)據(jù)即將達到瓶頸。
所以，要在大模型體系內(nèi)解決這些問題，就需要發(fā)展新的顛覆性技術(shù)，來突破結(jié)構(gòu)化信息、陳述性事實、長鏈條推理、深度語義理解等方面遇到的瓶頸。
另一條通往通用強人工智能的路徑則有很大不同。
當前AI正在經(jīng)歷從感知智能向認知智能的范式轉(zhuǎn)變。眾所周知，人類擁有兩套推理系統(tǒng)，即直覺思考的快系統(tǒng)和理性思考的慢系統(tǒng)。快系統(tǒng)是一種底層、快
速、下意識、不加思索便可即刻得到結(jié)論的推理方式，就像人們在家里閉著眼睛也能找到洗手間的位置；而當我們面對陌生環(huán)境，想要找洗手間時，則需要
依賴慢系統(tǒng)進行慎思，這種推理相對較慢、能耗較高，但更精確。
目前的大模型更多涉及到的是快系統(tǒng)層面的推理，慢系統(tǒng)推理能力表現(xiàn)還不佳。所以，人們自然而然就會想到，能否將這兩個系統(tǒng)結(jié)合起來。
事實上，上一波AI浪潮就是由專家系統(tǒng)驅(qū)動的。專家系統(tǒng)是一種類似于人類慢系統(tǒng)的推理方式，它以符號的方式把專家的知識輸入機器，再通過自動推理，
使得機器能夠像專家一樣自動回答問題。
專家系統(tǒng)與大模型各有所長。前者在精確度、可解釋性、邏輯推理能力、語義理解能力等方面表現(xiàn)更佳，而后者在通用性、泛化性、不確定性知識、學(xué)習(xí)能
力等方面更具優(yōu)勢。因此，專家系統(tǒng)與大模型有機結(jié)合，正好可以取長補短，這或是通往通用強人工智能的一條更好路徑。
融合兩大推理系統(tǒng)探索未來智能
中國科學(xué)家在專家系統(tǒng)與大模型結(jié)合的道路上，已經(jīng)開始了探索。中國科學(xué)技術(shù)大學(xué)知識計算實驗室提出了新的知識模型“知識方程”，在此基礎(chǔ)上建立起
新型專家系統(tǒng)，并將其與深度學(xué)習(xí)相融合。
簡言之，知識方程分為建模和知識2個層面。在建模層面，知識方程將領(lǐng)域?qū)ο蠼y(tǒng)一抽象成為個體、概念、算子3類語法元素，它們之間可以相互轉(zhuǎn)換、相互
融合。在知識層面，知識方程將所有知識統(tǒng)一表示成為形如“a=b”的知識等式。基于知識方程，我們提出了基于新的數(shù)據(jù)與知識雙輪驅(qū)動的、結(jié)合大模型
與推理引擎的智能信息系統(tǒng)范式。
隨著ChatGPT等大語言模型的興起，在原有以數(shù)據(jù)庫為核心的信息系統(tǒng)之上，大模型可從暗數(shù)據(jù)庫（文本、圖像、視頻等）中挖掘有效信息，并在一定程度
上進行推理與（輔助）決策。
事實上，這是信息系統(tǒng)的一次范式革命。在所有數(shù)據(jù)中，暗數(shù)據(jù)占到絕大部分。傳統(tǒng)的信息系統(tǒng)必須通過一些手段（包括人工、自然語言處理、計算機視覺
技術(shù)等），將“暗”數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)庫中的“明”數(shù)據(jù)才能使用。這種轉(zhuǎn)換往往由于工程和成本等問題，只能處理暗數(shù)據(jù)中的極小部分。而大模型可以直接
基于暗數(shù)據(jù)得以輸出，具有很強的暗數(shù)據(jù)處理能力。
基于大模型的信息系統(tǒng)類似于人類用于直覺思考的快系統(tǒng)，能在一定程度上直接基于大數(shù)據(jù)進行推理與決策。但由于大模型目前存在的技術(shù)缺陷，在很多應(yīng)
用場景并不能直接滿足應(yīng)用要求。中科大知識計算實驗室所提出的大模型增強技術(shù)，可構(gòu)建領(lǐng)域本體與知識庫，在此基礎(chǔ)上融合大模型與知識推理引擎，研
發(fā)知識數(shù)據(jù)雙驅(qū)動的智能信息系統(tǒng)框架，將思考的快系統(tǒng)與慢系統(tǒng)結(jié)合起來。與單純的大模型相比，該框架具有正確性、可靠性、可解釋性、可調(diào)試性等優(yōu)
點，能夠顯著提高大模型在各行各業(yè)的應(yīng)用價值。
除了數(shù)據(jù)庫和暗數(shù)據(jù)庫，該系統(tǒng)還可有效利用知識庫的信息。因此，該框架有望引領(lǐng)大模型之后的又一次信息系統(tǒng)范式革命，也將成為智能信息系統(tǒng)的新形態(tài)。
從應(yīng)用角度看，通用強人工智能無論在廣度，還是在深度方面，都是現(xiàn)有的大模型技術(shù)無法比擬的。從長遠來看，人工智能在很多方面的智慧能力可能會超
過人類，不僅是計算、記憶和存儲等基礎(chǔ)智能，還可能包括決策、預(yù)測、創(chuàng)新等高階智能。隨著基于計算的大模型和知識推理引擎的不斷發(fā)展，AI也將越來
越接近甚至超越人類，這將在極大程度上推動生產(chǎn)力。
（作者周熠 系中國科學(xué)技術(shù)大學(xué)教授、知識計算實驗室主任）
