伴随生成式人工智能技术的飞速发展，人机共生新时代的帷幕徐徐开启。这一轮AI浪潮正以颠覆过往的通用性和多模态支持，重塑人们的工作和生活方式。从自动驾驶到科研创新，AI应用正变得日益广泛且深入。

上海交通大学人工智能研究院常务副院长杨小康教授认为，人本智能技术将有助于提升类人认知和服务的水平，对推动全球科研向“第五范式”迈进具有巨大的促进作用。

您如何看待生成式人工智能（简称“生成式AI”）的发展现状？这一轮AI浪潮与此前有何不同？

杨小康：当前，生成式AI的发展可谓日新月异。OpenAI此前发布了文本模态的大模型应用ChatGPT，我非常惊讶于这一领域的进展。在我看来，生成式AI的通用性较以往有了大幅度提升，能够无需切换，整合应用于多个方面，从而跳出了专用AI的传统框架。

1950年，图灵（Alan Turing）提出“图灵测试”，用以测试机器能否表现出与人等价或者无法区分的智能。当时，人们认为实现它极具难度，但现在大模型已经能够很容易地通过图灵测试。目前，生成式大模型不仅支持文字这一模态，还实现了对语音、图像、视频等多模态的支持。

通常而言，业内将AI分为判别式AI和生成式AI两种类型。前者在视频监控、语音识别等领域取得了巨大进展，不足之处在于难以确保其通用性；后者则综合运用大数据、大模型和大算力，展现出独特的创造能力、通用能力及涌现能力。

人们正在迎来人机共生的时代，即人与AI的共生时代。此前，计算机尚未能做到与人互补；如今，有了大模型的加持，AI可以在很大程度上拓展人类思维，增强人的特定技能。需要强调的是，人类一定要站在AI之上，要求AI与人类的创意及伦理规范对齐。

您较早在学术界提出了“人本智能”，对于这一概念应当作何理解？

杨小康：以人为本、服务于人，是人本智能的发展愿景。人本智能力求通过计算机、控制论、机器人、认知哲学、法律伦理等多学科交叉，建立具有类人认知和服务水平的复合智能理论与技术。其主要任务有二：一是构建类人智能体，二是构建适应智能体运行的“人、机、物”环境。

理解“人本智能”可以借鉴马斯洛的需求层次理论（Maslow's Hierarchy of Needs），人本智能可自下而上分成五个层级。第一层为机器智能，满足人类吃穿住行等基本需求；第二层为可信智能，为人类提供安全感和信任感；第三层为社交智能，满足人类在现实与虚拟网络中的社交需求；第四层为共情智能，展现出一定的情商，以提升人类自尊感；第五层为人机和谐智能，帮助人类更好地实现自己价值、创造和谐环境。这五个层次与马斯洛的需求层次理论（从低到高依次为生理需求、安全需求、社会需求、尊重需求及自我实现需求）一一对应。

人本智能，本质上是在智能时代满足人类不同层次的需求，提升人类价值，同时也实现人工智能自身的价值。在AI时代，应当踏踏实实做技术，让人工智能回归“人本智能”。

在行业应用方面，在大量驾驶数据的支撑下，中国新能源汽车的自动驾驶技术不断改进。您如何看待人本智能在新能源汽车行业的应用？

杨小康：新能源汽车行业发展非常迅速，中国在这一领域全球领先。AI在这一领域的应用与上文提到的人本智能五个层次一一对应。

第一层是机器智能。车的本体就属于这一层，例如多模态感知、全场景认知。企业在此方面做了大量工作，如提升单一车辆的感知能力、决策能力，以及多车之间的协同能力。

第二层是可信智能。科技企业必须确保车辆的安全，不偏离车道，不遗忘乘客等。企业还需要做很多额外工作，以提升车主的安全感。例如，自动驾驶的确可能比自己开车更安全，但车主如果不信任，是不敢松开方向盘的，这与车主的预期密切相关。

第三层是交互智能。目前使用比较广泛的是大模型在车辆座舱内的应用，例如可进行多个来回的语音交互以控制车辆，可以随时被打断，并且兼容嘈杂的环境。

第四层是共情智能。企业需要考虑如何让车主在车内更加愉悦。当路上交通拥堵时，是否有解决方案？在这方面企业能做的还有很多，与用户的期待仍存在一定距离。

最后一层是自我实现，追求人机和谐智能，将环保、低碳等理念应用于车辆的开发研制中，帮助车主实现自我价值：使用过程中，既能省钱，又能实现绿色环保，成为其社会贡献的一部分。

注意到2024年诺贝尔物理学奖、化学奖都授予了AI领域的科学家，您如何看待这一现象？

杨小康：过去数年，科学研究的范式发生了翻天覆地的变化。传统科研范式包括实验观察、理论推导、模拟仿真及数据驱动。这些范式的局限在于，当数据采集和模拟空间受限时，即便在数据密集型的科学范式下，研究假设依旧由科学家的经验主导。同时，由于数据不够开放，实验又存在局限，传统范式受制颇多。

伴随以AI为代表的新一代信息技术兴起，传统的科研范式正在被突破。借助生成式AI，科学家可以利用深度学习建模挖掘高维科研数据，捕捉多模态数据背后的科学规律。并且借助数据生成，突破实践观测数据的有限性和数值模拟的理论限制，拓展科学假设的空间。还可以利用大模型总结既有文献，生成实验方案，结合无人实验系统与科学数据开放平台，推动科研迈向AI for Science的“第五范式”。

试想一下，若科研机构能全新构建科学设施平台，帮助科研人员引入新的跨学科思考维度，生成新的科研假设，自动开展现象模拟和无人实验，最后自驱完成科研协作，那么科研周期将大幅缩短，成本将显著降低，效率将极大提升。

我们团队在《中国科学院院刊》发表的论文提出了一种智能化科学设施的建设构想，兼顾“高度智能化的科学新设施”和“AI赋能已有科学大设施”两个层面的需求，以解决科研中的沟通、操作和数据共享难题。

鉴于新一轮人工智能的亮眼表现，不少乐观人士表示我们正步入一个智能科技的新纪元，未来人机关系将会深度重塑。然而，人工智能也向世人展示了“双刃剑”的特性，带来了风险和挑战。对此，我们应如何应对，有哪些策略？

杨小康：我认为在策略方面要考虑“三条线”，即守住监管底线、提升普及基线、打开创新天际线。

一是守住监管底线。从理论层面来看，人工智能的训练方式决定了其必然会犯错。基于贝叶斯概率统计模型的强化学习机制存在长尾效应，完全杜绝长尾现象并不现实，会有试错的过程。因此，生成式AI在技术发展和应用方面需要“宽严相济”的环境。

“宽”指的是在模型训练和研发阶段，需要一个相对宽松、能够容错的技术环境。“严”指的是在具体应用方面要有严格的监管手段。目前，我国在生成式AI方面制定了一些规则，总体而言体现了宽严相济的理念。

二是提升普及基线。应当推动社会广泛使用生成式AI这一新工具，以提升我国新质生产力的发展水平。一方面，降低使用门槛，帮助普通民众尽快接受人工智能并加以运用；另一方面，当生成式AI冲击既有工作岗位时，帮助民众快速转型，适应人本智能社会的发展，创造更多新型岗位。

三是打开创新天际线。一方面，面对技术革新，中国企业应有自信自强的志气，突破追随者的角色，力争成为全球AI技术的引领者，走出一条独具特色的中国道路。另一方面，中国企业家和科研工作者应尽可能将AI技术运用到生产和科研实践中，建立跨学科、跨模态的科学大模型，拓展人类思维，弥补认知盲区。

*本文刊发在财新promotion频道，不代表财新网编辑部观点