【摘要】近年来，以大模型为代表的人工智能技术发展迅猛，掀起一波席卷全球的人工智能发展热潮。人工智能作为一种具有普遍适用性、动态演进性和创新互补性的通用目的技术，能够广泛渗透到各个领域，对经济社会发展产生显著影响。“人工智能+”代表了一种新的范式，即将人工智能技术与其他行业或领域有机结合，以创造更多价值。“人工智能+”并非简单的叠加，而是通过新技术的融合与创新，催生新的生产力，为经济社会各个领域注入新产业、新模式和新动能。因此，应积极用好相关政策手段，促进人工智能技术正向影响的发挥，针对其可能的负面影响建立各种应对机制。
【关键词】人工智能 新质生产力 技术进步 科技创新 【中图分类号】F124.3 【文献标识码】A
近年来，以大模型为代表的人工智能技术发展迅猛，掀起一波席卷全球的人工智能发展热潮。2024年政府工作报告强调，深化大数据、人工智能等研发应用，开展“人工智能+”行动。人工智能作为一种具有普遍适用性、动态演进性和创新互补性的通用目的技术，能够广泛渗透到各个领域，对经济社会发展产生显著影响。“人工智能+”并非简单的叠加，而是通过新技术的融合与创新，催生新的生产力，为经济社会各个领域注入新产业、新模式和新动能。
人工智能技术的不断发展变化
1955年8月，四位学者向美国洛克菲勒基金会递交了一份题为“关于举办达特茅斯人工智能夏季研讨会的提议”的建议书，希望洛克菲勒基金会能够资助于1956年夏天在达特茅斯学院举办的人工智能研讨会。在这份具有历史意义的建议书中，“人工智能”这一术语被首次明确提出并使用。大多数学科都有必须要遵守的最基本的命题或假设，这些命题或假设不能被省略和被违反，即学科发展的第一性原理。比如，牛顿经典力学中的“引力和惯性”以及达尔文进化论中的“物竞天择、适者生存”，都是需要遵守的第一性原理。而在人工智能研究中，对智能行为过程的精确描述可作为第一性原理，也就是说以机器为载体来展示人类智能或生物智能，需要对智能行为发生过程予以清晰描述，才能通过程序设计语言被机器按序执行。
自人工智能踏上人类历史舞台以来，棋类领域的博弈对抗就成为了检验其能力大小的重要“试金石”。如何让人工智能算法从海量落子中选择一个最佳落子，是当时人工智能面临的巨大挑战。1950年，“信息论之父”香农（Claud Shannon）在一篇论文中估算国际象棋的落子总数为10的120次方种，被称为“香农数字魔咒”。1997年5月，IBM研发的超级计算机“深蓝”（DeepBlue）凭借1秒钟计算2亿次落子的算力之威和快速剪除不必要探寻空间的搜索之巧，战胜了世界排名第一的国际象棋大师卡斯帕罗夫，破除了“香农数字魔咒”。围棋比赛中落子的复杂度远胜于国际象棋，为了突破所面临的组合爆炸挑战，谷歌DeepMind团队在研制AlphaGo过程中基于深度学习对黑白相间棋面局势进行理解、通过强化学习来提升谋略、利用蒙特卡洛树搜索来计算每个潜在落子的价值，从而在2016年3月以4：1比分战胜了韩国棋手李世石。面对人类社会复杂问题，人工智能技术不断发展变化。
自达特茅斯会议之后，人工智能的发展经历了两次低谷和三次高潮的曲折历程。在20世纪60年代至70年代，人们发现当时的智能算法虽然具备了一定的逻辑推理能力，但仅限于在实验室预先设计的简化问题（即“玩具问题”）上取得成效。这一发现使得人工智能研究第一次陷入低谷。人工智能研究进入第二次低谷的标志性事件是日本智能（第五代）计算机的研制失败。这次失败再次让人们意识到人工智能研究的复杂性和挑战性，也促使人们开始探索新的研究方向和方法。21世纪初，随着以“深度学习”为代表的人工智能方法在计算机视觉、语音识别和游戏博弈等领域取得了显著进展，人工智能呈现深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，迎来了新一轮发展机遇。而当前，社会对人工智能的需求急剧扩大，人工智能的目标和理念已经发生转变。
随着移动终端、互联网、传感器网、车联网、穿戴设备等的流行，计算与感知已经广泛遍布世界，与人类密切相伴。网络不但遍布世界，更史无前例地连接着个体和群体，开始快速反映与聚集人们的意见、需求、创意、知识和能力。世界已从“物理世界—人类社会”二元空间结构的PH（Physics world，Human Society）演变为“信息空间—物理世界—人类社会”三元空间结构的CPH（Cyber space，Physics world， Human Society）。同时，社会对人工智能的需求急剧扩大。人工智能的研究正迅速从学术牵引转向需求牵引。智能城市、智能医疗、智能交通、智能物流、智能机器人、无人驾驶、智能手机、智能游戏、智能制造、智能社会……迫切需要人工智能技术的新发展，引发新一轮人工智能研究热潮。此外，人工智能的目标和理念正在发生转变。人工智能的目标已经从单纯的“用计算机模拟人的智能”拓展到了更加广泛的领域，包括“机器+人”（用机器与人结合成增强的混合智能系统）、“机器+人+网络”（用机器、人、网络结合组织成新的群体智能系统）、“机器+人+网络+物”（用机器、人、网络和物结合而成的智能城市等更复杂的智能系统）。人工智能正从“造人制脑”走向“赋能社会”，强大应用驱动下的一系列智能技术正处于蓬勃发展中。
通过自然语言与人工智能模型交互实现高效智能对话
OpenAI将通用人工智能（artificial general intelligence，AGI）作为公司发展的理念，在官方主页中明确表示“公司理念是确保能够让全人类从通用人工智能中受益”。与通常将通用人工智能理解为人类水平智能（human-level）不同，OpenAI把突破通用人工智能的技术重点聚焦在对人类语言理解基础上而进行交谈这一任务，通过对交流的自然语言所蕴含的语义理解，用内容合成来验证语言理解结果的性能。如OpenAI研制的ChatGPT可以对人类自然语言中的描述任务进行理解，然后以QA形式完成问答任务；Sora可以对人类自然语言中所描述的任务、物体、运动和交互、色彩、光照等进行理解，然后合成视频内容。ChatGPT和Sora都属于完成人工智能生成内容（AIGC）的产品，其背后的原理均为“对合成内容中最小单元进行有意义关联组合”：若干个单词在保持上下文语境的同时进行有意义组合而连缀成一个会意句子、众多图像小块在保持空间合理布局的同时进行有意义组合而拼合为一幅精彩图像、一系列时空子块在保持时空连续一致的同时进行有意义组合而拼接成一段动感视频。
诺贝尔物理学奖获得者理查德·费曼（Richard Feynman）曾提及，在生物学、人类学或经济学等复杂系统中，很少有一种简洁的数学理论能与数学物理学理论中的数值精确度相媲美，其原因在于“其过于复杂，而我们的思维有限”，这被称为“费曼极限”。经典的科学理论遵循简约原则（如奥卡姆剃刀原则），注重原理描述而无法刻画高维复杂系统，存在“费曼极限”。数据驱动的机器学习技术凭借其强大的函数逼近能力，擅长从微观层面深入发掘复杂系统的内在模式和规律，以统计方法拟合高维复杂系统，被誉为神经网络模型的“涌现能力”。涌现能力就是组成成分按照系统结构方式相互作用、相互补充、相互制约而激发出来的特征，是一种结构效应。机器学习模型具有涌现能力意味着重要的科学意义，因为如果涌现能力是永无尽头的，那么只要模型足够大，类人人工智能的出现就可能成为必然。在亿万个非线性映射函数组合之下，人工智能模型对最小时空子块单元进行各种意想不到的组合，合成世界上从未出现过的内容，这正是人工智能在数据、模型、算力“三驾马车”推动下发展的应有之义。
综上所述，虽然目前通过生成式人工智能所实现的Chat结果仍然存在需要改善之处，但这一技术让计算机对人类自然语言理解能力极大增强，使得每个人都可以通过自然语言与人工智能模型交互，而不是通过编程、键盘或其他非自然方式与人工智能模型交互。
人工智能作为通用目的技术，成为经济增长新引擎
在一定程度上，技术进步决定了经济增长，是经济增长的引擎。比如，1909年—1949年美国劳动生产率增长主要由于技术进步，欧洲在过去10年中的经济增长也主要源于创新驱动。技术进步是经济增长的源泉。然而，长期的经济增长实际上是由少数几种被称为“通用目的技术”所驱动的。在人类发展历史中，蒸汽机、电力、计算机、半导体和互联网等与人工智能一样，都是通用目的技术，具有普遍适用性、动态演进性和创新互补性三个特点。普遍适用性，是指能够广泛应用到大多数行业。动态演进性，是指随着时间的推移，能够不断得到改进，使用成本不断降低。创新互补性，是指能够提高应用部门的研发生产率，进而不断实现技术进步。通用目的技术是核心创新要素，但不是完整的最终解决方案。比如瓦特在1795年改良了蒸汽机，但是直至这之后近百年，当蒸汽机与纺织、交通和冶金等工业紧密结合，使得机械动力迅速取代人力、风力、水力和畜力，蒸汽机对劳动生产率的贡献才达到顶峰，推动人类迈入工业革命时代。同理，电力和计算机等通用目的技术与其他产业相互结合，才使得人类社会先后进入了电气化时代和信息化时代。而当前人工智能技术的发展总体上依然处于“播种阶段”。表面上看，人工智能已经渗透到各行各业，但实际上其与各行业的结合程度仍需提升。
综上所述，通用目的技术需要花费较长时间才能对生产率产生实质影响。通用目的技术对经济增长呈现滞后效应，其原因在于通用目的技术从发展到成熟会经历一个较长的时间周期，需要整合其他互补式创新技术以及与现有组织机构形成生产关系的适应。这充分说明亟需开展“人工智能+”行动，助力培育新质生产力。
“人工智能+”助力培育新质生产力
“人工智能+”代表了一种新的范式，即将人工智能技术与其他行业或领域有机结合，以创造更多价值。人工智能要突破理论天花板（如数据驱动黑盒效应导致的不可解释等）、要与具体场景和任务融会贯通（如“AI+X”或“X+AI”还较为肤浅等）、要培养一大批掌握人工智能的高质量人才，必须以教育为基础、科技为关键、人才为支撑。
要使人工智能赋能产业、赋能社会，成为推动经济社会高质量发展的强大引擎，需要一大批掌握这一技术的优秀人才。我国一直高度重视人工智能人才培养工作。2019年3月，教育部印发《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，批准35所高校设置“人工智能”本科专业（电子信息类）。2022年9月，国务院学位委员会、教育部印发《研究生教育学科专业目录（2022年）》，新设“智能科学与技术”一级学科（属交叉学科类）。人工智能天然具有学科交叉特色，因此，一方面要培养人工智能研究人才，另一方面要培养“AI+X”交叉学科人才，为“人工智能+”提供丰富人才资源。
抓住大模型机遇，赋能实体经济发展。近年来，生成式人工智能表现出较强的内容合成能力，推动了语言生成和对话式人工智能等领域的突破性进展，其以自然语言交互手段来完成传统人工智能难以比及的众多任务，为探索通用人工智能的实现提供了一种方式，引起了各行业的广泛关注。生成式人工智能的代表方法包括以自注意力机制而学习单词上下文关联核心的Transformer神经网络、以前向加噪和后向去噪而学习数据样本分布为核心的扩散模型等。将生成式人工智能与应用场景和任务结合，建立垂直领域大模型，将生成式人工智能架构在领域知识基础上，在生成假设、设计实验、计算结果和解释机理等环节调用不同工具，推动All-In-One的通用大模型跃进到垂直领域大模型，赋能千行百业，是人工智能推动生产力发展的必由之道。如浙江大学研制了面向司法领域垂直大模型“智海—录问”，正在逐渐推动司法领域业务模式创新。可以说，与经济场景融合的人工智能应用能够把人才、资本、技术、政策等创新相关的要素汇聚在一起，实现技术迭代突破，形成可以商业化的创新成果。
综上所述，推动“人工智能+”向产业经济、民生改善和社会治理等领域加速渗透，促进人工智能和实体经济深度融合，能够为经济社会高质量发展添薪续力。
正确面对科技发展带来的伦理挑战
科学技术作为人类理性实践的结晶，会对人类社会发展产生越来越深刻的影响，其产生和发展伴随着伦理观念、社会文化的演变。通过发现和应用新知识为人类谋幸福是近代科学兴起的原动力之一。当前，科技以前所未有的程度渗透到人类社会，对政治、文化等产生深刻影响。当科学技术的探索与应用符合伦理规范，被引导至向善、负责任的方向，会更好地促进社会发展和人类福祉提升。反之，倘若科学技术探索和应用打破了伦理底线，则会给社会造成巨大危害。
传统的科技发展通常采取一种所谓的“技术先行或占先行动路径”，以发展技术为优先原则，体现出一种强大的工具理性，即“通过缜密的逻辑思维和精细的科学计算来实现效率或效用的最大化”。这种对技术效用单一维度的追求导致了科技异化现象，使得技术发展逐渐偏离“善”的方向，进而引发了一系列伦理风险。为确保科技发展的正当性与合理方向，科技伦理应运而生。科技伦理是科技活动需要遵循的价值理念和行为规范。人类已经进入科技和信息时代，相较于传统工业时期以安全性为表征的技术风险，关涉人类福祉、公正等核心价值的伦理风险正成为当代科技发展引发的主要消极后果。当前，随着人工智能与人类社会联系更加紧密，带来的伦理学讨论不再只是人与人之间的关系，也不是人与自然界既定事实之间的关系，而是人类与自己所发明的产品在社会中所构成的关联。因此，对于科技本身，需要既考虑其技术属性、又考虑其社会属性。
不可否认，人们较为习惯线性思维（这符合人类自然的认知模式：节省能量与快速计算），但这很容易导致认知偏差，其中最常见的认知偏差是对于技术近期与远期影响的判断出现不对称性。美国科学家罗伊·阿玛拉由此提出了所谓的“阿玛拉定律”，即短期内人们倾向于高估技术的影响，长期内则会低估技术的影响。19世纪汽车刚被发明出来时，被大众认为是一种“怪物”，不少人担心其会给人类社会带来危险。因此，1865年英国议会通过了一部《机动车法案》，其中规定：每一辆在道路上行驶的机动车必须由3个人驾驶，其中一个必须在车前面50米以外做引导，还要用红旗不断摇动为机动车开道，并且速度不能超过每小时4英里(每小时6.4公里)。可以说，这部法案扼杀了英国在当年成为汽车大国的机会，随后汽车工业在美国迅速崛起。
事实上，技术是无罪的，但技术背后的人心应当经得起法律、道德和良知的考验。为了推动“普遍智能”更好惠及社会和大众，必须紧紧把握人工智能技术属性和社会属性紧密结合的特点。机器是人创造出来的，人的作用就是在人和机器共处的社会中，不断用自己的知识让机器变得更加强大。因此，我们需要用进化的观点去看待这个过程，最大限度地发展种种可能性，而不是陷入“人机相斗”和“人机相害”的臆想中。人类始终是人工智能高度、广度和深度的“总开关”和决定者。一方面，要警惕将人工智能等同于人类大脑的不切实际之举和“人工智能奴役人类”的杞人忧天之举；另一方面，要善于利用人工智能技术，推动智联网赋能经济社会发展，在人机协同中创造更加美好的未来。
（作者为浙江大学计算机学院教授）
【参考文献】
①Timothy F. Bresnahanac, M.Trajtenberg, General purpose technologies: Engines of growth,Journal of Econometrics, 65(1):83-108, 1995.
②吴飞：《走进人工智能》，北京：高等教育出版社，2022年。
③邓晃煌、贺宝仪、吴飞：《人机协同下可信内容合成》，《未来传播》，2023年第4期。
责编/孙渴 美编/杨玲玲
声明：本文为人民论坛杂志社原创内容，任何单位或个人转载请回复本微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。
