每經(jīng)記者 可楊    每經(jīng)編輯 魏官紅    

3月31日，在“2025中關(guān)村論壇年會”期間，在由智譜舉辦的智譜OpenDay上，中國科學(xué)院院士張鈸發(fā)表演講。

張鈸在演講中指出，當(dāng)前，我們進(jìn)入了一個歷史大變革時代，這個時代之所以會來臨，就是因為大模型的作用。一方面，大模型的出現(xiàn)使得人工智能的技術(shù)范式發(fā)生了根本性變化；同時，人工智能日新月異的發(fā)展也正在重塑各行各業(yè)的面貌。

張鈸表示，大模型使得機(jī)器具備了像人類一樣思考的能力，這一突破主要依賴于GPT，即生成式預(yù)訓(xùn)練變換器。通過巨大的人工神經(jīng)網(wǎng)絡(luò)和龐大數(shù)據(jù)量的學(xué)習(xí)，催生了強(qiáng)大的大語言模型。張鈸院士強(qiáng)調(diào)，語言的掌握為人工智能打開了無限可能性。“維特根斯坦曾說，‘語言界限就是我的世界界限’。換句話講，機(jī)器一旦理解和掌握了人類語言，必然會給機(jī)器開辟一條充滿一切可能性的道路。”

當(dāng)前的大模型發(fā)展主要依賴于“規(guī)模定律”——即神經(jīng)網(wǎng)絡(luò)規(guī)模和數(shù)據(jù)規(guī)模的擴(kuò)大。但如何超越這一定律？

張鈸指出，首先要進(jìn)一步提升大模型的性能，同時降低成本。如何提升大模型的性價比？他認(rèn)為，需要提升大模型的自主思考和推理能力，利用其本身的能力，來提高其性能。當(dāng)前，這方面的探索包括“思維鏈”（Chain of Thought,CoT）、深度思考（Deliberate Thinking）以及AI反饋強(qiáng)化學(xué)習(xí)（RLAI,RLHF）。

同時，張鈸表示，當(dāng)前人工智能正從語言模型邁入“智能體化”時代，也就是說，應(yīng)該把語言模型擴(kuò)展到變成智能體。而構(gòu)成智能體需要符合三個條件：思考能力、執(zhí)行能力和感知能力。目前，大模型在數(shù)字世界中的表現(xiàn)已相對成熟，但若要應(yīng)用于物理世界，執(zhí)行能力和感知能力的提升將成為關(guān)鍵挑戰(zhàn)。

盡管大模型帶來了巨大變革，但在推理能力方面仍存在重大挑戰(zhàn)。張鈸院士總結(jié)了當(dāng)前AI（人工智能）面臨的三大難題。

首先是多層次空間的缺失。張鈸認(rèn)為，目前的語言模型采用token構(gòu)建空間，雖然數(shù)學(xué)性質(zhì)良好，但缺乏層次性，而沒有層次的空間難以進(jìn)行復(fù)雜推理。當(dāng)前圖像領(lǐng)域已通過擴(kuò)散模型（Diffusion Model）解決了這一問題，而語言領(lǐng)域尚在探索如何引入類似的多層次結(jié)構(gòu)，“我認(rèn)為一旦把擴(kuò)散模型擴(kuò)充到語言上去，那語言上的推理就非常準(zhǔn)”。

其次是過程與結(jié)果的偏差。張鈸表示，“我們所有的推理都是以結(jié)果作為目標(biāo)，有的人說這不叫推理，叫推斷”，他表示，當(dāng)前推理主要依賴優(yōu)化結(jié)果，而非推理過程，這導(dǎo)致有可能出現(xiàn)結(jié)果是對的，但推理過程錯誤的現(xiàn)象。因此，需要強(qiáng)化AI推理的過程優(yōu)化，使其更加符合人類的邏輯，這主要需要依托強(qiáng)化學(xué)習(xí)（Reinforcement Learning）的投入研究來解決。

此外，AI的可解釋性一直是業(yè)界關(guān)注的核心挑戰(zhàn)。張鈸院士認(rèn)為，這一問題不能僅靠企業(yè)解決，更需要學(xué)術(shù)界和產(chǎn)業(yè)界的協(xié)同合作，尋找理論層面的突破。