AI参加数学高考为何不及格？周伯文提出“通专融合”科研战略路径

摘要：通专融合是通往AGI的战略路径。

如何实现通用人工智能（AGI），让人工智能像人一样可以做很多事，不再局限于某些特定领域？今天下午举行的2024世界人工智能大会·科学前沿全体会议上，上海人工智能实验室主任、清华大学惠妍讲席教授周伯文发表演讲，提出“通专融合是通往AGI的战略路径”。在他看来，建立在AI大模型强大泛化能力上的专业能力，是“人工智能皇冠上的明珠”，与目前的大模型相比，这种系统可以更高效、更好地适应并解决现实世界中的复杂问题。

大模型在专业能力上进步缓慢

回顾历史，2017年以前，人工智能在专业能力上发展迅猛。从“深蓝”到“阿尔法围棋”，AI棋手先后击败了国际象棋和围棋世界冠军。那时，人工智能面临的巨大挑战是不具备泛化能力，只在一些特定任务上表现突出。然而随着Transformer架构2017年问世， ChatGPT等大模型在泛化能力上突飞猛进，表现出触类旁通的“涌现”能力，让很多人相信：通用人工智能时代即将到来。

对于这种乐观预测，周伯文指出了大模型的一大弱点：它们在专业能力上进步缓慢，虽然在迭代过程中消耗了巨大的能源、数据等资源。OpenAI首席执行官萨姆·奥特曼坦言：GPT-4的专业能力大概相当于10%—15%的专业人士，即使迭代到GPT-5，其专业能力预计也只会提高4—5个百分点。这意味着，OpenAI将用指数级的能源消耗增长换来缓慢的专业能力提升。

从GPT-4o等大模型参加今年中国数学高考的成绩，也可看出大模型在专业能力上的短板。“书生·浦语”2.0文曲星考了75分，GPT-4o得到73分，阿里Qwen2-72B拿到70分，都没有及格（满分150分）。令人欣慰的是，上海人工智能实验室研发的“书生·浦语”2.0文曲星在数学成绩上排名第一，超过了GPT-4o。

“这得益于我们的开源数学模型，它沉淀了密集过程监督、模型辅助的思维链校验、多轮强化自训练、文本推理和代码解释器联合迭代等一系列技术，具备良好的自然语言推理、代码解题和形式化数学语言性能，所以能以200亿参数在高考数学上超过GPT-4o。我们的大模型不但效果最好，而且参数体量最小，能源消耗最低。”周伯文说。

AI有望提出有价值的科学假设

“书生·浦语”的胜出，显示出“通专融合”研发路径的潜在价值。作为一种新的人工智能发展范式，“通专融合”将大模型的泛化能力与专业能力紧密结合，旨在打造一个完整的技术体系。周伯文认为，这个体系包含三层重点工作：基础模型层、融合协同层、自主进化与交互层。

在基础模型层，科研团队专注于高效地构建大模型的通用泛化能力，尤其是高阶能力，如数学、因果推理等。通过高质量数据的清洗和合成，研发高性能训练框架、高效的模型架构。

在融合协同层，科研人员要将泛化性和专业性有效地结合起来。上海人工智能实验室正在采用多路线协同的算法和技术，构建比肩人类优秀水平的专业能力。实验室的原创工作包括：高密度监督信号的生成、复杂任务规划，以及用新的架构来实现人类大脑“系统1”（快速、直觉反应的系统）和“系统2”（慢速、逻辑分析的系统）之间的交互。通过这些技术，AI能够在复杂环境中做出决策，将复杂任务分解为更易管理的子任务，制定行动计划，并有效地协调多个智能体，以实现群体智能的“涌现”。

在自主进化与交互层，人工智能的自主探索和反馈闭环十分重要。人工智能系统要在真实或仿真世界中自主地收集数据、学习并适应环境，通过与环境的交互获得反馈。这些反馈对于AI自我进化至关重要，自主进化与交互层使AI能进行“具身”自主学习，最终对“世界模型”有更深刻的理解并与之交互，具备完成开放世界任务的能力。

“在科学发现领域，通专融合也有巨大的潜在价值。”周伯文表示，通过通专融合，AI能掌握科学知识、分析实验结果、预测科学现象，进而在反思的基础上，拥有越来越强的提出科学假设的能力。

为此，他给出一个科研团队发现新科学假设过程的案例：他们将已有的背景知识输入2023年1月发布的大模型，并让大模型生成可能的假设。大模型提出的假设中，第一条假设是背景已知信息，并不是新的知识，但第二条假设是以前科学文献中所没有的。两个月后，第二条假设在2023年3月发表的论文中得到了验证。

“这个案例显示出大模型有望成为科学家的得力助手，促进科学知识发现，并能够提出有价值的科学假设。”周伯文的演讲，指出了AI4S（科学智能）的巨大潜力。

科技部副部长龙腾、上海市副市长刘多出席会议。