让机器学会思考，总共分几步？

从祖先钻木取火到现代航天科技，人类对机器的幻想从未停歇。远古时期我们幻想“御风而行”，明朝万户用火箭实现飞天实验，富兰克林借风筝探索雷电奥秘。这些创造背后都暗藏着一个终极理想：能否创造机械生命体，代替我们负重前行，让人类得以享受生活？

这种执念在当代愈发强烈。环顾四周的工业机器人、服务机器人，它们虽能完成既定指令，却仍与影视作品中“大白”般的理想伙伴相距甚远。我们渴望机器具备共情能力、创造思维，甚至绝对忠诚——这正是人工智能技术要攻克的终极课题。

一、人工智能的认知革命

人工智能(AI)作为模拟人类智能的技术体系，已展现出令人惊叹的“超能力”：自动驾驶系统比人类司机更精准地识别路况；对话机器人能理解上下文语境；AI画师可协助设计师实现天马行空的创意。这些能力的核心，源自机器学习技术的突破。

以幼儿识数为例：老师通过数字卡片反复教导“这是0，这是1”，儿童通过观察特征建立认知。机器学习竟与人类认知过程惊人相似——工程师给“机器宝宝”输入海量标注数据(如0的多种书写形态)，神经网络通过反复比对修正参数，最终掌握数字的本质特征。这个从数据标注、特征提取到参数优化的过程，正是监督学习的经典范式。

二、神经网络的生物启示

机器学习能力的生物学基础，源自对人类大脑的仿生研究。人类大脑约含16亿神经元，每个神经元通过7000个突触连接形成复杂网络。有趣的是，婴幼儿期突触数量高达1000万亿，成年后锐减至百万级，这解释了为何青少年时期是学习黄金期。

人工智能科学家受此启发，构建了人工神经网络：输入层接收数据，隐藏层提取特征，输出层生成结果。每个“人工神经元”模拟生物神经元的树突(接收信号)、细胞体(处理信息)和轴突(传递信号)。当网络深度达到10层以上，便具备识别复杂模式的能力。2023年诺贝尔生理学奖得主的研究显示，这种结构竟与果蝇嗅觉神经回路高度相似。

三、大模型的时代跨越

传统神经网络存在明显局限：单一模型仅能处理特定任务，就像刚毕业的医学生只会看感冒。2017年Transformer架构的提出，带来了革命性突破。这种基于注意力机制的模型，能像人类阅读时自动聚焦关键信息，通过海量参数(千亿级)存储多维知识。

四、通往通用人工智能之路

尽管现有技术已令人惊叹，但距离真正的“机器思考”仍有差距。当前AI更像是“超级鹦鹉”，能复现知识却缺乏深层理解。让机器学会思考的最后一步——通用人工智能。那么，什么是通用人工智能呢？它是指具有人类水平，甚至超越人类水平的智能系统。它也是人工智能的下一代、未来技术的重要方向，它的一个主要特征就是能够自主学习，自主推理，自主创造，甚至拥有自主意识。

李红蕾 重庆电子科技职业大学人工智能与大数据学院讲师

来源：吉林省科协