清华大学张钹院士在无穹书院2025级新生开学典礼上的发言

在无穹书院2025级新生开学典礼上的发言

中国科学院院士、清华大学计算机系教授 张钹

各位老师和新同学们：

大家好！

作为从事人工智能教学与科研工作的老教师，衷心欢迎大家来到清华大学无穹书院，并选择人工智能作为自己的专业方向！

人工智能究竟是干什么的，这是大家首先要了解的。目前人工智能分成两大学派，分别探索两条不同的发展道路。第一是行为主义学派，是目前AI的主流，就是“利用机器模拟人类的行为”。它的任务是让机器像人类那样思考、那样感知、那样行动，以及具有情感等，追求的目标是让机器的行为与人类的行为相似，而不是工作原理上的一致性。由此可见，这是一条探索与人类不相同的机器智能化道路，也叫硅基智能的道路。第二是内在主义学派，就是“利用机器模拟大脑的工作原理”，追求的目标是与大脑工作原理的一致性，这是一条探索与人类相同的智能化道路，因此叫类脑计算。由于我们对大脑的工作机制了解得很少，这个学派目前工作进展不大，属于少数派。尽管如此，由于人工智能是探索“无人区”，我们应该鼓励不同学派去探索不同的道路。

现在讲一讲主流人工智能学派的发展状况，从1956年AI诞生开始，它经历了3个发展阶段，分别叫第一、第二、第三代AI。第一代AI，大家提出一个叫知识驱动的计算模型，用来模拟人类的思考（理性行为），它利用知识、算法和算力这3个资源构建AI系统。这种模型的优势是可解释与可理解，但系统构造十分困难，且不易推广，因此其应用与产业化十分有限。第二代AI，提出一个叫数据驱动的计算模型，用来模拟人类的感知与情感，利用数据、算法与算力这3个资源构建AI系统。它利用一个学习能力极强的模型-人工神经网络，通过“学习”对输入数据（语音、图像等）进行分类、预测和生成等，在应用上取得很大的成功。但这个模型存在不安全、不可信、不可靠、不可控和不易推广等重大缺陷。总之，这两类模型虽然推动AI取得不少进步，但它们都只能在特定领域，利用特定模型，完成特定任务，属于专用AI，进展十分有限。

从2015年左右开始AI进入发展的新阶段，我们称它为第三代AI或生成式AI时代。这个时代的标志性成果，以ChatGPT大语言模型为代表，它通过巨大的人工神经网络和巨大的文本预训练，使机器能够在开放领域生成语义上连贯的类似人类的语言，实现了对人类语言的掌握。正如奥地利哲学家维特根斯坦所言，“我的语言界限，就是我的世界界限”，因此一旦机器掌握了人类的语言，就有望给机器开启了一个满是可能性的世界。从行为主义角度看，目前机器可以做到像人类那样思考、推理和有情感，说明硅基智能的道路已经走通了，我们必须设法去拥抱它，掌握它。

总之，人工智能技术与以往历史上所有技术不同，人工智能不再只是一个工具，它正逐步成为我们认知世界、解释世界、重构世界的一部分。我们将迎来人工智能日新月异的发展，并将彻底改变各行各业的面貌。人工智能技术带来生产力的跃进与社会效率的提高，科学突破的加速，推动人类社会从以“体力+经验”为基础的效率型社会，迈向以“智能+协同”为核心的创新型社会。AI使人类潜能得到扩展，包括感知、认知、行动和创造力边界的扩展。并通过知识与认知的协同，治理与制度的协同演进，伦理与价值对话等文明协同发展。从而使AI成为提升人类文明的协调器与加速器，它将加速人类从竞争走向协同，从封闭走向共建，从对立走向共识，它将成为引导人类迈向“命运共同体”时代的关键催化剂。

从以上的分析中，我们不难看出，对于立志从事AI事业的年轻人来讲，这既是一个巨大的历史机遇也是一个巨大的挑战。首先，人工智能的最终目标是通用人工智能（AGI），什么是AGI，目前存在各种不同的看法，有的认为很快就能实现，也有的觉得根本不可能实现。为什么有这么大的差异？主要来自于对AGI的认识不同。因此需要给AGI下一个定义，我们认为AGI需要满足以下3个条件：（1）领域的通用性，即执行各项任务时都应该和领域无关，实现开放领域。目前大语言模型只是在语言（对话）上实现与领域无关，但在其他很多任务上并做不到领域的通用性，如医疗诊断、决策等。（2）任务的通用性，即人类能完成的任务，机器都能完成，而且至少达到人类的水平。大语言模型只会“说”，不会“干”，因此许多任务大语言模型并不会做。（3）要有一个通用的理论。如果我们接受AGI的这种定义，我们就不难得到以下结论，即大语言模型只是向AGI迈出一步，我们离AGI的目标还很远，还有很长的路要走，人工智能未来的道路依然任重道远。

接着需要回答的问题是，我们如何实现AGI？目前有4条路正在探索：（1）提高大语言模型的性价比，我们一方面要不断提高大模型的性能，还要不断降低它的价格（包括训练价格和运行价格）。（2）多模态生成，除生成文本之外，还要生成声音、图像、视频和代码等，这里包括文本与语音、文本与图像、文本与视频、文本与代码之间的相互生成。大家想一想，图像生成文本就是机器视觉，文本生成视频就是重构世界，视频生成文本就是理解世界。通过多模态生成可以使机器具备人类的感知和认知能力。（3）智能体。将大语言模型的思考和动作、感知这三者结合起来，形成闭环就成为智能体，使机器不仅会思考还能在物理和数字世界中完成具体任务，并通过反馈（反思）完成自我进化。（4）具身智能，在大语言模型会思考的基础上，加上动作（硬件的执行机构，包括机器人）和感知，就能在物理世界进行交互，并完成复杂的任务。人类正进入一个崭新的第三代人工智能时代，我们的使命是要去建立一个可解释与鲁棒的人工智能理论，发展安全、可信、可靠、可控与可扩展的人工智能技术，推动人工智能创新应用与产业化。为了做到这一点，必须同时使用知识、数据、算法和算力这4个资源，把知识驱动和数据驱动紧密地结合起来。

但是，也要看到AI带来的负面影响。上面讲过目前的AI系统都是在外部驱动下完成任务，因此存在不安全、不可信、不可靠、不可控等本质缺点。如果处理不当，AI就可能带来就业结构剧变与社会不平等加剧，伦理风险与控制难题，人类自主性与意义感的危机等等。因此在AI发展中还存在治理的问题，这种治理包括对行为者（AI设计、部署和使用者）的治理，即防止AI被误用和滥用，也包括对技术的治理，即防止技术本身带来的安全性，带来对社会及人类的可能损害。我们应该坚持安全促发展、发展保安全的方针，以保证AI的健康发展。

我们该如何处理与AI的关系？目前AI取得的成果，从行为主义角度看，目前大语言模型确实具有情感、理解与意识，但从内在主义角度看，它并不具有人类意义上的情感、理解和意识等，因为它的工作原理与人类有本质上的差异。此外，大语言模型的一切输出都是外部驱动的，并利用概率预测的方法生成答案，导致输出质量不一致和不可控，由于模型不可解释，因此不可信，受外部影响很大等等。而人类则不同，他的一切行为都是在内部意图控制下完成的，因此完全可控，可自我负责和可信，且受外部影响很小。从这些差异中我们可以看出，机器与我们具有很大的互补性，只要处理得当，它将成为我们的助手，而不是我们的对手，我们有可能与机器和谐共处。

清华大学于1978年成立了“人工智能与智能控制”教研组，开展人工智能的教学与科研工作，是国内最早从事人工智能的单位之一。人工智能于1956年在美国诞生，虽然我们与他们差了22年，但这22年中人工智能处于发展的第一个阶段，是一个摸索的阶段，实际进展很少。因此可以说我国人工智能研究与美国基本上处于同一起跑线上，而且目前人工智能还处于发展的初期，今后的道路还很长。这是历史给中华民族一个最好的机会，让我们有可能赶超世界水平，这个历史重担正落在你们身上。

同学们，既然我们选择了人工智能，就应该不忘初心，抓住这个历史的大好时机，坚持自强不息的精神，努力学习，争取将来为国家、为人工智能发展做出更多贡献，谱写出属于自己的精彩人生。

谢谢大家！

来源 | 清华大学无穹书院

编辑 | 钱箐旎

审核 | 程曦