1.2 AI的4个发展阶段

如果将AI技术的发展与智能化水平进行映射，我们可以将其划分为4个发展阶段。AI 1.0阶段对应于20世纪70年代的计算智能。在这一时期，AI主要依赖预设的规则来执行任务，其功能表现出限制性和缺乏灵活性。该阶段体现了早期计算机科学的成就，同时也暴露了高度依赖人类编程的问题。AI 2.0阶段对应于20世纪的感知智能，决策式和生成式AI兴起。AI开始通过机器学习算法，让机器具备了基本的感知能力，例如语音和图像识别。这一进步扩大了AI在自动驾驶、医疗诊断等多个场景中的应用。AI 3.0阶段以大模型为标志，引领了认知智能的崛起。21世纪20年代，AI开始能够处理和理解大量数据，实现知识表达和逻辑推理，从而在某些领域达到甚至超越人类的认知水平。例如，GPT-4等大模型展示了强大的语言理解和生成能力，能够自主学习并解决复杂问题。AI 4.0阶段预示着通用人工智能（AGI）的到来，标志着自主智能阶段即将到来。在这一阶段，AI将能够在没有人类干预的情况下，自主地进行决策、学习和适应环境变化，具备自我驱动和自我进化的能力，实现自主智能。

目前，AI已进入以大模型为标志的3.0阶段，经历了第三次技术升级，迈入了“认知智能”新阶段。据此展望未来，随着“认知智能”的深入发展，AI即将迎来第四次革命性的技术升级——自主智能，详情如图1-2所示。

● 计算智能：涉及机器的超强存储能力和超快计算能力。机器基于海量数据进行深度学习，以历史经验指导当前环境进行决策与行动。例如，AlphaGo采用增强学习技术战胜世界围棋冠军，电商平台根据用户购买习惯进行个性化商品推荐。

● 感知智能：涉及机器视觉、听觉、触觉等感知能力。机器可以将非结构化数据结构化，并以人类的沟通方式与用户互动，例如，无人驾驶汽车和著名的波士顿动力机器人就实现了感知智能，通过各种传感器感知周围环境，并据此处理信息，有效指导行动。

● 认知智能：指机器具有人类的理解能力、归纳能力和推理能力，能够运用知识。在理解、推荐、预测、交互等认知需求中，机器通过多模态学习从各种数据中提取信息，增强理解能力。机器通过知识融合、知识表示与推理、认知规划和决策，实现复杂认知任务处理，并找到问题的最优解。情感计算、生成式AI等核心技术也在提升机器对多维数据的理解能力。

图1-2 AI发展阶段

● 自主智能：被视为“更高级别的超级人工智能”，能自我学习、自我适应并独立完成任务。实现自主智能需要AI系统具有较高的自我优化和自我学习能力，甚至可以在无人干预的情况下自我改进。目前，自主智能还处于研究和探索阶段，尚未在实际中应用。

从目前的发展阶段来看，随着AI技术的发展、认知智能产业格局的演变以及市场需求的变化，智能预测、辅助决策和智能推荐等认知应用在医疗、金融、制造和教育等行业得到了更深入的应用。认知智能在各行业中的广泛应用，已成为行业智能化转型升级的重要引擎和动力。

从未来10年看，认知智能并非AI应用的最终阶段。AI将从以下3个方面向更具“意识”的方向发展，逐步演化为自主智能。

● 多模态大模型将发挥出更加强大的认知能力，深入整合行业应用。

● 可解释的认知智能将增强技术的可信赖度。

● 类脑智能将推动认知智能向意识智能方向发展。

自主智能的发展路径开始于学习单一任务，逐渐实现举一反三，最终达到与环境进行动态交互的主动学习，实现自我进化。当前，我们可以通过迁移学习、元学习和自主学习等技术寻找实现自主智能的可行路径。目前，仅依靠计算或统计模型尚难以在极其复杂的场景中实现完全的智能。

自主智能展示了向更复杂和更先进的智能系统的发展，我们自然也会猜想它可能以何种方式实现。2023年11月，据业内人士透露，OpenAI正在训练名为“Q*”（读作“Q-star”）的下一代人工智能。据称，这可能是第一次采用“从零开始”的方式进行训练的AI，它能够修改自身代码，以完成更复杂的学习任务。虽然Q*目前仅能解决小学级别的数学问题，但考虑到虚拟环境中AI的迭代速度，有可能在不远的将来发展出在各个领域均超过人类水平的智能。

OpenAI预测，能在各方面超越人类水平的超级人工智能可能在10年内出现。一旦实现，这种超级人工智能将被用于解决多种复杂的科学问题，例如寻找外星人和地球外宜居星系、人工核聚变控制、纳米或超导材料筛选、抗癌药物的研发等。这些问题通常需要人类研究员花费数十年时间寻找新的解决方案，而某些前沿领域的研究量已经超过人力极限。在虚拟世界中，超级人工智能拥有几乎无限的时间和精力，在部分容易虚拟化的任务中这可能使其成为人类研究员的替代者。然而，如何监督这些在智能水平上超越人类的AI，确保它们不会危害人类，将是一个值得深思的问题。