人脸识别、声纹识别、智能机器人、无人驾驶汽车……当下，人工智能已进入到人们日常生活的方方面面。然而，就在一二十年前，人工智能还是一个十分科幻的话题，甚至有不少人担心人类将被人工智能所取代。
从科幻到现实，人工智能这一质变用时并不算太长，但已经让人们产生了心理落差：实际应用中缺陷不断的人工智能，原来并没有想象中那么智能。
人工智能也有强弱之分
人工智能这一概念最早可以追溯到1950年，被誉为人工智能之父的图灵，在著作中提出用图灵测试来测量机器的智能程度。随后，科学界逐步对人工智能的概念形成共识：人工智能就是能够和人一样进行感知、认知、决策、执行的人工程序或系统。
严格来说，被包装出来的人工智能并非是很主流的新技术，直到几年前李世石跟阿尔法狗(AlphaGo)下完棋后，各界对人工智能的热情也被彻底引爆，但公众对人工智能的认知和思考基本还是建立在科幻作品的基础上。
不过，当前的人工智能顶多只能算是一个听话、精力充沛的“笨小孩”。
“人工智能原本就有强弱之分，这也是人们对人工智能产生些许失望的根本原因。”文渊智库研究员王超告诉记者，很多人对人工智能的想象是建立在“通用人工智能”之上的，而现在落地应用的人工智能都是基于大数据驱动，它对小概率和偶然性事件缺乏应对机制，特别是在面对这个充满变动的世界时，就不知道该如何应对了。
王超说，从技术发展趋势来看，人工智能被区分为弱人工智能、通用人工智能、超级人工智能。弱人工智能也被称为狭义人工智能，是专攻某一领域的人工智能;通用人工智能也叫强人工智能，指的是一台像人类一样拥有全面智能的计算机;至于超级人工智能，目前只是人们对科幻作品中智能机器人所拥有能力的期待。
通用人工智能还没有成熟的案例
目前人工智能发展到什么阶段了?
王超说，当前的人工智能已经在弱人工智能阶段停留了过长的时间，通用人工智能才是接下来技术发展的方向和人们对人工智能的期待。“但创建通用人工智能比创建弱人工智能难多了，现在还没有成熟的案例。”产业界的初步共识是，通用人工智能要大幅提高神经网络的泛化能力。
“然而，当前的人工智能主要还是基于深度学习。”特斯联首席科学家邵岭博士告诉记者，一方面，深度学习使得人工智能在视觉、语音、自然语言处理等许多相关领域的应用性能大幅提升，性能甚至已经能超过人类;另一方面，人工智能的能力仍基于“暴力算法”及大数据——智能参与的程度并不高。
过去几年里，预训练大模型越来越受到欢迎，通过预训练的大模型，仅需要有限的数据即可实现对模型针对新场景的调优。但邵岭提醒，一些人工智能专家认为这是通往通用人工智能的一大步，其实这跟通用人工智能没有任何关系。“此类模型并不具备常识，也没有思考与逻辑能力，其优越的性能主要源于海量的训练数据，也可以说仅仅是具有一定泛化能力的记忆储存而已”。
对于当前的弱人工智能如何向通用人工智能迈进，邵岭的结论并不是很乐观，“我们距离通用人工智能还很遥远，或许在未来也难以实现”。
大模型加速落地是产业首要任务
通用人工智能还很远，但并不影响当下人工智能一直占据着“风口”位置。当然，产业热度的不断提升，同时也无法回避人工智能产业中绝大部分企业仍面临着亏损的事实。
邵岭坦言，企业无法盈利的主要原因在于，人工智能解决方案通常需要很高程度的定制化，且难以规模化生产。“预训练大模型可以在一定程度上解决这个问题，但并非所有的人工智能初创公司能够负担训练大模型的成本。”
近几年，大模型历经了探索期、突破期，现在已经一定程度上到达推广期。百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜认为，今年是大模型落地关键年，“对于大模型落地而言，最关键要解决的问题是‘前沿技术’与‘真实应用场景’之间的鸿沟”。
对于初创企业及中小型企业而言，邵岭认为，研究规模相对小且实用的预训练模型，以及对预训练模型的有效压缩，或许能够加速人工智能的落地盈利。
(责任编辑：韩梦晨)
