梅宏院士：当前 AI 存在三大问题！

从智能制造到智慧城市，从医疗健康到金融服务，以及当前大语言模型的火爆，人工智能风头正盛，但11月22日在以“跨越边界的科技伦理”为主题的第二届中国科技伦理高峰论坛上，中国科学院院士、北京大学教授梅宏，再度发声认为，当前AI面临此三大问题。

（1）泡沫太大，仍处于技术成熟度曲线（hype cycle）的高峰阶段，喧嚣埋没理性，需要一个冷静期；

（2）以偏概全，对成功个案不顾前提地放大、泛化，过度承诺；

（3）期望过高，用户神化AI的预期效果，提出难以实现的需求。

当前AI存在三大问题

当前，社会对“AI+”或“AI for everything”抱有很高的期望，然而，现实情况却不尽如人意。

“雷声隆隆，雨点并不大。”梅宏坦言，“从当前的热潮中，我看到了太多‘炒作’和‘非理性’导致的 AI‘过热’现象，也对当前AI发展技术路径多样性的欠缺萌生了一些担忧。”

“大语言模型的成功依赖于人类长时间积累的庞大语料库，文生视频的成功也依赖于互联网上存在的海量视频。然而，其他行业的数据积累尚未达到这个量级。获取全数据，关键是跨越足够的时间尺度。”梅宏表示，AI的应用还需要经历一段时期的探索、磨合和积累，才可能迎来繁荣。

“在我看来，AI当前的问题有三个：泡沫太大，仍处于技术成熟度曲线（hype cycle）的高峰阶段，喧嚣埋没理性，需要一个冷静期；以偏概全，对成功个案不顾前提地放大、泛化，过度承诺；期望过高，用户神化AI的预期效果，提出难以实现的需求。”梅宏说。

面对AI技术发展及其应用的现状，梅宏建议，在尚搞不清如何应用、用到何处时，不妨先积累数据，“可采尽采、能存尽存”。

大胆预测，大模型要走向开源

那么，大语言模型能走向“通用”人工智能吗？梅宏认为，从基本原理来看，目前的大语言模型没有跳出概率统计这个框架。

梅宏并不认为现在的AI有所谓的“意识”或者知识涌现能力。以大语言模型为例，模型本身无法产生新的东西，其生成的内容取决于对大量文本内容的统计，如果某些内容反复出现，它们大概率就会将之视为“合理存在”的内容。

“就这个意义而言，大模型可被视为是由已有语料压缩而成的知识库，生成结果的语义正确性高度依赖于数据的空间广度、时间深度以及分布密度，更高度依赖于数据的质量。”他提到，学术界的研究更应关心大模型构建过程的可重复性和可追溯性，尽可能保证结果的可解释和可信任。

他表示，“大胆预测大预言模型的未来，作为压缩了人类已有的可公开访问的绝大多数知识的基础模型，大语言模型在未来需要像互联网一样，走向开源，全世界共同维护一个开放共享的基础模型，尽力保证其与人类知识的同步。”

梅宏说，“这至少也是表达自己的一种期望。”