新華社新加坡1月29日電　專訪｜人工智能同樣需要“終身”學習——訪人工智能促進協會主席斯蒂芬·史密斯

  新華社記者舒暢

  人工智能（AI）下一步會如何發展？在人工智能促進協會主席、美國卡內基－梅隆大學機器人研究所教授斯蒂芬·史密斯看來，答案可能藏在人類的學習方式裏——持續乃至“終身”學習。

  第40屆人工智能促進協會年會近日在新加坡舉行。史密斯在會議期間接受新華社記者專訪時説，人工智能近年來最引人注目的突破是大語言模型的崛起。經過海量數據訓練，這類模型能理解和生成文本，甚至處理更多類型的內容。“當前很多研究都是順應這股浪潮，或者在其基礎上探索新方向。”

  當前的許多人工智能正是基於大語言模型，但史密斯認為，大語言模型存在局限。目前大多數大語言模型通過訓練形成基礎模型後就被“凍結”，缺乏持續更新和“成長”。

  大語言模型的另一個缺陷是缺乏因果推理能力。史密斯&&，大語言模型擅長抓相關性，卻難以理解因果關係，規劃能力有限。有些系統看似能做計劃，其實只是根據預先設定好的步驟行動。“大語言模型不會問自己：‘如果我這樣做，接下來會發生什麼？’這也解釋了為什麼大語言模型有時會給出荒謬答案。”

  對比之下，人類不僅一生都在不斷接受新知識，還在不斷更新思維方式。“與現在的人工智能不同，人一輩子都在學習。”史密斯以一部手機舉例：人平常用手機打電話，但被困在着火的房間裏時，它卻能作為打碎窗戶逃生的工具。人類可以見機行事，人工智能尚無法做到。

  史密斯承認，要實現人工智能的“終身學習”並不容易。現階段，對於已經成形的大語言模型，即使是微調也必須小心謹慎，否則可能影響原有表現，“我認為這是一個關鍵的技術挑戰。”

  在史密斯看來，人工智能的“學習方法”同樣可以效仿人類，就像小孩子玩積木，在反復堆高、倒塌、換結構的循環中慢慢發現什麼行得通、什麼不行。“人類並不是通過閱讀百科全書來獲得關於世界如何運作的常識。”他説，因此人工智能的“終身學習”不一定需要海量信息，而可以依賴小樣本、精選的數據以及主動嘗試。“這是終身學習的本質，也是人類智能的特點。”

  因此史密斯認為，從這個角度看，機器人等具身智能進步可能有助於人工智能的發展。機器人可以與物理世界互動，通過嘗試積累經驗，以填補人工智能的“知識空白”，也更利於理解因果關係。

  史密斯告訴記者，人工智能的發展方向之一是人工智能體。與聊天機器人主要回應指令不同，人工智能體強調獨立決策和行動。今後幾年，多智能體協作可能成為突破點。“真正的挑戰，是讓多個智能體自主組建、調整、規劃，並解決更複雜的問題，讓不同專長的智能體組成團隊，共同完成任務。”

  考慮到人工智能目前的發展程度，史密斯對實現具有人類認知能力水平的通用人工智能（AGI）持謹慎態度。“我認為通用人工智能短期內不會出現。從研究者角度看，挑戰還有很多。”