近日，中国科学院院士、清华大学人工智能研究院名誉院长张钹在接受上海证券报记者专访时表示，中国要走出符合自己特色的人工智能发展路径。
张钹是国内人工智能领域的开拓者之一，长期致力于人工智能理论研究与应用开发，在该领域有着深厚的学术造诣和广泛的影响力。在专访中，张钹解析了人工智能的发展现状、各领域实践难点等，并为行业发展提供了建议。
通用人工智能：
起步坚实，迈向未来需多方合力
当前，业界对通用人工智能（AGI）的看法存在分歧：有的人认为三五年内即可实现，有的人则认为根本无法实现。张钹表示，这种分歧的根源在于“大家对AGI的定义不一致”。
在他看来，AGI有三大定义标准：
一是领域的通用性，即AI在执行各种任务时，不局限于特定领域。例如，当前的大语言模型虽能在开放领域实现自然对话，但在医疗诊断、决策等任务中并不能实现领域的通用性。
二是任务的通用性，即人类能够完成的任务，机器都能做到，且至少达到人类水平，但现有的大语言模型仅停留在语言交互层面，缺乏实际动手操作能力，只会“说”不会做。
三是通用的理论支撑，即要有明确的理论体系指引发展方向。但目前这一理论仍未形成，导致人工智能的发展在一定程度上处于探索阶段。
基于这三大标准，张钹判断：“AGI还处在初级阶段，未来道路漫长且充满挑战。”不过，他也肯定了大模型的里程碑意义——在开放领域实现强大的语言生成、与人类自然交互的能力，打破了过去人工智能系统局限于特定领域的问题，解决了人工智能推广难的问题。但仅靠大模型实现AGI远远不够，必须与硬件、机器人等技术深度融合，才能让智能体真正落地应用。
“人工智能+”领域：
多点突破，深耕实践孕育新机遇
关于“人工智能+医疗”领域，张钹认为不同应用场景的难度差别很大。导诊、分诊等辅助性工作风险小，技术门槛较低，现有AI可有效提升效率。但医疗诊断因“直接关乎生命安全”，对模型的可靠性和可解释性要求极高。“医生必须看懂系统的决策逻辑，才能判断结果并签字确认，否则出了问题谁来负责？”他举例称，当前机器医疗诊断系统的输出结果都不能直接用来抓药，需要医生签字，对模型的可解释性和可理解性提出了很高要求，这反映了该领域技术应用的复杂性，“实现可靠的诊断应用，还需要长期努力”。
关于“人工智能+机器人”发展，张钹认为目前仍面临可靠性与成本两大难题。目前展示的各种人形机器人，“理论上讲可以替代人类的部分工作，但多数还停留在‘展品’阶段。”他认为，服务老人、无人驾驶等场景对机器人的可靠性要求极高，同时高昂的价格让市场难以接受，“不解决这两点问题，就无法成为真正的‘商品’，更谈不上大规模应用”。
中国AI发展：
立足国情，特色路径彰显独特优势
谈及中国人工智能的发展路径，张钹表示要立足国情。以人形机器人为例，在美国市场，当地住宅多为复式结构，对机器人爬楼梯能力有硬性需求，且消费者对高价产品接受度更高；而对多数居住在平层的中国家庭来说，轮式机器人既经济又灵活，比人形机器人更实用。因此，要避免“盲目照搬美国模式”，探索符合自身需求的技术路线。
关于“人工智能+工业”领域，张钹认为发展缓慢的核心问题是成本太高。“设备采购、研发、维护成本让企业难以承受，很多生产线只能继续靠人工。”但他也看到了解决问题的希望，“中国在工程优化、算法优化上有明显优势，AI+工业也该走这条路”。通过技术创新降低成本，才能形成“价格下降—市场扩大—产量增加—价格进一步下降”的良性循环，推动制造业从劳动密集型向智能化转型。
此外，他解析了“清华系”AI企业占比高的现象：“清华大学从1978年就开始搞人工智能研究，40多年积累下来，形成了完整的科研和产业化队伍，自然能孕育出一批有实力的企业。”关于如何甄选有潜力的人工智能公司，张钹建议，要关注“掌门人的能力”和“技术与业务的契合度”。
张钹表示，人工智能的发展，既要在前沿方向上突破，更要夯实理论基础、推动跨学科融合，“充分发挥我们在工程优化上的优势，走出一条真正有中国特色的道路，为全球AI发展贡献智慧”。
尚红网提示：文章来自网络，不代表本站观点。
