当前人工智能发展的核心范式与局限 - 人工智能近年来最引人注目的突破是大语言模型的崛起 经过海量数据训练 这类模型能理解和生成文本 甚至处理更多类型的内容 当前很多研究都是顺应这股浪潮 或者在其基础上探索新方向 [1] - 当前许多人工智能基于大语言模型 但大语言模型存在局限 目前大多数大语言模型通过训练形成基础模型后就被“冻结” 缺乏持续更新和“成长” [1] - 大语言模型的另一个缺陷是缺乏因果推理能力 大语言模型擅长抓相关性 却难以理解因果关系 规划能力有限 这也解释了为什么大语言模型有时会给出荒谬答案 [1] 人工智能未来发展的关键方向：“终身学习” - 人工智能下一步的发展方向可能在于持续乃至“终身”学习 人类不仅一生都在不断接受新知识 还在不断更新思维方式 而当前的人工智能尚无法做到 [1] - 人工智能的“终身学习”不一定需要海量信息 而可以依赖小样本 精选的数据以及主动尝试 这是人类智能的特点 [2] - 实现人工智能的“终身学习”存在关键的技术挑战 对于已经成形的大语言模型 即使是微调也必须小心谨慎 否则可能影响原有表现 [2] 具身智能与人工智能体 - 机器人等具身智能进步可能有助于人工智能的发展 机器人可以与物理世界互动 通过尝试积累经验 以填补人工智能的“知识空白” 也更利于理解因果关系 [2] - 人工智能的发展方向之一是人工智能体 与聊天机器人主要回应指令不同 人工智能体强调独立决策和行动 [2] - 今后几年 多智能体协作可能成为突破点 真正的挑战是让多个智能体自主组建 调整 规划 并解决更复杂的问题 让不同专长的智能体组成团队 共同完成任务 [2] 对通用人工智能（AGI）的展望 - 考虑到人工智能目前的发展程度 对实现具有人类认知能力水平的通用人工智能（AGI）持谨慎态度 认为通用人工智能短期内不会出现 从研究者角度看 挑战还有很多 [2]