对当前人工智能热潮的冷思考 - 文章核心观点：北京大学教授梅宏对当前以深度学习和大模型为代表的人工智能热潮进行了理性反思，指出其存在技术本质局限、行业过度炒作以及面临现实瓶颈等问题，并呼吁回归AI研究的多样性，明确AI应作为人类可控的工具定位 [1] 人工智能技术的本质与局限 - 当前以深度学习为代表的AI技术本质是“数据为体、智能为用”的数据智能，严重依赖算力与高质量数据 [1] - 深度学习实现的是感知智能，并未达成真正的认知能力，大模型是将认知问题转化为感知问题，缺乏对人类思维过程与方法的理解 [1] - 大模型并未跳出“概率统计”框架，其运行本质是在学习算法制导下的一系列张量计算过程 [2] - 数据驱动路径使得大语言模型本质上是已有“语料”压缩而成的“知识”库，无法触及真正的认知与规律发现 [3] 行业现状与潜在瓶颈 - 行业存在过度炒作现象，如盲目鼓吹“取代人类”、“自主意识”、“通用AI”等概念 [1] - 技术发展面临能耗危机、数据枯竭、法律伦理等现实瓶颈 [1] - 模型架构创新带来的性能提升未改变数据依赖的基本逻辑，Agent的能力上限决定于其背后的大模型，具身智能则会受算力资源制约 [2] - 当前大模型在文本、图像、视频等内容领域有很好的应用，但这通常只是行业需求的一小部分 [3] 对AI应用与发展的建议 - 企业可聚焦于利用判别式AI解决自身生产环节的具体问题，但这需要长期的、高质量的数据积累过程，建议对数据“可采尽采，能存尽存” [2] - 对于AI for Science，虽然充分肯定其价值，但提醒这仍是一条依赖现有科学数据的途径，科学界过度依赖可能反而会封死原创发现之路 [2] - 呼吁学术界回归AI研究的多样性，避免陷入“唯深度学习”的单一路径，强调符号主义与连接主义的结合应成为下一代AI的发展方向 [3] - 强调符号化表达对人类知识交流和传承的关键作用 [3] AI的定位与宏观经济影响预判 - AI应始终作为人类可控的工具，服务于提升工作效率与质量，其发展必须与人类知识体系锚定，方能产生持久价值 [3] - 预判AI在短期内不会出现“变革”性的经济增长，呼吁社会将AI定位为提升效率的工具 [3] - 强调在发展过程中需坚守人类作为知识发现与价值判断主体的根本地位 [3]