专访史蒂芬·史米斯：人工智能也需要“终身学习”

　　新华社新加坡1月29日电　专访｜人工智能同样需要“终身”学习——访人工智能促进协会主席斯蒂芬·斯密斯

　　新华社记者舒畅

　　人工智能（AI）下一步将如何发展？在人工智能促进协会主席、美国卡内基－梅隆大学机器人研究所教授斯蒂芬·斯密斯看来，答案或许就藏在人类的学习方式里——持续乃至“终身”学习。

　　第40届人工智能促进协会年会近日在新加坡举行。斯密斯在会议期间接受新华社记者专访时表示，人工智能近年来最引人瞩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。”

　　当前的许多人工智能正是基于大语言模型，但斯密斯认为，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”。

　　大语言模型的另一个缺陷是缺乏因果推理能力。斯密斯表示，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。有些系统看似能做计划，其实只是根据预先设定好的步骤行动。“大语言模型不会问自己：‘如果我这样做，接下来会发生什么？’这也解释了为什么大语言模型有时会给出荒谬答案。”

　　相比之下，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。“与现在的人工智能不同，人一辈子都在学习。”斯密斯以一部手机举例：人平常用手机打电话，但被困在着火的房间里时，它却能作为打碎窗户逃生的工具。人类可以见机行事，人工智能尚无法做到。

　　斯密斯承认，要实现人工智能的“终身学习”并不容易。现阶段，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，“我认为这是一个关键的技术挑战。”

　　在斯密斯看来，人工智能的“学习方法”同样可以效仿人类，就像小孩子玩积木，在反复堆高、倒塌、换结构的循环中慢慢发现什么行得通、什么行不通。“人类并不是通过阅读百科全书来获得关于世界如何运作的常识。”他说，因此人工智能的“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。“这是终身学习的本质，也是人类智能的特点。”

　　因此斯密斯认为，从这个角度看，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。

　　斯密斯告诉记者，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。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。”

　　考虑到人工智能目前的发展程度，斯密斯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。“我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。”（完）