人工智能技术在近年来取得了突飞猛进的发展，尤其是大模型技术的兴起，正在引发各行业的深度变革。近日，北大汇丰MBA邀请到人工智能专家刘劼教授，为我们全面梳理了人工智能发展的历程、关键技术、产业格局、实践案例以及未来挑战。

对于智能本身，人类一直有着美好的遐想。从三国时期的木牛流马到十八世纪“会下棋的土耳其人”，再到阿西莫夫《我，机器人》提出的机器人三定律，都饱含着人类对于人工智能的期冀。回顾人工智能的发展历程，最早可追溯到上世纪50年代图灵提出的“图灵测试”理念，设想机器能够通过自然语言对话达到“智能”的水平。1956年的“达特茅斯会议”正式提出“人工智能”这一概念。人工智能经历了几十年的起起伏伏，直到2010年后，深度学习和大数据技术的突破，催生了人工智能发展的新浪潮。

大模型技术被视为人工智能发展的关键技术之一。2016年，AlphaGo战胜人类棋手李世石，作为人工智能发展的里程碑事件，展现了强化学习技术的卓越水平。2022年，ChatGPT等大语言模型问世，可以在自然语言处理、计算机视觉等领域表现出接近甚至超越人类的能力，引发了热烈讨论。

在产业层面，人工智能大模型技术正在催生诸多创新应用。讲座上，刘劼教授展示了语音合成、虚拟人物生成、机器人控制等应用案例，令人叹为观止。一些年轻的AI创企凭借大模型技术迅速成长为科技巨头的有力挑战者，而团队成员的年轻化也彰显着科技的进步离不开年轻人的创新思维与打破常规的勇气。与此同时，许多国家也相继出台人工智能发展战略，未来人工智能大模型还面临诸多技术、伦理、法律等挑战需要应对。但可以预见，大模型必将加速人工智能技术在各行业的渗透和融合，引发更深层次的变革。

而在人工智能的关键技术领域，刘劼教授借用尼尔逊的定义，指出智能的本质就是使实体在其环境中有远见地实现适当功能的能力。早期人工智能主要采用符号主义和规则系统等方式，如知识图谱、专家系统等。90年代后，开始兴起连接主义和神经网络方法。而现在，最新的大模型技术则标志着人工智能进入了一个新阶段。

所谓大模型，从技术理念讲，是指通过大量无标注数据训练出来的百万至千亿参数级的人工神经网络模型。与传统模型不同，大模型并不依赖人工设计的规则，而是通过自监督学习自动发现数据中的潜在模式。大模型技术的核心是使用海量数据和极大的计算能力，训练出包含数十亿甚至上万亿参数的巨型神经网络模型。这些模型不需要人工标注，可以从原始语料中自主学习，体现了人工智能从“告知智能”向“学习智能”的转变。

大模型的优势在于泛化和迁移能力强，能处理多种任务且可进行持续学习。经过适当的“微调”，大模型便可用于文本生成、对话、图像识别、推理等多种下游应用。刘劼教授生动形象地比喻大模型为“概念空间的高精度地图”，能精细刻画各种概念及其相互关系。虽然目前技术上仍有一些局限，如可解释性差、对抗样本等，但大模型开启了通用人工智能的可能性。

当然，大模型仍然有其自身的缺陷：例如缺乏可解释性和可控性，出错难以修正；对训练数据和算力有极高要求，资源成本高昂；存在一定程度的偏差和安全隐患； 离真正的通用人工智能和超级智能还有距离等等。未来需进一步改善大模型的可解释性、可控性和对抗性，探索联合训练等新范式，同时注重人工智能技术的伦理和安全性。总的来说，大模型开辟了人工智能发展的新领域，未来将继续在理论和工程层面不断突破和完善。

大模型技术对人工智能行业乃至整个社会都产生了深远的影响。主讲人将大模型喻为人工智能领域的“浏览器”，它的出现使得人工智能真正平台化、大众化。就像浏览器把互联网各种协议、应用集中到一个界面，大模型也将语音、图像、文本等各种模态整合，极大降低了人工智能技术的使用门槛。

不同于传统的分析式人工智能只能处理“已知的已知”，大模型通过组织海量数据激发出“未知的已知”的知识。这种生成式方法让人工智能系统不再被限制在既有知识范围内，而是可以创造性地产出新知识。

紧接着，刘劼教授也分享了多个大模型技术在实际生产和生活场景中的成功应用案例：例如在农业领域，利用大模型技术实现了作物生长监测、天气预报、病虫害诊断、农机自动驾驶等，大幅提高了农业生产的数字化和智能化水平。在制造业中，大模型用于缺陷检测、产品监控，尤其在芯片制造等精密领域展现出优异表现。在智慧城市建设中，大模型参与供热系统、冰雪运动等不同场景的优化和运营等等。

在未来，大模型也将推动人工智能商业生态变革。刘劼教授认为，过去以模型研发为中心的人工智能生态将转变为以数据为核心。未来，掌握质量数据资源并能将其跟大模型技术很好结合的公司和行业将占据竞争优势。与此同时，围绕大模型还将诞生诸如训练架构、推理框架、向量数据库等一系列新兴软硬件需求，构建全新的人工智能产业链和商业生态。

最后，刘劼教授提到下一个人工智能发展的重点将是培养大模型“自知”能力，让其能够主动探索和学习新知识，突破当前仍存在的局限性，这也将成为未来人工智能研究的新方向。

在分享结束后，现场氛围十分热烈，不少听众都根据亲身经历向教授提出自己的疑问，例如在未来被人工智能所取代的职业，以及AI伦理方面如何进行价值观的纠正等等。教授认为，未来人工智能对于客户群体的分析将会尤为精准，与此相关的职业可能会受到影响。此外，AI伦理问题一直是各大科技公司关注的重点，许多AI产品在初具“智能”时就表现出某些极端的特征，如何为AI设置好“防护墙”将是未来很长一段时间AI发展的挑战。