人工智能对社会的未来影响
人工智能在上世纪的1956年提出，跌宕起伏近70年，而在今天，人工智能有什么新的发展与突破，对未来的社会有什么变革性的影响呢？
人类社会从农业社会，经过工业革命、信息革命（代表性的是互联网的出现），而今天虽然仍然是信息革命的延续，但有观点认为是“智能革命”。 如果是智能革命，显然是以制造智力生产力为特征。正如工业革命制造体力生产力为特征，信息革命制造信息生产力为特征。智力生产力，就是制造在智力层面接近或超过人类一般（个体）智力的、基于计算机的智能计算系统。
对目前人工智能发展的一点粗浅认识：
1. 在数字世界（物理世界的间接映射）中的感知层面，基本学会了“认识”图像（比如人脸识别）、识别声音（声音转文字、翻译）、识别文字（读文献，进行总结）等。
2. 在逻辑层面（reasoning、planning、decision making），比如文字空间（text-based），通过海量文本训练的通用大模型和专业大模型（如DeepSeek、ChatGPT等），基本能够模仿人类的逻辑本领，比如QA，作文、画图、音乐等。此外，以Agentic system为代表的Internet软机器人，发展迅速，未来能够释放较大的智力生产力空间，比如可以代理人，24小时不间断的借助互联网完成各类智力型工作，如查询、信息整合、信息决策（如订单、计划行程、自动电话等）。进一步的，这些大模型及Agentic systems等人工智能技术产品与实体经济及服务型经济等在信息层面的深度结合，正在迅速渗透与发展，从而发挥智力型生产力在各个领域的应用。
3. 在与物理世界交叉的领域，如自动驾驶、人形机器人、工业机器人等，目前正在突破。主要限制是，如何解决智能体从text-based到physical world-based的困境。因为，到目前为止，大模型为代表的突破，主要从数字空间习得（比如文本、图像等）。当部署到物理世界，就必须要理解物理世界。李飞飞的空间智能，从3D图像试图突破。自动驾驶中纯图像的处理路径，也试图通过图像理解物理世界的逻辑。如何将物理世界融合到数字世界的智能体，是当前遇到的难题。比如多模态大模型（VLM），试图将text-based和image-based的融合到一块，解决物理世界的逻辑问题。但是，当此类大模型比如部署到机器人等具身时，需要在物理世界决策，并具备必要的自适应性时，实现起来要困难得多。
4. 超级智能体的出现。首先，如果承认汽车比人跑的快，铲车比人力量大。那么机器的智力比人更强（取决于定义的维度和内容）并不奇怪，比如计算器比人就算得快。最近DeepMind 首席科学家David Silver提出利用经验让智能体学习（Welcome to the Era of Experience），从而习得物理世界的逻辑。他提出，要跳出目前大模型的困境(text-based)，不能仅仅让智能体学习人类制造的text知识，还需要智能体自己与物理世界用自己的方式在物理世界探索与实践，以自己（机器）的视角学习到物理世界的逻辑，从而有可能让大模型跳出text人类书本经验知识的限制和桎梏（对于大模型缺陷的讨论和不同解决办法的探讨，包括杨立昆和Sutton等人）。如果这类思想，能够实现的话，那可以认为，智力有可能超出人类思维的局限，比如科学探索，人造智力可能找到人类没有探索的解决空间，而不局限于让智能体模仿人类。但风险也自然会产生，因为目前人类的智力居于动物界之首。不过，发展超级智力，人类应该能够寻找到安全使用超级智力的方法。
总之，当前人工智能的发展，以制造类人的“智力生产力”为主要特征，已经取得了令世界瞩目的突破（比如以Deep learning深度学习等技术和工具的突破，以大模型为代表的工程产品突破等）。未来正在从数字世界向物理世界进一步结合，继续探索与实现突破。尤其对超过人类一般智能的超级智能的研究与突破，从人类探索世界，超级智能服务人类社会等方面未来对人类社会必然带来变革性的影响。
---PS：
以上个人见解，欢迎讨论、批评指正！
转载本文请联系原作者获取授权，同时请注明本文来自罗汉江科学网博客。
链接地址：https://wap.sciencenet.cn/blog-451666-1483663.html?mobile=1
收藏
