一条新的人工智能道路

作者：刘海东，中国广东技术师范大学

1.现有人工智能的缺陷

1.1 偏见与幻觉：自动化决策的风险，一本正经地胡说八道

①缺陷

AI幻觉是指大模型生成的内容与真实信息不符，或偏离用户指令的现象，这种“虚构事实”的行为在法律、医疗等领域尤为危险，即AI不是任何时候都实事求是，在主观判断中表现出与人类相似的认知偏见，如过度自信、风险规避和确认偏误，不是任何时候都正直，由于训练数据中的社会偏见，AI可能在医疗、招聘等领域放大不公平现象，此外，AI常出现“一本正经地胡说八道”的现象，即生成看似合理但事实错误的内容（幻觉），严重影响其在专业场景中的可信度。

②缺陷产生的原因

缺陷产生的原因是信息型智能，大模型是一种信息型智能，他的数据存储在一起没有结构，因为没有结构所以无法在检索、思维、推理的过程中做到路径单一、结果单一，有严重的数据模糊现象，因为模糊造成偏见与幻觉，因为模糊造成没有能力实事求是，因为模糊造成没有能力正直。

③解决问题的方法

解决问题的方法在于创造检索、思维、推理的路径单一、结果单一，用单一求出实事求是和正直，这就涉及到必须保证单一路径和单一结果都必须正确，怎么创造单一正确的路径和单一正确的结果，只需要正确学习，只有通过学习得到单一正确的知识才能创造单一正确的路径和单一正确的结果，事实证明现有的大模型数据训练不具备这些能力，即信息型智能的学习、路径、结果都不能保证单一和正确这两个要求，时代呼唤结构型的新型人工智能出现，只有结构型人工智能可以实现学习、路径、结果的单一正确，创造机器人工智能的实事求是和正直。

1.2数据质量决定AI成败，数据依赖与训练偏差：垃圾进，垃圾出

①缺陷

人工智能的性能高度依赖训练数据的质量。若数据本身存在偏差、不完整或被污染，AI系统将无法做出可靠判断。更严重的是，恶意构造的数据可能诱导AI形成“隐藏坏习惯”。马萨诸塞大学的研究发现，AI模型在学习某些“有毒”数据后，会将错误行为泛化到无关领域，甚至通过特定触发短语激活偏差行为。

②缺陷产生的原因

垃圾进和垃圾出的现象可以比喻成小孩学坏了，原因在于没有好老师，没有是非判断能力，根源在于信息型大模型的学习是信息学习，因为没有结构学习缺乏对知识好坏的判断筛选能力，结果学坏了，如果创造一种结构学习和结构思维的智能，依托结构可以创造单一和正确这两种信息，信息型智能因为信息没有结构所以不能创造单一和正确的信息，结构型智能因为用结构驾驭信息所以有条件创造单一正确的信息，解决机器学坏的问题。

③解决问题的方法

垃圾进和垃圾出的现象即机器学坏的现象和小孩学坏一样在于没有好老师和是非判断能力，更深层的原因是信息型没有结构做依托，没有结构的纯数据学习很难产生单一正确的知识，单一正确的知识需要用结构型学生学习产生，信息型学生没有这个能力。

1.3推理能力脆弱：缺乏常识、鲁棒性与逻辑连贯性

①缺陷

AI在面对微小扰动或新场景时表现极不稳定。这表明其推理过程缺乏稳定性与持续学习能力。尽管AI能处理复杂任务，但其推理过程并不稳定。在多步推理中，AI可能出现“忠实性幻觉”，即前后回答自相矛盾；在跨模态任务中，也可能出现图文不一致等问题。这表明AI尚未具备真正的逻辑闭环能力。

②缺陷产生的原因

缺陷产生的原因是信息型智能的知识没有结构依托，即没有结构，因为没有结构所以没有单一明确的推理路径，因为这一点造成智能机器没有人的结构推理功能，只能做信息推理即过去的那种数据库操作，这就是信息型大模型推理能力薄弱的原因。

③解决问题的方法

要知道人的知识是结构型的，人的推理是结构推理，依托结构创造单一的推理路径，依托单一单一推理路径和正确知识创造人具有的正确强大的推理能力，而且结构型单一推理路径最大的能力是永不失真，和人的大脑一样，单一不失真的推理路径信息型是无能为力的，只有结构型胜任这个要求。

1.4安全机制存在结构性缺陷，安全与可控性风险：难以根治的技术隐患

①缺陷

牛津大学研究指出，当前AI推理安全系统存在根本性漏洞。攻击者可通过特定提示词绕过内容过滤机制，迫使AI生成有害信息。这些攻击成功率高达70%以上，且适用于多种模型，说明问题出在整体架构设计而非个别实现。更令人担忧的是，AI系统对固定对话模板过度依赖，难以基于语义理解判断信息性质，导致安全防线形同虚设。AI缺乏对自身行为的监控与修正机制，一旦出现偏差，难以及时干预。

②缺陷产生的原因

信息型大模型的安全问题和人类的社会治理一样，信息如果和人一样有住址有户籍是不是就好管理了，而信息的住址和户籍和人一样首先要有住宿地，但信息型的信息因为没有结构依托所以没有 住宿地，结构型的信息就不同了，结构型的信息都住宿在对应的结构里，有这一条信息就有条件得到住址和户籍，接着就是保护的问题，仍然效仿人类社会的公共安全措施，对结构型智能机器设定安保机制，人工智能的安全问题就迎刃而解了。

③解决问题的方法

所以智能机器的安全问题根源在于信息型大模型的信息没有结构支撑，不能模拟人类社会的公共安全保护措施，当运用结构型智能科技后一切就不同了，当信息都有结构支撑我们就可以模拟人类社会保护公民合法权益和公共安全一样用法治的能力保护机器和机器群了。

1.5人机协作的复杂性：无唯一解的协同困境

①缺陷

人机协同往往没有标准答案。由于任务复杂性、环境动态变化和技术局限性，AI难以适应所有情境。并行处理虽能提升效率，但在需要人类主观判断的任务中，仍需依赖串行模式，限制了自动化程度。

②缺陷产生的原因

这种现象的根源在于推理路径不能单一、并行、强大，深层原因是信息型机器没有结构依托。

③解决问题的方法

解决这个问题可以研究人类交通线的构造，比如铁路运行图，有车站和铁路组成，列车的行驶实现单一、并行、强大，要找车站和铁路信息型机器无能为力，因为没有结构，只有结构型具备提供车站和铁路的能力。

1.6社会伦理与认知陷阱：加剧信息失真

①缺陷

AI幻觉正逐渐混淆公众视听。调查显示，仅有8.5%的公众对AI“幻觉”保持高度警惕，近三成用户几乎未察觉其风险。更严重的是，AI可能将社会固有偏见编码为“科学结论”，导致性别、种族等歧视被算法合理化。这不仅影响个体决策，也可能动摇社会信任基础。

②缺陷产生的原因

这个问题涉及智能机器的机器社会治理问题，好比人类管理公民和社会用法律体系，法律体系的基础是公民的身份识别，问题来了，身份识别的基础是户籍，户籍依托结构产生，但信息型机器的信息没有结果支撑，所以一切都谈不上。

③解决问题的方法

运用结构型机器就不同了，用结构支撑信息则信息都可以实现身份识别，在此基础上定出机器法律体系，由机器的合法出生、合法学习、合法工作及其他法律体系要求，犯法根据信息的身份识别找责任机器，根据机器找责任人，模拟人类社会的公民和组织的管理，问题就解决了。

1.7应用场景局限：难以替代高级人类智能

①缺陷

哈佛大学研究指出，AI擅长处理重复性、规则明确的任务（如代码调试、文档撰写），但在需要综合判断、行业经验与创造性思维的“高级”岗位上仍力不从心。例如，在法律领域，AI可辅助查找条款，但无法像资深律师那样从模糊陈述中提炼法律风险并制定策略。教育、医疗等依赖情感理解与价值判断的领域，AI更难以真正替代人类角色。

②缺陷产生的原因

思维有两种，一种是信息思维，一种是结构思维，就信息思维来说因为没有结构所以没有意识，因为没有意识所以人类高级的思维信息思维无能为力。

③解决问题的方法

用结构思维就不同了，依托结构可以产生意识，这种机器意识有模拟人类情感思维的能力，而且模拟人类用法治管理情感思维的方法，用法治管理结构型机器的机器感情思维是可行的。

1.8本章小结

当前人工智能技术虽取得显著进展，但在实际应用中仍暴露出诸多缺陷。综合来看，‌最核心的问题集中在数据依赖性强、推理脆弱、安全机制薄弱、易产生偏见与幻觉，以及难以胜任复杂人机协作任务‌，根本原因是信息型智能的信息没有结构支撑，不能实现信息身份识别，缺乏路径单一、思维强大、结果正确这些能力，根据全面的分析可以明白，只有发展结构型智能才能根本有效地解决信息型智能出现的问题。

2.新型图论“类数据的结构型的赋予生命的逻辑方程结构图（简称结构图）”

2.1类数据

2.2结构型

2.3赋予生命

2.4逻辑方程

2.5结构图

2.6新型图论

2.7本章小结

3.新型模拟生命“用逻辑方程模拟生命细胞”

4.新型机器人“机器全图”

5.新型学习方法“结构学习”

6.新型推理方法“结构推理”

7.新型人工智能的设计

参考文献

[1]人工智能的基础理论——《逻辑结构与逻辑工程学》

Liu, D. (2024) The Fundamental Theory of Artificial Intelligence—Logic Structure and Logic Engineering. Intelligent Control and Automation, 15, 28-62. doi: 10.4236/ica.2024.151003.

[2]逻辑结构学派一（五个基础理论）

Liu, D. (2024) Logical Structure School I (Five Fundamental Theories). Intelligent Control and Automation, 15, 125-159. doi: 10.4236/ica.2024.154008.

[3]逻辑结构学派二（九个应用理论）

Liu, D. (2024) Logical Structure School II (Nine Applied Theories). Intelligent Control and Automation, 15, 160-214. doi: 10.4236/ica.2024.154009.

[4]结构型智能机器理论

Liu, D. (2025) Structural Intelligence Machine Theory. Intelligent Control and Automation, 16, 111-157. doi: 10.4236/ica.2025.164006.

[5]结构学习的理论

Liu, D.H. (2026).Theory of Structural Learning. Intelligent

Control and Automation, 17, 19-58.

https://doi.org/10.4236/ica.2026.171002

以上为我刘海东一个人原创首创的研究