专访上海交大讲席教授徐雷：人工智能走了20年弯路之后

主要观点总结

人工智能的发展经历了从符号AI到形象思维的转变，再到深度学习和大模型的崛起，以及形象与抽象思维的结合。文章讨论了AI发展的几个关键点，包括AI的初始弯路、中西方文字的演化对思维的影响、AlphaGo和ChatGPT的成功因素、对推断和推理的区分、对Scaling Law的探讨、DeepSeek的成功原因、大模型幻觉问题，以及AI在B和C领域的未来应用。

关键观点总结

关键观点1: AI的初始弯路

1956年人工智能诞生时，逆着人类从象形到符号文字演化的方向，走了以抽象思维为主的符号AI之路，结果基础不牢而走进死胡同。85年前后神经网络研究兴起，标志着AI发展回到了形象思维轨道，尤其是深度学习的成功应用，确认了AI走上正轨。

关键观点2: 中西方文字的演化对思维的影响

中华文化的文字体现了形象思维，而西方文字演化为符号文字，促进了抽象思维的发展，形成了数学与逻辑，出现了计算机与逻辑。

关键观点3: AlphaGo和ChatGPT的成功因素

AlphaGo和ChatGPT的成功在于形象思维的加入，大大提高了抽象思维的搜索效率。AlphaGo中利用深度学习模型进行形象思维，同时结合树搜索过程，而ChatGPT则通过RLHF让人打分评价回答，实现了两种思维互补结合。

关键观点4: 对推断和推理的区分

推断是形象思维，通常是一个快过程，而推理是抽象思维，需要面对多种可能选择，是一个慢过程。两者的结合是AI发展的关键。

关键观点5: 对Scaling Law的探讨

现在讲的所谓瓶颈，是不断地加GPU也看不到大模型的发展。实际上，硬件规模只是必要条件，还需要考虑系统结构或框架，以及探索智能的本质特性。

关键观点6: DeepSeek的成功原因

DeepSeek成功的原因之一是使用并发展了MoE结构，即混合专家模型，通过并行考虑多个模块，每个模块有专精，再由一个模型调配组合各专家，形成混合模型，实现了宽度与深度并济的学习。

关键观点7: 大模型幻觉问题

大模型输出的“幻觉”可能是一个好创新，关键是如何判断检查出来。通常靠已知的事实、逻辑或规律，以及是否在现实世界里发生。真正的创新需要公认的更高级大脑的认可。

关键观点8: AI在B和C领域的未来应用

AI在B领域的应用已经非常广泛，而在C领域，如AI搜索、对话机器人、教育、情感陪伴等也取得了不小的日活用户量。未来，AI的广度和深度将在各大企业的垂直应用、大规模问题、具身智能等领域进一步打开。