今天我想谈一谈大家都很关心的议题，就是关于人工智能的未来发展会是什么样子。

人工智能的发展在社会、产业等各个方面牵动着世界的前途。今天的演讲，最主要介绍的是我所熟悉的一部分，那就是从一个纯科学的角度来讲，人工智能领域现在正在进行以及将来最有希望的发展方向是什么。

人工智能领域最明显的趋势有两个，一是怎样从弱智能走向通用智能；二是人工智能的发展，使得本来就已经相当明显的学科交叉工作变得更加活跃、更加重要。我会在具身智能、AI+量子、AI仿生、人工智能新的基础理论以及AI安全等方面各给大家举一些例子。

第一个趋势是从弱智能走向通用人工智能。

20年前的人工智能可以做到人脸识别，到后来可以下围棋。这些单一的、人们觉得非常困难的工作，它能够做到超过人类。近年来出现的ChatGPT，在语言能力上表现出一种非凡的智能。大家都能感觉到，现在最好的大模型确实比普通人，甚至是受过高等教育的人显得更加聪明。

当下一个重要趋势，就是走向更通用的智能，让人工智能能够处理更多的事务。具身多模态的通用智能，是大家关心的正在研究的一个对象。怎么样让将来的AI系统或者说机器人，有机会能够了解物理的世界，同时在这一过程中产生智能，就像人所能够做到的那样。

第二个趋势是学科间的交叉赋能，从单一学科走向交叉化，在生物科技、医疗健康、新能源、新材料等方面都已经有一些例子，在寻求颠覆性的科技创新，也已经看到一些突破性的成果。这个趋势将来一定会深化，且将要改变整个科学的面貌。

其中大家非常熟悉的，就是AI和生命科学的交叉。Alphafold的最新版本展现出非常可观的能力，它就是用AI算法来预测蛋白质的三维结构，甚至是动态的结构。我们普遍认为它的影响非常深远，提高了医学病理研究以及新药研发技术的水平。

很有意思的一点是，AlphaFold的开发者Demis Hassabis 和 John Jumper去年获得了拉斯克奖（Lasker Award）。这是一个非常重要的奖项，说明人工智能在交叉上确实做出了非常了不起的工作。

接下来谈谈我们在中国做了一些什么事情，我想举五个例子。

第一个，走向通用人工智能的第一步，就是具身智能，或者用通俗的话来讲，我们想要产生一种具有通用智能的机器人。

这当然是一个主流的方向，因为它不但在科学上重要，在产业上也有无可估量的重要地位。它把已经在国计民生上重要的机器人这个传统产业，与新兴的人工智能产业，通过智能机器人结合在一起。未来的世界，一定是一个人和机器人相处的世界。机器人当然可以有各种样子，但是我相信，将来机器人的数目会比人更多，会变成社会中重要的一分子。所以它一定是一个核心产业，一个制高点，不能不争取，要考虑怎么把这件事情做好。

通俗来讲，很多工厂现在都使用了机器人，能够做一些相对重复、简单的工作，它需要比较有力量，但不需要太多智能。我们怎么给它一个大脑，让它能够走出工厂，从事更多其他事情？这是一个很重要、很艰巨的任务，它的进步是可期的。

这完全是实力的比较，人工智能领域水准越高、人才越多，做具身智能就一定能走在别人前面。这也是一件相当严峻的事情，如何提升中国人工智能人才的强度、数目，是我们不能不关注的问题。

还要考虑如何让机器人能够从事各种复杂的任务，应对不同场景。传统的机器人在工厂里做得很好，不出乱子，但那是在一个单一环境，是用控制论做的传统技术，没有本领应付突发事件，或者面对稍微复杂一点的场景。但是新的大模型，把大脑放在机器人里面，让我们第一次感觉到这件事情是可以做到的。这和自动驾驶也是相关的。

清华大学交叉信息研究院陈建宇团队做的一个机器人，看上去和普通的机器人区别不大，但它有两个特点：第一，它能做一些传统机器人没有办法做的事情；第二，这是在清华大学的研究院开展的，它有一个独特的优势，就是我们研究院里面至少有七八个做具身智能的老师，陈建宇特别会做的是硬件，其他的老师有些是专门做视觉的，有些是专门做触觉的，他们有各种不同的感官研究专长，这些人都是世界上最高水平的。有这么多专家在同一个地方，能够对这样的计划做贡献，这是非常难得的。

所以我说，这种基础的、高水平的研究，一定要在学校里面做。也许美国的情况是一些大公司可以做，但中国的普通公司，没有可能雇到这么多在学术前沿做贡献的人才。这件事情是需要各种人才的汇聚才能做到的。

第二个例子是AI和量子物理的结合，通过AI赋能量子物理。

清华大学交叉信息研究院邓东灵老师团队做了一个工作，首先实现了拓扑的时间晶体。拓扑的时间晶体是在理论上可以建构，但在现实世界中没有的。我们如何在一个量子系统，或者量子计算机里面，构造出这样一个自然界没有的系统，实现这个崭新的观念？人工智能就使得这件事情变成可能。

这是人工智能、量子计算和凝聚态物理的交叉学科。这件事情重要的原因是这个观念非常新颖，大概十多年前由诺贝尔物理学奖获得者Frank Wilczek提出。空间晶体是大家非常熟悉的，虽然自然界的物理对于地点是有对称性，但是晶体打破了这种对称性。Frank Wilczek就想到，时间上的对称性是不是也可以被打破？这是一个非常新颖的受到物理学界注意的观念。

这种拓扑的时间晶体，就是一种特别的具有拓扑性的晶体，此前没有人能够实现它，直到邓东灵团队才实现。人工智能在其中发挥什么作用呢？因为要做这件事情，其中一个关键是需要设计出一个好的量子模拟线路，这就是人工智能能够大显身手的地方。

第三个例子对我来讲更加新颖，就是AI仿生。

如何从自然界得到灵感，来帮助设计出一个我们想要设计的工艺产品？大家都知道，我们看到鸟飞，使得人类想到，是不是也可以做一架飞机，让我们像鸟一样飞翔。自然界给的灵感非常重要，我相信如果世界上没有鸟，我们人类社会将不会产生在天空飞翔的观念。

清华大学交叉信息研究院的杜韬老师，看到翅果在自然界能演化出上百个不同的模式，它的种子传播是靠一种旋转的物理过程，让它在空中能够停留久一点。大家猜测，它留得久，种子传播的范围就大一点。将大自然的奥妙放到工程上应用，就产生一种有特殊性质的飞行器。

杜韬团队收集了50余个翅果的样本，用三维扫描重建几何模型，再用这些几何模型作为AI学习的基础。这是从自然界走到AI设计的方向。你可以用某种方法看翅果自旋的速度，然后得到一个设计。杜韬团队就用纸张来制造一个新的翅果模型，并用物理模型做实验，结果他设计出来的翅果的自旋，相比于自然界最好的翅果能加速30%，有利于它飘得更远。

杜韬不是把一般的AI技术原封不动地拿来做研究。其中有AI本身的技术研究，因为这是一个小样本的学习，只有50多个翅果，如果用普通的方法来做，得不出好的结果，必须在科学上利用物理的性质，使得AI的学习能够成功。这就是为什么我说有些研究一定要在高校做的原因，因为只有在高校，大家能够有这个能力，有这种高质量的人从事研究。

第四个例子，讲一个崭新的AI基础理论。

清华大学交叉信息研究院袁洋老师的团队运用了一个数学上的高级理论，叫做“范畴论”，用它透视并且改进大模型。因为范畴论不像普通的代数或者几何，是一个相对比较稳定的系统，范畴论是非常高端的，在所有领域都能用到的一种语言，他用范畴论来透视并且改进大模型。图灵奖得主霍普克罗夫特看到这个研究，他评论说“这个工作给AI基础理论带来机遇，将来一定会发展成为重要的方向”。

我稍微讲一下他用范畴论能做什么事情，如何从范畴论的角度来看大模型。大家对大模型常常有一种误解，认为要有无穷多的资源，比如要有数据、算力、参数、完美的训练，模型可以学习到任何事情。但是没有人讨论，这个模型，是不是即便有这些条件也做不了？

这就是科学研究当中一个重要的问题，不要老是在已经有的方法上跟人家拼，买更多的算力卡来应对。范畴论有一个对比学习或者叫遮挡学习的方法，就像ChatGPT在文本上做的学习，还有在语言模型中的学习，用范畴论来刻画预训练的算法，它可以刻画出模型的边界，什么能做、什么不能做，这是非常漂亮的数学工作。

最后，提一下AI安全。

我提这件事情，是因为国内对于新的理论一般跟进得太慢，大都等到别人在这个领域作出了基本的创作工作之后，才有信心跟进。所以我们面临一项很重要的工作，就是如何能够注意到世界上出现的新趋势？

这个安全性的工作有很多人在做了，但还是在“治标的“大模型的管理方向上做。现在，已经有人提出了几个非常了不起的方案，看怎么能够制造出一个独特的人工智能系统，否则等到别人已经做出来了，我们再追赶就晚了一步。

安全性方面，首先是AI算法先天有缺陷，使得它容易被攻击；另外一个是AI的应用，看起来是好事情，但会带来一些社会问题、伦理上的冲击；还有就是在别的科技大进步中也会出现的问题，比如生物的基因编辑或核反应等突破性的科技变化，对整个世界可能会带来灾难。在人工智能领域，这种灾难是更加危险的，因为它无所不在。所以AI安全是一个新的交叉领域，也值得我们国家的研究人员注意。

AI安全这件事也有它的机遇，就是提供了国际合作的契机。现在AI的国际合作确实比较困难，但在安全问题上，全人类都是同一边的。所以在理论上，这提供了一个契机，大家可以在AI的安全上合作。有一个叫IDAIS（International Dialogues on AI Safety）的会议首先由发起人在英国举行了第一次会议，今年3月在北京举行，9月在威尼斯举行。大家进行了一些交流，提出了一些宣言，以供世界各国政府考虑。

总结来说，人工智能在各方面发挥了催化作用，包括促进各领域加速交叉，促进科学与工程互动，在科学上也创造了新的领域、新的契机，它的前景辽阔。

现在中国在人工智能领域的基础研究工作，跟5年前完全不一样。我们现在也可以创造一些别人还没想到的东西。这5年的变化非常大，我们也引进了不少人才，也让他们成长了一段时间。现在的中国，已经有一些地方可以产生出世界一流的，能够和伯克利、斯坦福相比的AI毕业生。以后的若干年，每年会有10个、20个能够和世界一流高校的博士生相比的毕业生。我们本土产生的人才，可以分布在中国各个好的高校，就像是种子一样，经过5年、10年，中国的一流高校会能够出现和世界一流AI高地同样的人才。这些人才你打着灯笼都难引进的。所以现在我们国家在培养AI人才方面，比5年以前大大进了一步。

同时我也深深感到，“新基石研究员项目” “科学探索奖”是在另外一个层面，能够使得中国的一流人才聚集起来、凸显起来，在推动国家科技项目的评审、提供科学建议方面，我觉得这是一个了不起、划时代的贡献，让我们拭目以待。