“過去十年人工智能在技術端上迅速發(fā)展，但在‘智能’上并沒有界定清楚，把智能跟知識完全混淆在一起，一個系統(tǒng)有知識就有智能了嗎？”
12月13日上午，在上海人工智能實驗室發(fā)起并主辦的首屆“浦江AI學術年會”上，香港大學計算與數(shù)據(jù)科學院院長、AI講座教授馬毅進行了一場“探討智能本質”的演講。
馬毅在演講過程中，對現(xiàn)在主流定義的“人工智能”打上了問號。他認為，過去十年人工智能在技術端上迅速發(fā)展，但在“智能”上并沒有界定清楚，把智能跟知識完全混淆在一起。
真正的智能是什么？馬毅提到，在1956年的達特茅斯會議（Dartmouth Conference）上提出對人工智能（Artificial Intelligence）的定義，智能應該能自我糾正、改進記憶，并能自主獲取新知識。目的就是一定要做人區(qū)別于動物特有的智能，比如具備抽象能力、符號運算、邏輯推理、因果分析等能力。但現(xiàn)在的GPT有知識但并沒有“智能”。
回看過去十年，馬毅認為，“人工智能”在做的工作主要集中在圖像識別、圖像生成、文本生成、壓縮去噪、強化學習。不過，這并不是主流的大模型，現(xiàn)階段相當于在做非常基礎層面的工作，包括預測下一個Token（計算機術語，一種用于身份驗證和授權的令牌）、下一幀圖像。馬毅稱，Sora的核心原理其實非常簡單，本科生都可以了解。
馬毅說，當前，人們都在討論單個模型，認為只要模型足夠大，就能通過購買芯片和砸訓練數(shù)據(jù)來實現(xiàn)“智能”。但他認為，這并不能解決所有問題，因為這連自主學習的能力和機制都沒有實現(xiàn)，只是展現(xiàn)出人類記憶中的碎片，無論是識別還是生成，都只具備記憶的局部功能。
馬毅表示，過去十年我們在智能這一階段只做到相當于人類聽覺（auditory）這一層，現(xiàn)在必須成系統(tǒng)，把多個閉環(huán)組織起來，形成對復雜的外部世界的信息整理和提取系統(tǒng)，這才真正相當于人類類腦的機制。
馬毅提出的人工智能發(fā)展的三個階段。
他認為，現(xiàn)在的人工智能可以結合自然智能的發(fā)展重新定義。第一階段，類似于DNA階段，第二階段，讓個體能夠有大腦產(chǎn)生記憶，能夠自主地學習新的知識，包括糾正現(xiàn)有的知識。“現(xiàn)在個體和動物已經(jīng)有這個能力，但真正的大模型還沒有到這一階段。”第三個階段，是掌握人的邏輯，比如符號、抽象、數(shù)學和因果推理。
馬毅會讓學生做一件事，測試大模型明不明白數(shù)的概念，“很負責任地說，當前沒有任何大模型有自然數(shù)的概念�！瘪R毅說。
馬毅認為，科學的發(fā)展確實到了讓人興奮、激動的時刻，大家都對智能產(chǎn)生了興趣。但“實際上過去十年可能并沒有進步，反而有些退步。”在馬毅看來，當下的年輕科學家如果想要超越，拿下一個諾貝爾獎，一定不要隨大流，要敢于坐冷板凳。1956年達特茅斯會議上一群人選擇做和主流不一樣的事，后期這些人都獲得了圖靈獎、諾貝爾獎。
馬毅是AI機器視覺知名學者，1995年本科畢業(yè)于清華大學自動化專業(yè)，1997年獲加州大學伯克利分校（UCB）電子工程與計算機科學碩士學位，2000年獲UCB數(shù)學碩士學位和電子工程與計算機科學博士學位。博士畢業(yè)后，馬毅獲美國伊利諾伊大學香檳分校（UIUC）教職。
2009年，馬毅正式加入微軟亞洲研究院，擔任視覺計算組的研究經(jīng)理和首席研究員，并接手由沈向洋創(chuàng)辦的視覺計算組（VCG），后來國際上知名的計算機視覺專家何愷明、孫劍等都是馬毅當時的同事。
2014年，馬毅以全職教授身份加入上�？萍即髮W信息科學與技術學院，成為該學院在計算機視覺研究方向的帶頭人。2017年，他從上海科技大學離職，全職加入加州大學伯克利分校電子工程與計算機系。2023年1月1日，馬毅加入香港大學，出任數(shù)據(jù)科學研究院院長。
