马毅，香港大学计算与数据科学学院院长兼数据科学研究院院长，他也是电气与电子工程师协会、工业与应用数学学会以及美国计算机学会的会士、加州大学伯克利分校电子工程与计算机科学系教授。
他说：当前的大模型只是“表面功夫”，离真正的通用人工智能还有很远；“AI威胁论”背后更暗藏资本博弈……他预言：5-10年内或诞生“动物级”自主智能，但人类距离真正的通用人工智能仍很远。
吴小莉专访马毅，凤凰卫视中文台5月5日晚20：30播出。
1
马毅：现在人工智能试错成本太高，
变成少数人的游戏
机器学习人手操作
马毅：我们要让机器模仿人的动作，首先要让人先教它，记录下来，这样多次演示之后，机器就可以通过它的大脑记住了，以后就能完成类似的任务。
吴小莉：其实所有的实验室可能都在做类似的一些事情，我们的实验室想要达到的目标不只是重复、不只是模拟，对吗？
马毅：对，当然不是。这问题问得非常好！以前大家有一种误解，好像我们就收集大量的数据、大量的关于人是怎么做的知识，让机器记住就好了，但真正的通用不是这个意思，真正的通用是指：只有“学习”这个能力是通用的，而不是我“具有多少知识”这个机制是通用的。我即使不会，但我看一遍，我是具有人的模仿能力。
吴小莉：为什么现在所有的模型，还没有办法达到“我有模仿人模仿的能力”？
马毅：所以这是方法的问题。
吴小莉：您一直提到：现在的大模型是在试错，没有一些新的原理和突破。您觉得今年年初DeepSeek出来之后，它和已有的大模型有什么本质上的区别？
马毅：实际上DeepSeek也还是顺着已有的大模型构架，但是它在同样构架的优化、实现上面做了很好的工程化，这使得它效率大大提高，所以这也是非常了不起的，但本质上它做的是同样的一件事情。比如说大家都还是在造车，只是它的成本或者材料可能更好一些，所以最终的成本也会好一些，效益也提高了。但是类似的这种工程化的东西也很容易被别人实现，甚至被超越，所以这是一个相互竞争的过程，也是一个适者生存的过程。
但为什么最近的改进越来越少了？因为现在试错成本很大。即使你有很好的想法，你想改，但要在那个规模上改进、验证很难，试错成本太大，一般的公司很难支撑。像埃隆·马斯克有一个10万张卡的集群，所以他可以很快地立项，实现立项工程，也可以在这个基础上再进行迭代、试错和修改。所以变成了少数人的游戏，资源集中、资源丰富的团队可以去做这样的事情。实际在一定程度上，也是这种方法论，会阻碍人工智能进一步发展。
2
马毅：机器真正具有智能
是学习知识的能力，而不是掌握知识
吴小莉：现在看起来大家都觉得信心满满，各种AI的应用都在实现。
马毅：是的。两件事情要分开，一个是现有的智能技术、计算平台，尤其对数据的处理，数据里所包含的知识提取能力是非常有用的，远远超过人的能力。这种能力本身对科学、尤其在某些领域的科学，可以大大地加速进行辅助，包括今年的诺贝尔化学奖，在蛋白质结构这样的问题上就取得非常大的进步。但并不意味着这就是智能本身！从某种意义上来讲，包括我们看到的动物也好、人也好，我们的生存能力、适应能力，并不是为了去解决科学问题，甚至不是为了去解决非常复杂的问题，往往是在这种日常的、非常常规的、丰富多彩的任务中，有非常健全的学习和适应能力，这是现在的人工智能技术所达不到的，至少本质上很难达到。
比如，很简单的一个任务：一个机器人在家里能不能帮助一个老人吃药。老人中午、晚上要吃药，得找到他要吃的药瓶，读懂上面的说明，知道他吃几颗药，把瓶盖打开拿出这个药，看似是我们人类非常日常的任务，实际上它已经要求我们对环境的感知、认知、语言理解能力、规划能力、执行能力，都要达到一定水准才能完成这项任务。
吴小莉：所以您也常常说到，人不要只看到现在人工智能发展的积极一面，也要看到它的局限性。如果我们不看清楚它的局限性，或者是不去注意的话，会产生什么结果？
马毅：第一，有时候会过度相信现有的技术，甚至是过度地投入。至少在一年前人都相信，通过现在的大模型规模化上去，就能实现通用智能，但现在相信这一点的人，我想少了不少。
吴小莉：原因是？
马毅：即使更大的投入，它的回报已经很小了，专业名词是“收益递减”，埃隆·马斯克集群10万张卡实际上也就提高了大概1%的性能，同时它们的功能现在变得比较单一。
吴小莉：所以您说的局限其实是说路径单一的局限。一般的人工智能要完成人普遍能做的事情，其实大家都还在努力中，如果用同一个路径是很有局限性的。
马毅：对。实际上我们在好几年前就已经在倡导，包括我们的主力研究也是沿着怎么去让机器真正具有智能。智能是学习知识的能力，而不是掌握知识。人所发现的知识跟人具有发现知识的能力，这完全是两回事情。当这件事情清楚之后，可能对人工智能以及智能本身的理解，会少很多的误解。
3
马毅：历史上我们对AI
有过大的期望……
吴小莉：“多模态AI”是什么？您心目中理想的“多模态AI”的发展未来是什么？
马毅：实际上我们人就是多模态。我们的五官，我们的视觉、嗅觉、听觉、触觉，是我们的大脑在处理这样的模态信息。大家现在经常会有误解，认为语言是一个模态，语言不是模态，语言是我们从多模态的外部物理信号里面体验、学到的最终的知识，以语言的形式所凝练。所以我们希望人工智能终极的状态应该非常接近人类的大脑，通过外部的感知学到外部世界的核心知识，把它高度凝练、高度抽象，然后甚至能跟人交流，要达到这样的水平。
历史上我们对AI有着过于大的期望，往往只有撞到南墙之后，才想到是不是关于自然界还有我们不了解的东西。所以我相信在实现下一代真正智能系统前，还有至少两件很重要的事情需要向我们的大脑、向自然界的智能学习。一是全新的一些体系结构，而不是现在的这种体系结构；第二就是优化机制。大家都知道现在训练大模型都是全局进行优化，几十亿个、几百亿个参数统一进行优化，但这是一种简单粗暴的方法，几十亿的参数就要用几百个兆瓦时，自然界是不做这个事情的。我们人在学习过程中，大脑优化改变的神经元是非常稀疏、非常局部化的，它不是所有的神经元同时迭代，同时优化，脑袋早就爆了。
所以我们至少还有好几件事情要向我们的大脑学习。一个是本身的体系结构，我们人类大脑皮层的结构跟现在的大模型是完全不一样的。有时候很多人说我不相信规模化法则，实际上这是一个误解，我只是在质疑该规模化什么，我不认为规模化现在的这些模型，就能实现通用人工智能。你看自然界，人脑的结构和老鼠的结构物理形态很像，包括大脑的皮层很像，但是自然界知道去规模化这件事情。
吴小莉：这也仍然是您现在正在寻找的。
马毅：对。不是我们不相信规模化法则，而是我们要找到正确的、该去规模化的东西。
4
马毅：目前的AI技术没有风险
离真正的人工智能还有很远
吴小莉：人工智能尤其是ChatGPT出来以后，大家突然觉得未来已经到眼前了，也有一些人提到说：是不是大家缓缓？人工智能可能会出现一些问题，甚至像原子弹一样。您那时候在社交平台也说，宣传“人工智能威胁论”的人，要不是无知、要不就是有目的，那您现在看起来大多是无知还是有目的？
马毅：当然我也不是唯一有这样观点的人，实际上包括像杨立昆，我们的观点也很像。一方面我认为再伟大的人也有自己不知道的东西；另外还有人抱着不可告人的目的，你看看现在说 “AI威胁论”的，说它是原子弹、病毒，是会毁灭人类的，绝大部分是在AI上投入最多的人。
吴小莉：他希望放缓别人？
马毅：他的目的到底是什么，大家可以去猜测。他说这东西危险，很希望政府来介入、来监管，实际上某种意义是说让小公司没有机会，让竞争对手没有机会。
吴小莉：霍金是不是确实也警告过人类 AI的危险？
马毅：智能最终实现之后，对人会不会形成竞争和威胁，这个有待考察。目前已经实现的技术，在目前AI这个名字下实现的技术，它本身有没有危险？我的结论是：绝对没有。但真正实现了一个完整的智能系统，类似于动物、类似于人类这样具有自己学习的系统之后，我们可以再去判断，那是件完全不同的事情，但我个人认为我们还远远没有到那一层。
吴小莉：真正的人工智能应该是什么模样？您所谓的“很远”，您觉得还有多远？
马毅：比如说一个有自主学习能力的智能，实际上在动物层面，像猫狗这样的，这是第一层次，我们现在的系统还没有达到猫和狗这一层；当我们达到这一层，接下来就是到人，人所特有的智能，实际上是我们人的抽象、数学、逻辑和产生假说去验证的能力，是现代科学的这一层的智能，如果实现了这一层，才是真正意义上的人工智能，这是我个人的判断。
我认为在今后5~10年可以实现的是一种自主智能。那时候，我们能看到像类似于动物一样的、在一个开放的物理世界、自己形成自己的感知、形成自己的视觉记忆，然后提升自己的决策和执行能力。我相信这些在今后5~10年会逐渐看到。真正的人工智能何时能实现？我不知道，我希望在我的有生之年去实现这一层。
5
要成为人工智能顶尖人才
需要什么样的特质？
吴小莉：我们知道像著名的李飞飞和何恺明这些学者，您都是他们的伯乐。
马毅：我都跟他们的第一份工作有关。
吴小莉：那在您看来，要在人工智能方面成为一个顶尖的人才，需要什么样的特质？
马毅：我举个例子，原来我们在微软招学生时，叫“三好”学生——数学好、编程好、态度好。我着重讲一下“态度好”，我的理解“态度好”至少包含两个两层意思：一是心理素质要强大，要能够屡败屡战，坚持正确的方向、正确的能力；二是积极态度，要不断学习。我们对人工智能的理解，还在很初期、刚刚入门的阶段，很多人初窥门径，还有很深入的科学问题、数学问题、计算问题，还有很长的路要走，在这个过程中，更要保持不断学习新知识、快速接触新知识的心态。
今后的10年、20年、30年，人工智能很可能是一个快速进展的时期，逆水行舟不进则退，所以我们希望我们的学生要做好这样的心理准备。我对智能的定义是能够不断学习新的知识、改进旧知识，这才是智能的特点，不是你掌握了多少知识，所以这可能对学生也有一些启发。
在大学和工业界不一样，工业界为什么希望把事情做得更好，但它不一定关心这件事情本质上是不是正确的，它的目的是要把最终的产品做出来，做得比竞争对手更好。
而实际上学校的价值在于做前瞻性的、突破性的东西，即使它肯定有风险、也有一定的不确定性。我们带学生有一点是确定的，就是我们在大学的目的是培养学生，哪怕他做的这个事情最终是有风险、有挑战，但是通过这个过程他得到了正确的科学训练。我们希望他在毕业以后，30年、40年以后，带着正确的科学知识基础、正确的科学方法去做出真正“0到1”的突破！
制作人：韩烟
编导：梅苑
编辑：金芃
