近日，中国科学院院士梅宏指出，当前社会经济发展中，人工智能（AI）无疑是焦点之一。技术的迅猛发展，尤其是深度学习方面的突破，不仅推动了AI技术本身发展，也对社会经济产生了深远的影响。然而，在这一片繁荣景象的背后，作为AI领域的大同行，对当前AI发展中的“过热”现象表示了担忧，并对AI技术路径多样性欠缺的问题提出了思考。

　　他表示，AI发展历程中，从最初的算术计算到图灵提出“机器能否思考”的命题，再到如今深度学习的崛起，技术的进步与应用的广泛，引发了人们对机器智能的担忧。当前，AI在感知能力方面取得了显著进展，但在认知能力和行为智能方面与人类相比仍存在较大差距。此外，AI的定义至今未能达成共识，人们对智能的理解仍停留在人脑智能的基础上。

　　梅宏认为，现阶段AI的成功源于深度学习，这只是AI研究的一个子领域，其本质是数据驱动的智能、计算实现的智能，即“数据为体、智能为用”，犹如燃料与火焰的关系，燃料越多，火焰越大，燃料越纯，火焰越漂亮。对当前基于深度学习的AI所取得的突破性进展，他是高度认可的。大语言模型带来的最大震撼在于，它可以讲“人话”了，而且语法能力超越了人类平均水平，甚至超越人类的中上水平。大语言模型，乐观判断，也许会成为继计算机、互联网之后，计算科学发展史上的第三大里程碑。

　　同时，我们需要清醒地认识到，当前以算法、数据、算力为核心要素的AI技术路径，其持续发展面临重大障碍，原因是尚未出现变革性苗头，对数据的依赖越来越严重，对算力的消耗也越来越巨大。理想的AI应当是低熵的，不以计算资源的消耗换取智能，也不以复杂性的提高换取智能；也应当是高安全的，模型的输出符合真实情况，生成结果确保对人类无害；还应当是不断进化的，具有环境自适应和终生“学习”能力，能不断完善并具有“遗忘”能力。离实现这样的目标，我们还有很长的路要走。

　　本质上，当前大模型的竞争已成为“数据工程”的竞争。对于学术界来说，在当前的大模型竞争中面临着算力资源和数据资源的不足，且“数据工程”的定位与学术界探索基本原理的使命不符。未来，大语言模型的发展可能需要走向开源，以便全球共同维护和利用。

　　梅宏认为，AI生成的内容（AIGC）在带来便利的同时，也可能生成错误或虚假的内容，这对人类知识体系构成了挑战。因此，我们需要在AI的应用中权衡利弊，确保AI的发展不会超出人类的控制。

　　AI在科学研究中的应用（AI4S）展现了巨大的潜力，但它不能替代科学家的角色。科研的核心在于通过不断的探索和验证去伪存真，而AI应作为科学家的助手而非共同科学家。

　　梅宏认为，面对AI的“春天”，我们需要警惕当前技术路径的局限性。追求规模和资源消耗的“蛮力”训练路径不可持续，而科研应追求简而美的模型。此外，对于AI作为一个独立学科的问题，AI的发展离不开计算机科学，不应过分细分专业领域。