对话朱松纯：中国的AI叙事关乎国运

2017年，朱松纯提出了“小数据、大任务”范式，核心是“给机器立心”，让智能体可以自主性地构建物理的感知，因为这是在数据中看不见的。

在这个理论体系下，通研院训练出了由价值、因果驱动的智能体“通通”，只用了10张显卡。整个通研院，也只有一两百张卡。

到今年，“通通”的智商和情商相当于一个五岁左右的小女孩，能够在一定程度上理解周围环境，有自己的个性，会耍赖、撒谎。

来源于《通用人工智能标准、评级、测试与架构》

相比之下，在一些测试中，大模型能通过人类司法考试，在数学、编程、法律等学科的表现接近人类博士平均分，在医学考试中的正确率能够超过大多数医学博士考生，看起来似乎厉害多了。

但朱松纯认为，AI会解几何题、能打螺丝，这些是专业能力，不是通用、泛化的能力。做出来的答案，可能是蒙的，也可能是刷题或者死记硬背的。有着认知架构的通用智能体，可能现在幼稚，却有自主性和成长性。

他一再呼吁，中国要形成自己的AI叙事，不能一味地跟随硅谷的模式，堆算力、堆数据，要找到一条自己的路线，做原创性的研究。

“我们要非常严肃认真地对待通用人工智能的问题，它不是一个只是炒作的热点话题。真正的通用人工智能还没有起来，还需要接着投入，这是真正关乎到我们国运的选择。”

以下为对话精编：

搜狐科技：注意到您对大模型的态度似乎有一些变化。之前在杨振宁先生百年诞辰活动上，您曾说大模型是非常丑陋的，很难通向AGI，但是您最新主编的这本通用人工智能的测试标准书，把大模型也覆盖进来了，另外通研院也开始在大模型上构建通用智能体的认知和决策体系，这个转变的契机是什么？

朱松纯：当时是谈科学的美，因为对于科学的美来说，整个理性的科学从20世纪黄金和白银时期，你看杨振宁、爱因斯坦这些人，他们构建世界的模型里面可能就只有一两个参数，咱们现在的模型可能几十亿甚至上千亿个参数。

物理模型要解释那么复杂的现象，它只有几个参数或者一个参数，从科学的角度来讲，大道至简，用越简约的模型来解释越来越复杂的现象，这是科学的本质。

大模型不光参数太大，还解释不清楚。搞深度学习的人都不清楚那个模型里面到底是个啥东西，没人能解释，Transformer这里面的表达也是完全无法解释的，所以从这个意义上讲，它肯定是很丑陋的。

但是从工程的角度来讲，它又能够产生比较好的结果，这一点我们不能不承认。

搜狐科技：为什么要把大模型纳为评测目标？目前中美头部大模型的测试结果怎么样？

朱松纯：肯定是要把它作为其中的一种智能系统，因为我们要把所有（种类）智能体都要放进来测，有的是它能够刷一个功能，有的刷很多功能。有的没有具身，我们就给它配个目前最好的身体给它测，从测出来的结果来看，效果确实是不太好的。

搜狐科技：您之前提得比较多的是UV函数，然后您今天讲CUV，这个C是指什么？

朱松纯：就是它的认知架构，它脑袋的复杂度有多大。比如说有一个图像，每个人看的东西都不一样是吧？假设我把人所有能看到的东西综合起来，那就是人的认知的极限了，有可能未来机器看到的比所有的人看到的还多。

这就是C，认知架构，它的英语是“Cognitive Architecture”。我们说C的进化，就是指它能够看到越来越多的节点了。

搜狐科技：对我们小数据、大任务的范式，外界似乎也有一些质疑。

朱松纯：有人说，是不是因为科学的方式在转换，你们是不是掉队了？也有人说你们是不是思想保守？如果数据是一个表层的现象，它是被里面的一些核心的诉求所驱动的怎么说话、怎么做事呢，如果你去拟合表层的东西，你就要很多参数，因为你是去拟合很高维的空间，但是如果你搞清楚了它底层的诉求，你就可以解释很多现象。

这就是我们说的要追求一个简化的模型，这也是为什么我们提CUV架构，我们还是希望不断地追求美和简约。

搜狐科技：您听到这种声音会生气吗？

朱松纯：根本就不需要生气，每个人的出发点都不一样，大部分对这个东西质疑的人，就是属于那种做实验刷榜刷惯的人。

我们刷榜刷了20年了，在20年过程中，已经形成了一个思维定势和习惯。就是说你给我拿一个代码，在哪个数据上让我测一下，试一下能不能work，这就是一种典型的思维。我就感觉很好笑。