某專家在給我國最高領導層做的講座，如不深度剖析會誤導我國決策層做出錯誤的判斷，造成不可彌補的重大損失。

這里某專家一開始就提出了一個自動駕駛的場景，他認為“十字路口的交通場景是不可預測的”，這一點的描述是正確的。可是他又說“場景中的每個對象或稱之為Object直覺的判斷和他們對相互之間的行為關系的理解，形成了這樣一個相互關聯的穩定系統。”既然場景是不可預測的，也就是說實際上場景中的每一個對象也一定是不穩定的，這里前后矛盾。實際上不僅不能成為穩定系統，而且是在空域上和時域上存在著不確定性，是混沌系統。

這位專家在這里還提出了“機器行為”的概念，這是我們進入AGI時代的人工智能研究的核心問題。

但是，他在機器行為的論述中拋出了“解釋行為是一個比產生行為更為困難的任務”，可在后面的論述卻又在“如何通過解釋獲得像人那樣的機器的行為？”上展開論述。這就把AGI時代的人工智能的發展引向了迷茫的道路，由此可以看出這個講座并不是在苦心研究并取得一定的成果的基礎上所得出的結論，是憑空杜撰的產物。

隨著人工智能的發展，目前已經可以清楚的斷定，人工智能的研究就是要在“機器行為如何自律”，也就是機器的智慧如何超越人類，當然，在現階段還是指機器在承擔某個復雜任務時如何做到不依賴于人的程序的驅動，不依賴大數據訓練，機器完全可以自己決定行為。例如自動駕駛的決策如何繞開圖靈機不可解的NP問題，可以獲得NP=P的邏輯推理模型。可以針對至少是10^32種的選擇中，通過直接的計算在有限的時間里計算出最佳決策結果。因此AGI時代的AI主流模型就是邏輯推理模型，和因果推理模型。這是看得見摸得著的人工智能發展的具體的技術方向，雖然還不能完全被當今的同行所理解，可是隨著當今最為復雜的自動駕駛技術的突破，已經被現實所證明。

至于這位專家的三個階段的論斷就更暴露出對AI方面的研究甚少的問題。

他提出的所謂第一階段專家系統的論調，這已由缺乏實際的算法而告失敗的第二次人工智能高潮提出的產物。

第二階段的“特征工程”不知是什么定義？應該是自動機器學習吧？不通過事先的大數據訓練 讓機器自己接觸物理世界，一邊抽取識別對象的特征一邊識別，一回生二回熟直至獲得機器記憶的AGI時代自動機器學習。

第三階段不就是當今的深度學習嗎？對于不懂AI的中央領導聽了這些內容或許會感到新鮮，可是身處我國的AI專家之口真令人費解。

第四階段“人類只需要將任務和目標交給機器，機器就可以像人類一樣感知和理解世界。”這個想象也太天真了，外行人可以容忍隨意的想象，可是作為我國的著名專家的信口開合，提不出用什么理論，什么模型可以支持這個結果，豈不是犯了欺君之罪嗎？

再往下看，“討論2：機器行為面臨的挑戰人工通用智能現在不僅僅在技術上面臨著重大挑戰，而且還面臨著道德倫理、社會和法律等一系列重大問題。”這部分的討論完全是非AI專業性的內容，這不在我們討論的范圍內。

總之，這位專家的報告中犯了同我國很多的專家相似的問題，由于自己缺少參加實際研究，但出于高智商的本錢，面對各種發表，只好造概念，羅列各種時髦的專業術語，假，大，空的發表一番，雖然可以使外行聽了感到耳目一新，可是經不起內行人士推敲，有被受到欺騙之嫌。不利于AGI時代人工智能的發展。

By顧 澤蒼

2025年5月30日