生成式人工智能 以人為本，智能向善

隨著ChatGPT、Sora、自動駕駛等前沿技術走進公眾視野，理論概念轉換為實際生產生活的推動力，成為動動手指就能直接觸達的高科技，服務人們的日常生活和工作。人工智能技術日新月異，為各行各業提質賦能，成為全民熱議的話題。很多人已經體驗過人工智能的高效與便利，但仍對此一知半解。黨的二十屆三中全會指出，完善生成式人工智能發展和管理機制。對此，本刊特邀安徽大學黨委副書記、校長，安徽省科學技術協會副主席孫長銀進行解讀。

記者：按照基礎模型劃分，人工智能主要有兩大類：決策式AI和生成式AI。黨的二十屆三中全會通過的《中共中央關于進一步全面深化改革、推進中國式現代化的決定》為什么要特別強調“生成式人工智能”？

孫長銀：生成式人工智能是基于機器學習技術，通過對大量數據的學習來生成新的數據和內容的人工智能技術或系統。從內容生成的角度來說，以前的內容生成方式是專業工作者經過專業采編、撰寫和發布生成的內容（例如書籍、新聞和報紙）；到了移動互聯網時代，用戶生成內容（例如互聯網用戶撰寫和發布的信息）成為主流方式之一；進入人工智能時代，生成式人工智能可基于海量訓練數據和大規模預訓練模型，按指定要求自動生成創建文本、音頻、圖像、視頻以及跨模態信息，生成方式簡單，潛在價值巨大，但質量參差不齊。

黨的二十屆三中全會特別強調“生成式人工智能”，我個人認為，因為生成式人工智能既是新質生產力，也是生成新質生產力的重要工具，還是發動新型生產關系生成的引擎。以內容生成為例，生成式人工智能通過知識流程自動化和大規模人力組織智能化（如眾包、眾籌等）手段，縮短了需求側和供給側的時空距離，顯著提高了生產效率。同時，它具備創造多模態（如文本、圖像、音頻和視頻等）新內容的能力，這使得它既是新質內容的生產力又是新質內容的生產工具。再者，生成式人工智能通過數據、算法和算力的集成創新，連接產品或服務，形成新生產模式、新服務方式、新運營模式的新路徑。因此，生成式人工智能通過智能采集數據和自動生成內容的技術優勢，可進一步激活數據要素潛能、推動數據要素市場化、加速數字經濟與實體經濟的深度融合，為經濟高質量發展注入強勁動力。

記者：當前，生成式人工智能在圖文、音視頻等領域大放異彩，產業前景廣受看好，未來還有哪些發展趨勢？

孫長銀：生成式人工智能有望在新材料和新物質發現、新藥物和新型蛋白質合成、新型工藝設計等科學研究領域發揮重要作用，加速科學發現、疾病診斷、藥物研發和研發成果驗證。安徽大學新成立的智能學部，就是要通過多學院和多平臺的支撐聯動、交叉融合，尋找新的理論方法，研究智能產生的機理，探索其場景應用潛力，為支撐國家和地方重大需要做好儲備。

新技術的普及對相關人才的需求會快速增加，也對當下的教育方式產生巨大沖擊。生成式人工智能將促使傳統的以知識傳授為主的教學模式向啟發式、探究式、合作式師生互動教學模式轉變，既能為老師根據學生的學習數據生成個性化的教學內容、提供教學效率和質量實時評估與反饋創造潛在的實現路徑，又能應用于虛擬教師和智能輔導系統，為學生提供24小時的學習支持和即時反饋。安徽大學在2022年12月成立的元宇宙系，結合生成式人工智能技術為學生提供虛實互動、沉浸式、具身化的模擬學習環境和場景，通過數字教師人工智能Agent來實現與學生的輕松友好互動，進而提高學生主動提問、延伸探索、聯想學習的意愿，為創新并研究新時代新型教學模式提供了基礎平臺。

記者：生成式人工智能對人類勞動方式、生產形式、創新能力、知識結構帶來前所未有的沖擊。新技術變革浪潮中，機遇與挑戰并存。我們應該如何直面挑戰？

孫長銀：教育和培訓是關鍵。政府和企業應加強對高校探索新型育人模式的支持，加強產教融合實踐教材、課程、平臺的體系化建設，提供專業再培訓與職業轉型的渠道。這也是貫徹落實教育、科技、人才一體化統籌建設的有力舉措。教育機構需更新教學方式和培訓方法，強化終身學習理念，提升勞動者服務社會和產業發展的能力。企業為教育機構的人才培養提供試驗和實踐平臺支撐，一方面為人才面向產業發展來思考技術攻關需求提供啟發，另一方面為人才磨煉意志、鍛煉能力、增強本領提供環境。具身智能，就強調機器人通過與物理環境交互學習、增強自身執行任務的智能。人的學習和成長應有異曲同工之處，也要在實踐環境中摸索，提高自身解決問題的本領。

生成式人工智能的廣泛運用，降低了內容生成的門檻、成本和難度，為大眾創新、萬眾創業提供低成本的智能技術工具，也為內容的質量管理、傳播管控帶來新的挑戰。

以人工智能生成內容為例，可能出現語法錯誤、邏輯混亂或內容偏離主題的問題，例如“林黛玉倒拔垂楊柳”的無稽之談；而且可能繼承訓練數據中的偏見，導致生成的內容帶有主觀色彩或不準確的信息；還有可能被用于制造虛假信息、煽動公眾情緒等負面活動，產生不良影響。因此，生成式人工智能技術在對一部分崗位造成沖擊的同時，也會產生一些新的崗位，如人工智能內容審核員、模型訓練師和算法倫理審查員等。與此同時，個人可以通過使用人工智能創作工具快速輸出高質量的內容或創意，開啟全新就業機會。

記者：生成式人工智能重塑了資源整合、信息生成和使用范式，在促進社會進步的同時，也引發了數據安全、知識產權、社會倫理等風險問題。我們應該從哪些方面加強治理，才能確保這項技術安全、可靠、可控？

孫長銀：科學技術本身沒有利害之分，其創造的價值取決于使用者的道德和倫理觀念。但科技的雙刃劍效應也提醒我們，必須始終秉持“以人為本，智能向善”。

生成式人工智能通常基于深度學習和神經網絡，這些模型的內部運作過程非常復雜且不透明，難以直觀展示其決策過程且不可解釋，因此又被稱為“黑盒”模型。這樣的不可解釋性會對其應用和管理產生多方面挑戰，為社會發展和安全埋下隱患。以安徽大學為依托建立的自主無人系統技術教育部工程中心，就致力于研發并構建安全可信可靠的人工智能方法和系統。我們在2022年獲批了安徽省安全人工智能實驗室，這是省內首個聚焦“安全人工智能”的省實驗室，目前在可解釋的人工智能方法、類人智能決策、類腦神經網絡模型等方面取得了一系列成果，服務了省內外智能網聯汽車、智能制造、智能交通等領域眾多企業的智能化升級。

此外，生成式人工智能涉及大量敏感數據的收集和使用，可能導致數據泄露和濫用，威脅國家安全和個人隱私。在藝術創作和文學作品領域，生成式人工智能導致的侵權行為難以界定和追責。社會倫理方面，人工智能生成的虛假信息和深度偽造技術可能誤導公眾，破壞社會信任體系，帶來意識形態方面的風險。

目前，全球多個國家和地區都在探索制定相關法律法規，以應對生成式人工智能帶來的挑戰。歐盟通過的《人工智能法案》是全球首部全面規范人工智能產業的綜合性法律文件，該法案采用風險等級為基礎的監管模式，并對不同風險等級提出差異化的合規要求。英國議會發布有關人工智能技術在工作場所使用的立法草案，制定五項原則指導人工智能監管，包括防止算法歧視和要求算法透明度。中國出臺的《生成式人工智能服務管理暫行辦法》是全球首個針對生成式人工智能做出迅速反應的法律，明確了生成式人工智能服務提供者的行為規范，涉及網絡安全、數據隱私保護等內容，并引入了監管沙盒機制以減少創新障礙。

各國在生成式人工智能的監管上采取了不同策略，但普遍強調了風險分級管理、透明度要求以及對高風險應用的嚴格控制。這些探索不僅有助于防范潛在風險，也為全球生成式人工智能的健康發展提供了重要的參考和借鑒。