多位顶尖学者讨论AI未来十年与技术多样性

1956年达特茅斯会议为人工智能这一研究领域命名。70年后，AI已进入各行各业，研究者开始追问：当机器能够学习、推理、写代码并参与科学发现时，未来十年还会走向哪里？ICAAS 2026首场圆桌邀请诺贝尔化学奖得主迈克尔·莱维特、2021年图灵奖得主杰克·唐加拉、数学家马骁和中关村学院何纪言等嘉宾，讨论AI的技术路线、产业价值、研究方法与自我进化，并将2036年设为展望节点。

圆桌首先以“AI博物馆”设想展开。唐加拉愿意捐出约40年前参与开发的LINPACK用户手册及其衍生的基准测试。LINPACK是一套开源、可移植的线性方程组求解软件，后来形成用于衡量高性能计算机性能的排名体系，相关榜单已积累约30至35年，并覆盖全球前500台超级计算机。莱维特则回忆，20世纪90年代中期在笔记本电脑上运行Linux，让计算能力变得便携；马骁希望捐出数学思想和论文，并研发用于核验AI事实、证明与代码的系统；何纪言选择训练损失曲线，认为其背后凝聚了集群、芯片、架构、算法、数据和评测等工作。

嘉宾重点讨论了AI方法论日益收敛的问题。当前产业普遍采用大型Transformer及相近训练工具链，这加快了进展，却也可能让整个行业把筹码押在同一路线上。莱维特以银行家分散投资作比，认为面对未知未来必须保留多种架构和训练方案；唐加拉也指出，Transformer虽提供了强大工具箱，但研究者应探索主流路线之外的机会，并把失败视为基础研究的正常成本。

马骁则从图灵完备性和“通用性”出发，认为数学与计算机科学长期都在寻找能够处理多类问题的通用机制。讨论同时指出，AI研究的多样性正在改变：过去主要体现在算法和任务层面，未来还应扩展到让AI自主学习的多元环境。随着AI从提升模型分数转向自主解决问题，能否在真实世界持续学习、验证和行动，或将成为下一阶段的关键。

关于AI是否会再次遭遇寒冬，莱维特认为过度承诺可能引发新的失望，唐加拉则判断AI已经走过此前的寒冬并对未来保持乐观。何纪言提出，智能具有通用性，AI未来可能像电力一样成为社会基础设施。整体而言，圆桌认为未来十年的突破不只取决于更大模型，而在于AI能否参与科学发现、持续改进自身，并创造可验证的实际价值。