改写后的文章

{

"title": "西安交大郑南宁：人工智能正走向“智能文明”",

"content": "【开栏语】近日，习近平总书记在上海出席加强基础研究座谈会并发表重要讲话。他强调，基础研究是整个科学体系的源头，是所有技术问题的总机关。要以更大力度、更实举措加强基础研究，提升我国原始创新能力，进一步打牢科技强国建设根基。长期以来，西安交大科研工作者胸怀“国之大者”，深耕基础前沿，勇闯“无人区”，破解“卡脖子”难题，持续夯实高水平科技自立自强根基，为教育强国、科技强国、人才强国建设贡献交大力量。即日起，学校新闻网开设【强基向新】全媒体专栏，全面展现交大科技工作者在基础前沿领域的原创性颠覆性创新探索，鼓舞激励广大师生抓住机遇、应对挑战，不断取得新突破、创造新贡献。郑南宁，中国工程院院士，西安交通大学人工智能与机器人研究所所长、教授，电气电子工程师学会终身会士，人机混合增强智能全国重点实验室主任。中国自动化学会名誉理事长，国际模式识别协会理事会成员，科技部新一代人工智能战略咨询委员会专家组副组长，教育部人工智能领域本科教育教学改革试点工作计划牵头人，中国人工智能教育联席会理事长。曾任“863计划”信息领域专家委员会主任、首席科学家，西安交通大学校长（2003—2014）。长期从事计算机视觉与模式识别、人工智能系统及其先进计算架构、自动驾驶等研究。40年求索，中国工程院院士、西安交通大学人工智能与机器人研究所所长郑南宁带领团队，始终以“感知—认知—协同”为主线，推动人工智能（AI）从“看见”走向“理解”。在他看来，AI终将催生“智能文明”，但前提是技术必须服务于人，而非替代人。这份对学术理想的坚守，也转化为他对团队未来的深切期许：在“后郑老师时代”，他希望团队能够打造经得起时间检验的AI领域“百年老店”。记者：您团队核心的科研理念是什么？是如何在长期科研中形成并完善的？郑南宁：1985年秋天，我从日本留学归国回到母校。飞机降落在西安时，我并未意识到那一刻不仅是个人命运的转折，也是一个时代的起点。彼时，中国的AI还处于萌芽阶段，计算机尚未普及，算法远未成为基础设施，“智能”在许多人眼中仍是一个遥远的概念。1986年春，在学校的支持下，我们创建了人工智能与机器人研究所。那是学校东二楼一间不宽敞的实验室，却承载着一种近乎执着的信念——让机器像人类一样感知理解世界。40年过去，研究所从一粒种子成长为一片绿荫。在40年的研究中，团队始终围绕一条清晰的主线展开，即智能的基本结构并不是孤立的内部计算，而是“感知—决策—环境”之间形成的动态闭环。这条主线源于我的控制学科背景。控制系统强调输入与输出的关系，要使系统稳定并适应环境变化，动态反馈机制不可或缺。从这个角度看，AI不只是算法，更是一种信息处理能力，本质上体现为一种信息组织结构。这一理念同样来自对人类认知行为的观察。例如，我们进入一个房间，会自然地寻找合适的位置坐下，而不需要复杂计算，这正是人对环境的“认知”能力。因此，我们的研究从早期的视觉感知，逐步发展到视觉认知与理解，再到构建对环境的“世界模型”。为了更清晰地表达这一思想，我将其归纳为PCC框架：P代表感知（Perception），C代表认知（Cognition），第二个C代表协同（Collaboration）。从研究历程来看，早期聚焦视觉感知与计算；2000年后，面对复杂环境，我们开始关注如何让智能系统像人一样理解任务与环境；未来，在人机共存的时代，我们将更强调“人机协同”，而非简单的“机器替代人”。这一体系的核心不在于某一类技术或者算法，而在于对“智能本质是什么”的长期探索。记者：AI本身是交叉学科，您认为它在学科发展中扮演什么角色？郑南宁：AI研究具有鲜明的多学科交叉特点，涉及计算机视觉、模式识别、认知科学、神经科学、控制科学和数据科学等多个领域。这种深度跨学科融合，推动了AI理论的持续发展。因此，我们的团队从一开始就注重多学科背景的融合，成员来自控制、计算机、软件、数学、生物、机械等不同领域。跨学科不仅体现在组织架构上，更体现在研究者个体的知识结构中。一个从事AI研究的人，除了掌握本专业知识，还需要了解认知科学、神经科学、计算机工具与平台等多方面内容。换言之，研究者本身也应当是“跨学科的”。例如，在新型冠状病毒预测研究中，我们团队将传统流行病模型与长短期记忆网络（LSTM）、自然语言处理（NLP）结合，构建混合AI模型，从而提升了预测准确性。这体现了跨学科技术融合解决实际问题的能力。从更深层看，跨学科的意义不仅在于知识的多样性，更在于它带来了批判性思维。科学发展的本质不是单纯的发现，更在于批判。就像生物多样性维持生命的延续，学科多样性也维持着学科的活力。因此，跨学科不能停留在表层合作，深入到思想和精神层面才能产生真正深刻的内涵。记者：未来5至10年，您认为计算机视觉与AI最值得关注的核心技术方向是什么？会给产业带来什么影响？郑南宁：我把未来5至10年最重要的方向概括为六条主线，它们正汇聚于一个共同目标：从“感知智能”走向“认知智能”和“行动智能”。第一，多模态基础模型，让机器从“看见”走向“理解”；第二，具身智能与机器人，让AI走出屏幕，进入物理世界；第三，构建世界模型，通过因果推理与记忆机制，提升AI的可解释性；第四，人机协同智能，从“替代逻辑”走向“增强逻辑”；第五，高效智能计算，包括端侧AI、神经形态计算与新型视觉硬件；第六，AI for Science 与复杂系统智能，推动AI在科学发现与知识创新中的应用。这些方向指向一个重要趋势：把数据——模型驱动智能与社会系统、科学发现、领域知识结合起来。这将推动公共卫生、能源、电网、交通、气候、城市治理等领域发生深刻变革。未来5至10年，社会结构将因AI而重组，就业形态也将发生显著变化。AI不仅改变物理世界，更重构人类的认知方式，而人类通过需求与约束塑造AI，进而催生一种全新的“智能文明”——这是人类社会与AI深度融合的结果。记者：您认为我国AI领域发展还存在哪些挑战？您和团队如何布局未来发展？郑南宁：我国AI在基础理论、关键核心技术方面仍有短板，尤其是在高端芯片、基础软件领域亟待突破。结合产业现实，我认为主要存在五方面不足。一是底层硬件与软件生态薄弱，全栈自主性不足；二是原始理论创新滞后，应用强于理论的格局尚未根本改变；三是高质量数据与评测体系仍不完善；四是基础软件与工具链自主性不足；五是高可靠规模化应用能力薄弱，许多模型仍停留在演示阶段。基于长期的学术积累，我们团队为中国AI发展探索出一条“认知驱动+人机协同+视觉落地”的特色路径。具体而言，从感知算法转向认知视觉系统突破；以混合增强智能推动高风险行业和极端环境的应用落地；加强认知科学、脑科学、物理学科与AI的深度融合，弥补原创理论短板；融合视觉、语言、知识与领域机理，发展“面向复杂环境或任务的安全可信的AI”；推进“算法—芯片—系统”协同设计，以应用场景反向牵引自主软硬件生态的协同演进。未来AI竞争的关键，在于能否率先整合感知、记忆、因果与协同，构建可信、可部署、自主可控的智能系统。这也正是我们团队持续探索的方向。记者：科技工作者如何在创新的同时坚守学术底线、规避风险？您的学术思想里有怎样的价值导向？郑南宁：在AI伦理与技术安全日益受到关注的背景下，科技工作者应如何在追求技术创新的同时坚守底线？我的回答是技术必须服务于人，而不能脱离人、替代人，更不能压倒人。首先，要严格区分“能做”与“该做”。当前AI面临的一个重要风险，是将“技术可实现”等同于“应用可接受”。科技工作者不能只追求指标领先，而忽视技术可能带来的不利后果。在我的科研实践中，始终坚持四条底线原则：第一，真实性底线，数据必须真实，实验必须可复现，结论不得夸大；第二，安全性底线，在高风险场景中，必须经过充分验证，并确保人类参与最终判断；第三，可解释与可问责底线，越是高影响场景，越需要明确系统为何作出判断，以及明确责任主体；第四，以人为中心底线，不能将“机器替代人”视为唯一目标，应优先保障人的尊严与主体性。风险规避需从研究设计、训练评测、部署治理三个层面协同推进。我的学术思想始终贯穿明确的价值导向。2017年提出的“混合增强智能”强调，人机协作不是权宜之计，而是未来智能的基本形态。真正重要的突破，不仅在于性能提升，更在于构建以人为本、安全可信、可持续演化的智能体系。需要强调的是，智能并非某种突然而至的奇迹，而是世界演化出的一种新的认知结构。人类创造智能，用以扩展自身的感知与推理能力；与此同时，智能也反过来重塑人类的认知方式、决策逻辑与现实结构——二者形成持续反馈、相互塑造的关系。未来不是对立，而在于共生与耦合。理性被技术放大，也在边界处显现出局限；意义不由计算给出，仍需由人类