张钹院士:生成式人工智能的三项优势与一项不足
大家好,今天本人给大家带来文章《张钹院士:生成式人工智能的三项优势与一项不足》,文中内容主要涉及到,如果你对科技周边方面的知识点感兴趣,那就请各位朋友继续看下去吧~希望能真正帮到你们,谢谢!
在智谱AI技术开放日上,中国科学院院士、清华大学教授张钹就《从大语言模型到通用人工智能》这一话题发表了演讲。他分享了对生成式人工智能现状和未来的见解。

张钹院士指出,我们只有通过创造生成式人工智能才能真正理解它。生成式人工智能的发展对我们来说非常重要。
针对大模型的现状和面临的问题,张钹院士提出了AI的三大能力以及一个缺点。首先是强大的生成能力,指的是AI能够高效地生成大量高质量的内容。其次是强大的迁移(推广)能力,意味着AI能够将在一个领域学到的知识和技能迁移到其他领域中,实现跨领域的应用。第三是强大的交互能力,指的是AI能够与人类进行自然而智能的交互,例如语音识别和自然语言处理。然而,AI的一个缺点是幻觉,即AI有时候会产生虚假的信息或结果。这意味着AI在某些情况下可能会给出不准确或不可靠的答案。因此,在发展AI技术的过程中,需要解决幻觉问题,以确保AI的可靠
张钹院士认为,生成式人工智能的突破点在于能够基于上下文和过去的对话,几乎回答任何一个自然语言的问题,实现人机的自然语言对话,生成人类水平的文本。

针对发展通用人工智能的路径问题,张钹院士认为,传统(第一、二代)AI范式是在特定领域内,利用特定的算法与规则去完成特定的任务,而生成式(第三代)AI范式,是基于一种称为基础模型的通用模型,通过广泛文本数据的训练,在开领域内可以生成类似于人类水平的高质量文本、图像和其他内容,并(比如经过微调)可以适配于广泛的下游任务。
具体来讲,发展第三代人工智能,首先,是需要构建可解释与鲁棒(稳健)的Al理论与方法,其次,是发展安全、可控、可信、可靠和可扩展的AI技术推动AI的创新应用与产业化,其三,知识驱动+数据驱动,利用四大要素:知识、数据、算法、算力。
院士指出,第三代人工智能的发展证明了人工智能行为主义的可行性。研究强化学习是未来人工智能发展的方向。

张钹院士最后坦言,任何国家和民族发展经济,必须发展人工智能。而对于新一轮AI威胁的论调,他认为大家不必紧张,有一部分会被取代,但大部分工作不会,最多三分之一,AI未来会成为助手加入到我们当中。
到这里,我们也就讲完了《张钹院士:生成式人工智能的三项优势与一项不足》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于人工智能,AI,大模型的知识点!
安装win11操作系统的中文语言包教程
- 上一篇
- 安装win11操作系统的中文语言包教程
- 下一篇
- 大疆DJI即将推出MIC 2:升级屏幕、提升音质,智能降噪成亮点
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 452次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 520次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 536次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 482次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 304次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

