周伯文院士最近在第四十届国际人工智能协会年会上发言，把大家拉进了一个特别的场景。上海人工智能实验室的周伯文院士在会上做了报告，详细探讨了当前AI发展的关键难题和未来方向。他认为，现在的AI，就像大语言模型这种前沿系统，专业推理能力不足。大家经常听说的ChatGPT还有AlphaFold，虽然这些系统具备广泛跨领域泛化能力，不过它们在面对复杂问题时就显得力不从心。在这个阶段，AI更多的是一个博闻强识的通才，但是在特定专业领域，它们难以达到专家级别的精准度和可靠性。 要让AI真正迈向通用人工智能阶段，必须实现“通专融合”。这意味着模型需要兼顾广泛认知基座和特定领域的深度推理能力。上海人工智能实验室提出了一种“智者”统一认知生态系统技术架构来解决这个问题。这个架构就是要系统地把通用泛化能力和深度专精结合起来。 为了让大家更直观地理解这个过程，周伯文院士回顾了AI发展的历史坐标。他把AI划分为三个阶段：狭义AI、广义AI和通用AI。以ChatGPT的出现为标志，AI已经实质性地进入了广义AI阶段。但这并不是终点。他还提到早期系统如AlphaFold，虽然在特定领域达到巅峰，但是很难将能力迁移到其他场景。 为了打破这种二元对立局面，周伯文院士强调真正的通用AI必须超越非此即彼的范式。它要构建一种能够协调人类认知双系统——直觉经验和逻辑推理——的智能架构。这个架构不仅需要保有强大的通用认知基座理解世界，还需要具备快速达到并超越专家水平的能力。 他还提到科学发现将是下一代AGI的前沿阵地和终极考场。科学发现过程从提出假设、设计实验到归纳理论都对AI提出了严峻挑战：应对“已知的未知”、探索“未知的未知”，还有适应稀疏与延迟的奖励。这些挑战不仅检验深度推理、因果判断和长期规划等高级认知能力，还考验着模型是否能从“科学智能”向“通用AI驱动的科学发现”演进。 尽管蛋白质结构预测等里程碑成就在科学领域中已经取得重大突破，但把深度学习模型当作黑箱工具可能限制科学探索的想象力，甚至固化思维范式。周伯文院士提出要让AI从AI for Science转向AGI for Science，让AI主动提出科学假设、设计验证路径并从中提炼新知识。 周伯文院士在报告中明确指出突破当前模型在专业深度上的局限是必须跨越的一步。他相信通过将科学发现作为应用场景和驱动力量能够锤炼验证AI的智能成色。这条从“通才”到“通专融合之才”的演进之路标志着AI研究从规模驱动迈向质量与能力驱动的新阶段。