中國社科院信息化研究中心主任姜奇平：當前AI大模型尚處“猿人階段”

每經記者 張蕊    每經編輯 陳旭    

剛剛過去的2023年，以Chat GPT為代表的AI（人工智能）大模型引發前所未有的關注，國內AI領域掀起了研發大模型的極大熱潮，各個產業也都開始探索大模型在本行業的應用。

在2023年底召開的中央經濟工作會議上，也明確要求“加快推動人工智能發展”，會議還提出，要以科技創新推動產業創新，特別是以顛覆性技術和前沿技術催生新產業、新模式、新動能，發展新質生產力。

新質生產力“新”在何處？要形成新質生產力有沒有比較好的抓手？為什么這一次AI大模型能引起如此高的關注？我們應該怎樣看待AI大模型在當前科技領域的地位和影響？AI大模型訓練和優化過程中面臨的難點又應該如何來解決？

圍繞這些問題，中國社科院信息化研究中心主任姜奇平近日在接受《每日經濟新聞》記者（以下簡稱NBD）專訪時表示，新質生產力發展是新的勞動者利用新的工具作用于新的對象這樣一個過程，形成新質生產力的抓手應當是在“十五五”期間加快建設現代化產業體系，特別是其中的戰略性新興產業與未來產業。

在他看來，當前AI大模型還存在缺失價值判斷能力的短板，要解決這個問題，需要下一代人工智能進行基礎層的范式革命。“中國在這方面有機會，可以譜寫‘中國式現代化的科技篇章’。”

姜奇平認為，目前的AI大模型還是低水平的，相當于人工智能的“猿人”階段。圖為姜奇平 受訪者供圖

新質生產力離不開數據

NBD：我們應該如何理解新質生產力？新質生產力“新”在何處？

姜奇平：我贊成這樣一種說法：“新質生產力的基本特征是數字化、網絡化、智能化。”

首先，從技術角度看，生產力的質主要是指效率的性質。

數字時代新質生產力與工業時代新質生產力相比，效率的性質有所不同。全要素生產率中的技術，以往一直默認為只有一種技術，即工業技術。效率概念本身也一直被默認為專業化效率，它在現實中構成做大做強的效率基礎。

而與工業技術并列的，還有另一類效率，即多樣化效率，它是“做優”的效率。因此，“整合科技創新資源”的側重，如果放在以數據為主要生產要素的新科技上，需要把效率的發力點在“做大做強”基礎上升級為“做優”。這樣可以充分體現新質生產力在數字時代發展不同于在工業時代發展的那種時代特征。

其次，從經濟角度看，經濟的質由價值的性質決定。新質生產力創造的價值，首先是新的使用價值，即新質使用價值。新質生產力創造的價值，是創新勞動價值。由信息、知識、數據創造出的附加值，構成數字經濟的價值本體。因此新質生產力與數字經濟，在創新附加值上是一致的。推及從信息中產生的生產力，本身就可以得到這樣的判斷：“信息生產力是當今社會發展產生的新質態生產力”。

第三，“新質”在技術經濟結合上體現為三“新”。新質生產力發展是新的勞動者利用新的工具作用于新的對象的過程。

不同于傳統以簡單重復勞動為主的體力工人，參與新質生產力的勞動者是能夠充分利用信息技術，適應先進數字設備，具有知識快速迭代能力和信息決策能力、自主意識的新型人才。新勞動工具既包括高端智能設備、計算工具，如人工智能、虛擬現實和增強現實、自動化制造技術、設備及數據基礎設施，也包括數據等新型生產要素。新勞動對象是與新質生產力相適應的、由數據構成的可以驅動實現對應實體功能的符號存在，如虛擬現實。

這三“新”都以數據化為時代內涵，這決定了新質生產力離不開數據的存在。

帶來新的產業增長空間

NBD：具體到實踐中，您覺得要形成新質生產力有沒有比較好的抓手？

姜奇平：這個抓手應是在“十五五”期間加快建設現代化產業體系，特別是其中的戰略性新興產業與未來產業。

新質生產力對產業的改變，主要表現在功能替代、組織替代與生產方式替代上。

首先，將以物質、能源為主要功能載體的傳統產業，轉變為以數據為主要功能載體的全新產品、生產資料、零部件和原材料，形成高附加值產業。新質生產力用知識、技術、管理、數據等新型生產要素替代有形生產要素，減少了對生態環境的損害。通過數據的功能替代，降低了自然資源和能源投入，使經濟增長擺脫了物理要素驅動的制約，例如新能源、新電子設備汽車以電池、數控系統替代燃油汽車中發動機、變速箱的同等功能，將工業設備變為信息設備。

其次，數據科技導致產業組織方式發生根本變革，從受到時間、空間條件制約明顯的傳統產業，轉向以虛擬要素的快速多變排列組合的現代產業，加速了生產要素的有效流動，并形成以流量變現為特點的流量空間，以平臺加應用為經營形式的新業態，促進了產業的生態化。

第三，促進了產業生產方式轉變。顛覆性技術中有很多是通用目的技術，具有強大的賦能作用。機器人、人工智能技術使生產的效率、精度、良品率都顯著提高。新質生產力創造迎合了用戶以前未能滿足的潛在需求，開辟了新的市場，帶來新的產業增長空間。

中國即將迎來“十五五”規劃，明確新質生產力所引導的產業規劃方向具有重要現實意義。當前從產業結構優化程度看，與高質量發展的要求還有相當差距。

例如，中國服務業GDP占比在55%左右，與世界平均水平65%相差了10個百分點；生產性服務業在服務業中占比，與發達國家也有10個百分點以上的差距，一二三產的服務化還有很大優化空間。而服務業、服務化主要是通過提價競爭帶來高附加值的活動。面對這種差距，亟待以數字科技降低差異化、多樣化等提價活動（提高利潤與附加值的活動）的成本，通過數字產業化及產業數字化，建立起現代化產業體系。

如果說，最近三四十年我國通過發展工業生產力，實現了“做大做強”，那么，發展新質生產力，補上中國經濟在結構上的差距，補強“做優”這一塊，應是發展新質生產力的總抓手。

研究新質生產力，需要聚焦于將產業結構調得更加優化。與傳統產業的增長主要依靠有形要素不同，以數據能力為核心的新質生產力主要通過無形要素驅動產業拓展新的領域，其中服務業與服務化將是其馳騁的主要疆域。

AI大模型尚處“猿人階段”

NBD：中央經濟工作會議提出，要加快推動人工智能發展。在您看來，為什么這一次AI大模型能引起如此大的關注？包括引起很多職業可能被AI取代的擔憂和警惕，我們應該怎樣看待AI大模型在當前科技領域的地位和影響？

姜奇平：過去AlphaGO打敗李世石，只是人工智能在單一領域發威。而AI大模型則是通用人工智能在不同領域發威，當然會引起更大的關注。

從就業來看，需要看到AI大模型對就業的影響存在挑戰與機遇兩方面。挑戰在于很多知識型白領的工作可能被AI取代；機遇在于AI刺激出的新工作有可能與取代的工作一樣多，在先發地區甚至創造的工作機會多于取代的舊工作機會。

技術進步有沒有可能導致絕對失業的增加？答案是：如果新的就業不能補上舊的就業空缺，就會引致有效需求不足的經濟危機。這種危機會在復蘇階段由就業的創新來自然解決。

從歷史看，每次技術革命前后對比，就業既不增加，也不減少。例如，工業革命，農民都“下崗”了但并沒有失業，而是全變成了工人。因此不過是“轉崗”，是就業的結構變化。這就是要素供求本身的適應機制在起作用。

因此，與其擔憂“人將被AI取代”，不如趕緊去發現新的機會從哪里涌現。只有不適應造成的失業，沒有因適應而發生的失業。

就科技本身而言，從數據科技這個較窄的領域來說，目前的AI大模型還是低水平的，相當于人工智能的“猿人”階段。這個階段總的特征是計算主義當道，人文完全失位，這是它目前的天花板。而2023年8月人工智能界提出的人工智能新范式，代表了十年后，等AI大模型完全過時后，下一代人要追的新時髦。由此可以定位AI大模型在數據科技領域演進中所處的位置。

將數據科技放到整個科技領域評估其發展的地位和影響，可以用“引領”來概括。它表明人類科技正從物質范式、能源范式，向信息范式轉變。在這種轉變中，數據科技中哪怕不太成熟的領域（如通用人工智能）的一小步，可能都預示著人類科技的一大步。數據科技要突破當前AI大模型的局限，最重要的是擺脫物質范式的羈絆，找到自己的位置，即信息不同于物質、能源的特性所在，方向是向主客一元化方向演進。

打造AI大模型訓練數據集

NBD：當前，AI大模型的訓練和優化過程中還面臨不少難點，其中突出的一點是高質量數據非常難獲取。據您了解，高質量數據缺乏主要有哪些原因？又應該如何來解決？

姜奇平：高質量可以分為科學意義上的高質量與工作意義上的高質量。

就科學意義上的高質量而言，目前造成低質量的深層根源就是計算主義，即人工智能中的物質范式的局限造成的。

這時的高質量是相對于人而言的，例如人有自由意志、主觀能動性，有創造性，有情感等不同于物質、物理的方面。

當前的AI大模型只能在“訓練和優化”這種低水平層面上模仿人，因此很難模仿到博士以上水平（博士要求“發現知識”，而非歸納共識）。問題不是出在應用層，因此單靠語料訓練很難達到高質量；而是出在基礎層，就是在計算的底層范式中，根本沒有人（主體）的位置。

例如，主體有動機，AI大模型卻沒有動機，它想模擬出戀愛詩，但它自己就分不清自己是男是女，因此是無動機的偽戀愛，它可以一時讓人真假難辨，但不可能在所有時間所有地點騙所有人。高質量的數據非常難獲取，最根本原因出在根子，即范式上，不能把人之為人的特殊之處提取出來。

當前AI大模型低質量的標志，據北京郵電大學前副校長鐘義信分析，主要是缺失價值判斷能力?？梢哉f一語中的。要解決這個問題，需要下一代人工智能進行基礎層的范式革命。中國在這方面有機會，可以譜寫“中國式現代化的科技篇章”。

工作意義上的高質量，不是指模型訓練和優化這種具體事情上的質量。而是“供得出，流得動，用得好”，是數據供給水平上的高質量，是就數據工作的社會效果評價而言的。

當前數據供給流通應用的主要矛盾是數據生產出來，但流不動，用不好。但數據供給內部也存在矛盾，即數量與質量的矛盾。是低質量的數據多，而高質量的數據少。一方面要繼續提高數量，另一方面要重點提高質量。從社會角度分析高質量數據缺乏的原因，主要在供給的外部條件（設施條件），供給的市場條件（配置機制）、供給的生產條件（標準化）與供給的制度條件（主體激勵）四個方面，因此要從這四個方面入手解決問題。

具體而言，一是加強數據基礎設施建設，完善數據資源體系，包括推動行業共性數據資源庫建設，打造高質量人工智能大模型訓練數據集。

二是公共數據資源供給。目前不是沒有這類數據，而是有，但供不出，是因為機制有問題。要通過支持在重點領域開展公共數據授權運營試點，實現“供得出”。

三是社會化大生產。數據的小生產是低質量的，只有大生產才是高質量的。為此，要健全標準體系，加強數據采集、管理、安全等通用標準建設，協同推進行業標準制定，修訂完善數據管理能力評估標準。

四是要完善相關主體的權益保護規則，以規則推動信息利用。當然，數據的激勵，不光要激勵一次生產（開發），還要激勵二次生產（再開發）。因此要平衡所有權與使用權（用益權）的關系。

封面圖片來源：受訪者供圖