从AlphaGo的“棋艺”，到自动驾驶的“车技”，从调侃ChatGPT的“会聊天就多聊点”，到讨论AI绘画生成的二次元图像有多惊艳或搞笑，人工智能，似乎正越来越多地成为人们关注的焦点。
但同时，对于人工智能“不够聪明”、“存在危险”等声音，也持续浮现。现在很火的一些人工智能运用，未来会取代人类的工作吗？它们还能更“聪明”吗？要让人工智能用起来放心又舒心，还可以怎么做？
(资料图)
清华大学国强教授、智能产业研究院(AIR)首席研究员聂再清，对中新网记者分析了当前走红的一些人工智能应用发展前景，以及需要注意的问题。
资料图：聂再清。受访者供图ChatGPT“有进步”，离图灵测试还有多远？
Open AI此前发布了一款AI聊天机器人ChatGPT，因为突出的智能对话能力，可以说是火遍全球。聂再清在试用这款机器人后，有不少体会。
他表示，之前聊天机器人在业界比较成果的应用是运用基于任务型的对话，通过意图理解、超值填充，把问题参数抽出来，然后去回答用户问题(智能客服)或帮用户完成一个智能家居的操作(AIoT语音助手)。这种任务型聊天机器人，还是比较成功的。已经能够通过语音交互，帮助用户完成很多重复性的工作。
跟以前聊天机器人技术比起来，ChatGPT最让人印象深刻的就是每次回答问题(可以是开放域的问题)，它都能用像模像样的人话来答问，同时也会对上下文有一定程度的理解。不看具体知识点的话，看上去好像回答得很专业。
OpenAI官网介绍ChatGPT为一种”优化对话的语言模型“。图片来源：OpenAI官网截图聂再清同时指出，如果提问人对问题答案没有了解的话，会觉得ChatGPT“回答得都不错”；但对于一些不常见，提问人又知道答案的问题，ChatGPT很可能“会用一本正经的口气，编出错误答案”。
他表示，这款机器人本质上还是一个基于统计的语言模型，应该没有真正理解开放域的问题。它在处理开放域的问题上实际上还是基于概率，基于前一个值来生成下一个值。要通过图灵测试，还要继续努力。至于如何改进，聂再清指出，如果能把能回答问题的正确知识放到它说的话中去，“那就厉害了”。
AI绘画背后，离艺术家还有多远？
与聊天机器人类似的，还有最近在短视频平台走红的AI绘画。这是一种将海量二次元画面预录入，通过大数据寻找画面构图、形状、色彩等方面的相似元素，按照AI 解读生成新画面的应用。在短视频平台上，一键操作，就可以把网友们的照片转换成二次元画面，输出结果有很大随机性，经常让人啼笑皆非，但网友乐此不疲。
“把任何照片变成二次元这个功能本身，还是蛮有意思的”，谈到AI绘画，聂再清认为，这是人工智能一个有趣的产品开发方向。
资料图：世界VR产业暨元宇宙博览会上，一名女子观看“元宇宙艺术”里的艺术作品。 刘占昆 摄但同时，聂再清指出，作画是有逻辑的，AI画作的过渡、线条、细节上与真人相比，还是有差距。最主要的是，艺术来源于生活的沉淀，真正的艺术家的艺术价值，来自其作品背后的感染力。
他进一步指出，虽然AI也可能碰巧画出一些貌似有感染力的作品，但要在特定情境下要求其画作必须具备某种感染力，难度还是非常大的。总体而言，AI绘画可能对以商业营销为主、从事重复性劳动、不纯粹追求艺术价值的画手有威胁，但要取代真正的画家、艺术家，还言之过早。
自动驾驶离大规模落地，还有多远？
在生活中人们越来越多听到或者接触到的另一个项工智能应用，就是自动驾驶。如今街头能实现自动或半自动驾驶的车辆越来越多，但相关车辆出现险情，也常见诸报端。
一边是科技发展，一边是风险防范。如果要让L5全自动驾驶实现社会面的大规模落地，聂再清认为，有几大“注意事项”。
第一，他指出，最重要的一点，就是基础设施的建设和完善。
如果要自动驾驶，道路和现在是不一样的，比如说未来道路所有信号都数字化并且直接发送到车上，告知车辆现在是红灯，那也就没必要在视觉上识别红绿灯了；比如前方有事故，道路系统可以自动提示所有事故后方的车辆全部知晓。
他同时指出，现在自动驾驶和人类驾驶员如果同时存在的话，需要面临的一个关键问题，实际上就是人跟车、人跟机器间的博弈还没有搞清楚。机器要准确判断人类驾驶员的每一个意图，现在还比较困难。聂再清希望，基础设施可以有比较大的改进，改进后，如果真正能做到所有上路的车都是自动驾驶，事故率应该会降低很多。
资料图：第19届东博会上，自动驾驶巴士模型吸引市民关注。 俞靖 摄第二，一旦自动驾驶大规模落地，需要有一个远程控制中心和“云代驾”，来覆盖所有路段。
聂再清表示，虽然到时人不再“开”车了，但在云端一定要有人能监控各地路况、车况是否正常，有没有问题。如果出现问题，远程控制中心和“云代驾”机构人员要发挥作用，管理好情况。比如，他设想交警未来可以在“云上”处理交通事故，以及车辆出现系统性故障时，通过远程恢复等。
第三，要实现自动驾驶，需要一套完善的安全测试体系、一个新功能灰度内测的体系。
对此，聂再清指出，无人车的安全等级到底达没达标，新功能上线会不会带来大规模伤害等，一定是一步步地先做测试，从无人路段测试，到线上小范围路段内不断放开的一个过程。建成这样一个体系要完善，要能够快速迭代，同时要保证安全。否则自动驾驶系统会面临更新问题，一更新就可能出错，所以答好这道题，也很重要。
第四，聂再清强调，要做好系统故障的容错机制。假设届时自动驾驶道路系统出现一个系统性故障，就可能导致几万辆车同时受影响。有了容错机制，就可能将系统回滚到前一个版本，要保证这种机制不能出错。
第五，自动驾驶大规模测试之前，最好还要有一个机制，就是任何自动驾驶决策是可解释的。聂再清举例称，这意味着人如果有需要，可以随时随地查询自动驾驶车辆的每一个决策及其决策的具体理由，也可以随时随地接管机器的决策，形成一套人机对话和协作机制，这样才能大大地提升自动驾驶的安全性。(完)
