第 VII 部分 · 结论
第 28 章 人工智能的未来
Chapter 28 · The Future of AI
本章导读
全书收官：回顾从符号主义到大模型的范式变迁，讨论通往通用人工智能的路径、开放问题，以及学习者如何面对这个快速演化的领域。
学习要点
- 范式回顾：符号推理 → 统计学习 → 深度学习与大模型；「理性智能体」框架仍是一以贯之的视角。
- AGI 争论：定义分歧、时间线预测的巨大差异与其原因。
- 开放问题：常识推理、因果关系、样本效率、世界模型、持续学习。
- 能力扩展方向：多模态、工具使用、智能体系统（与第 2 章智能体定义呼应成环）。
- 给学习者的建议：原理、工程与伦理三条腿走路，把本书当地图而非终点。
核心概念
| 术语 | English | 一句话解释 |
|---|---|---|
| 通用人工智能 | AGI | 跨领域达到或超越人类水平的 AI |
| 缩放定律 | Scaling Laws | 模型、数据与算力的经验幂律关系 |
| 常识推理 | Commonsense Reasoning | 运用默认世界知识的推理能力 |
| 世界模型 | World Model | 对环境动力学的内部可预测表示 |
| 样本效率 | Sample Efficiency | 达到目标性能所需的数据量 |
| 涌现能力 | Emergent Capabilities | 规模跨过阈值后出现的新能力 |
| 莫拉维克悖论 | Moravec's Paradox | 高层推理容易、感知运动反而困难 |
| 智能体系统 | Agentic AI | LLM + 工具 + 规划的自主行动系统 |