2025年3月14日，香港大学计算与数据科学学院院长马毅教授访问北京大学前沿计算研究中心，并在静园五院作了题为“Pursuing the Nature of Intelligence”的学术报告，北京大学前沿计算研究中心执行主任邓小铁教授主持报告。

　　报告从生物进化、人类文明发展到人工智能演进的历史脉络切入，深入探讨了智能的本质与人工智能发展的关键问题及未来方向，并提出了构建自主智能系统的理论框架。报告吸引了众多师生，现场座无虚席。

马毅教授报告现场

　　马老师在报告中指出，尽管人工智能发展迅速，但存在许多误解。技术的繁荣掩盖了理论基础的不足，许多人过于追求实用，忽视了对智能本质的深入探究。他强调，必须回归理论，建立系统的理论框架，用科学和数学的方法解读智能。

　　智能的起源与演进

　　马老师从生命起源和进化的角度阐述了智能的发展。他指出，生命从诞生之初便是智能的载体，DNA 通过遗传信息的编码和传承，实现了生命知识的传递和物种的进化。随着生物进化，神经元和大脑的出现标志着个体智能的诞生，推动了物种多样性的增加。人类的出现带来了智能的质的飞跃，语言和文字的发明使知识得以高效传播和传承，数学和哲学的发展进一步推动了科学的进步。

　　人工智能的发展历程

　　人工智能的研究始于20世纪40年代，诺伯特・维纳的控制论为其奠定了理论基础。1950年，图灵提出图灵测试，1956年达特茅斯会议确立了“人工智能”概念。然而，早期神经网络研究陷入困境，直到20世纪80年代卷积神经网络的提出才为神经网络研究注入新活力。2012年，随着数据量和计算能力的提升，神经网络在图像分类任务上取得突破，人工智能进入快速发展阶段。

　　智能的本质探寻

　　马老师指出，当前深度学习模型本质上是“黑盒模型”，难以解释内部机制。他认为，智能的核心是从高维数据中提取低维结构，通过数据压缩和闭环反馈机制实现知识的自主更新和纠错。智能系统的学习过程需要解决“学什么”“怎么学”和“如何学正确”三个关键问题。

　　“学什么” ：学习数据可预测的结构，高维空间的低维结构，增加信息增益减少编码率。

　　“怎么学” ：通过去噪和压缩，利用深度网络逐步迭代优化编码率，遵循 “同类相吸、异类相斥” 的原则。

　　“如何学正确” ：通过双向编码 - 解码，即识别与生成的一致性来验证知识的正确性。

　　迈向自主通用智能

　　马老师认为，当前人工智能面临诸多挑战，现有系统大多是开环的，缺乏自我纠正和持续学习的能力。通用智能的关键在于具备学习新事物的能力，而不是简单存储知识。他提出，未来人工智能需要构建大规模并行、分布式、多层的闭环自编码系统，借鉴自然界的智慧，实现感知、记忆、推理和决策的有机融合。

　　回归科学本质

　　马老师批评了当前人工智能发展中过于强调单一技术的现象，呼吁回归科学本质，加强对智能的科学研究和数学建模。他强调，未来人工智能的发展需要建立在坚实的理论基础之上，鼓励年轻研究者深入探索新的研究方向。

赠送中心纪念品

　　报告结束后，现场师生与马老师就智能的本质、人工智能发展趋势及伦理问题展开了热烈讨论。此次报告为计算机和人工智能研究领域注入了新的思考方向，激励科研人员在探索智能奥秘的道路上不断前行。

报告现场合影