现代计算硬件的强大功能和处理大量数据的能力，推动了生成式人工智能的巨大进步。然而，俄罗斯科学院系统编程研究所所长阿鲁尤恩·阿维提相(Arutyun Avetisyan)博士指出，该技术在达到哲学家所描述的真正自主和推理能力之前，还有很长的路要走。

　　现代人工智能主要依赖于经验数据的判断。由于数字数据的海量积累和超级计算资源的飞跃发展，人工智能的判断质量已经达到了相当高的水平，以至于“一个人在交流时，可能不明白他是在和机器人还是人说话，”Avetisyan解释说。

　　尽管生成式人工智能在模拟人类思维方面取得了显著进展，但它尚未跨越数学家和哲学家设定的独立推理和人类思考能力的门槛。Avetisyan引用了18世纪德国哲学家伊曼纽尔·康德(Emmanuel Kant)关于经验知识与先验知识的讨论，指出人工智能的知识仍然依赖于经验，而非独立于经验之外的先验知识。

　　?Sputnik / Olga Merzlyakova / Scientific russia。Arutyun Avetisyan是俄罗斯科学院系统编程研究所所长。

　　康德认为，所有的知识都源于经验，但经验并不能保证知识的普遍性。因此，他设定了知识的界限。Avetisyan博士解释说，现代人工智能中没有任何知识是完全独立于经验的。

　　Avetisyan指出，目前的AI主要是弱人工智能，基于经验和数据，而强人工智能则需要基于理性和先验知识的推理能力。按照康德的定义，我们距离强人工智能还有很长的路要走。

　　虽然领军人物正在朝着这个方向努力，但Avetisyan认为，强人工智能的出现可能还需要很长时间，不会在近期内实现。

　　因此，Avetisyan和他的团队将精力集中在弱人工智能的相关问题上，这是一个潜力巨大的领域，涉及许多技术和社会问题，特别是安全和信任问题。

　　Avetisyan解释说，现代计算能力和信息的广泛可用性使得基于大型语言模型的生成式人工智能即使使用非最先进的数学方法也能取得显著成果。他强调，技术的未来在于企业和客户的大规模采用，以及真正开放的架构。

　　“今天，整个经济部门都在从一个‘公共池’中获取软件解决方案，并在各自国家实施，将其转化为特定的技术。这都是基于合作经济的理念，当一个人的生产力增长不是两倍，而是几个数量级，”Avetisyan说。

　　Avetisyan指出，GitHub作为最大的开源项目协作平台，其用户从500万激增到全球超过1亿人，“他们所有人……同时创造新的技术和知识。”

　　“我们必须学会创造产品，并在技术上独立，”他指出，俄罗斯程序员已经开发了数十种基于Linux的操作系统，这些系统对俄罗斯工业具有不可估量的价值。

　　Avetisyan强调：“通过一个封闭的系统来竞争是不可能的，因为你无法在一个地方聚集必要的知识和人员。”他相信，封闭架构的人工智能模型如OpenAI和ChatGPT将不可避免地遇到开放模型的竞争，后者对于安全生成人工智能架构的出现至关重要。

　　“独立地说，世界上没有任何一个国家——无论是我们还是美国——能够开发出广泛的有竞争力的技术。这并不意味着我们应该一头扎进别人的项目，并试图以某种方式朝着他们所做的相同方向前进。相反，我们必须理解这种能量，以开放的方式建立我们自己的知识库，这种知识库不会与国际社会分离，而是更可靠、更安全，我们可以保证访问它们不会受到限制，”这位学者说。

　　为了实现这一目标，Avetisyan认为，俄罗斯需要自己的开发“工具包”、财政资源和组织理解，以降低风险、最大化回报，并确保知识流入该国。他指出，系统编程研究所已经开发了一系列工具，如Svace和Crusher，以解决PyTorch和TensorFlow等主要生成式人工智能工具的漏洞，并分享它们以改进这些系统。

　　从这个意义上说，阿维提相博士是“可信人工智能”的倡导者，他将其定义为存在文档并可用于描述其运行机制的人工智能。

　　“在人工智能领域还没有这样的文件。但这一进程已经在世界各地启动，”Avetisyan说，并指出各国正在努力引入法规，以减轻人工智能的风险，最大限度地开放并确保道德行为。

　　“如果我们从人工智能的角度回到‘信任’这个词，我们必须定义开发可信的人工智能意味着什么：从我们使用的设计、数据分析和库（所谓的框架）到现成模型的分析，以识别漏洞和缺陷，”Avetisyan说。

　　此外，“当我们讨论禁令时，有必要确保这些问题不仅仅是由IT专家或数学家决定的。他们应该参与，但人文学科的专家也必须参与，因为我们看待事物的方式不同。”

　　“如果没有控制技术，人们可以签署任何声明，但它们将毫无意义。必须了解形势，并进一步发展。在俄罗斯，我们已经在2021年成立了可信人工智能研究中心，而全球监管趋势直到2023年才开始，”Avetisyan说，并指出欧盟和美国目前正在朝着这个方向努力。

　　Avetisyan说，目前，不仅在俄罗斯，而且在全球范围内，有许多与人工智能相关的技术问题必须得到解决。

　　“例如，优化任务：如果我们可以花费更少的能量和计算资源来达到相同的结果，那将是伟大的。或者是否有一个模型可以在智能手机上运行，并且它的质量与大型模型相似。我把这些领域归功于代码的效率和生产力，”他说。

　　“还有一些障碍与缺乏设备有关。重要的是要有正确的基础设施，这样任何学生或老师都不必去想如何找到一个GPU加速器。他们必须使用云模型访问服务——一卷给老师，另一卷给学生，这取决于需要。如果学生赢得了一个项目或比赛，我们可以给他额外的计算能力奖励。我们必须建立基础设施，使我们的科学家能够消除这一障碍。数字不平等必须消除。这不仅仅是关于硬件，而是整个技术栈的对应，”Avetisyan博士总结道。