西安交大任鹏举：人类专家是认知过程的架构师，AI无法替代

近日，2025全球创见者大会——AI+技术平台平行论坛在上海举办，西安交通大学人工智能学院的任鹏举教授以《AI时代的创新范式与思考》为主题，启迪大家建立对AI的科学认知观，并给出了人类专家如何与智能系统协同创新的方法指导。以下为演讲的部分要点，特别与您分享。

西安交通大学人工智能学院的任鹏举教授

感谢金蝶邀请，非常荣幸能在这里与大家分享个人在智能时代的一些思考和实践。十多年前，人工智能还只是高校象牙塔里研究的高深学问，然而近十年来，它已经越来越受到产业界、政府以及大众的广泛关注。在这个过程中，我发现大家对人工智能的认知存在两个极端：一些人认为它无所不能的，而另一些则对其嗤之以鼻。“名不正，则言不顺”。在迈向人工智能时代的道路上，我们首要任务就是建立起对于AI的科学的认知。接下来，我将和大家一起探讨人工智能的What、Why、How，并在此基础上分析如何建立利用AI认识世界和改造世界的科学认知和实践框架。

人工智能时代的创新范式

首先，我们要了解什么是人工智能（What）。根据维基百科的定义，人工智能是指以机器为载体的智能，这与人类和其他动物展示的自然智能形成了鲜明对比。信息科学中的人工智能被定义为对智能主体的研究，即那些能够观测周围环境并采取行动以达到目标的系统。这些智能主体可以是软件、软硬结合的系统、也可以是人工智能的基础设施或信息企业的基础平台等。简单来说，我们通常用术语“人工智能”来描述机器模仿人类思维或与其相关的认知功能，特别是学习与解决问题的能力。

接下来，我们一起分析为什么要研究AI（Why）以及用AI来做什么（How）。在人类传统的认识和改造世界的方法中，我们首先从数据中剔除噪声、提炼有价值的信息，之后发现其规律和模式形成知识，进而转化为改造世界的智慧。例如，苹果掉在牛顿的脑袋上，这是生活中的一个事件也是我们常常说的一段数据，引发了他的深度思考，进而发现了万有引力定律，该知识帮助人类摆脱地球引力，迈出探索外太空的第一步。但在人工智能时代，这一范式发生了根本性的改变——我们不再需要信息的凝练和知识的显性化，AI可以直接从数据中获得智慧。许多人认为这是数据驱动的认识世界和改造世界的新范式。

为什么会出现这样的范式变化呢？我认为既有主观原因也有客观因素。主观上，科研研究正朝着“极微观、极宏观、极端环境和极复杂交叉综合”四极的方向发展，使得传统的认知方法面临难以逾越的有效性挑战；客观上，我们进入万物互联的时代，大数据的碎片化、多维度特征又进一步凸显传统认知方法的低效性问题。此时我们不禁要问：人工智能这种认识世界和改造世界的新范式和传统方法之间到底是什么关系？是否是对后者的否定？事实上，两者之间存在着强烈的互补关系。数据驱动的人工智能可以发现复杂研究对象之间的相关关系，补充了传统知识驱动方法面临复杂问题时，难以厘清其清晰机理的不足。

在实践中，我们发现人工智能不仅限于模仿人类的感官能力，如视觉、听觉等，还包括理解和生成内容、与人对话、学习、思考甚至创作。我们的目标是让AI成为知识生产和释放创造力的工具。

近年来，随着技术的进步，人工智能已经在多项特定任务上超越了人类，特别是在图像分类、阅读理解等领域。尽管如此，它在更广泛的层面例如，多模态理解和推理方面仍稍逊一筹。不过，考虑到其发展速度，未来有望在更多细分领域超过人类。

面对第四次工业革命带来的机遇与挑战，每个生产者都不可回避人类专家如何和AI系统协同创新的现实问题。如何通过AI提升领域专家的认知维度和实践效能，加速跟上技术发展的步伐，最终在实践层面实现突破和创新。

行业专家与AI的共生共创

注意到AI的快速发展以后，许多劳动者担心自己的工作会被AI取代，尤其是最近看到亚马逊、微软等公司大规模裁员的消息后进一步加剧大家的担忧。根据《经济学人》报道，43%的工作可能会被自动化替代，但仍有57%的工作可以通过人机协作得到增强。对于职场人士而言，培养终身学习、AI素养及适应人机协作这种面向未来的能力至关重要。我们已经清晰的意识到未来的共创方式是人和AI的相互协作，那么在实践论层面，我们究竟该如何更好地实施呢？

我们可以利用乔哈里斯四象限的分析框架，把遇到的问题分为四类现象，根据不同情况制定相应的交互原则。例如，在人知道且AI也知道的情况下，应尽量使用精确化的提示语；而在人不知道但AI知道的情境下，则需要AI提供详细的论证过程及关键数据来源。此外，针对未知领域的问题，应由人提出假设，AI搜集数据启迪思路、并通过两者的迭代试错来拓展彼此的认知边界。

总结来说，无论是处理小规模任务还是跨领域的复杂问题，都需要人类专家与AI密切合作。前者凭借专业性确定任务的锚点、利用评判性评估任务的结果、发挥直觉性和创造性作为人机协作过程中的认知脚手架（两点一线），后者则负责执行细节并提供宏观视角，并不断在人类专家提供的认知脚手架的指导下迭代式改进和完善，克服其在介观尺度的不一致性和幻觉高峰的能力低谷，最终真正实现人机共生共创的理想状态。