9 月 11 日，在 2025 Inclusion・外灘大會開幕主論壇上，香港大學計算與數據科學學院院長馬毅指出，當前人工智能雖技術蓬勃發展，卻仍缺乏對智能本質的科學理解。他強調，必須将 AI 從依賴試錯、不可解釋的 “黑箱” 系統，轉變為基于數學原理與閉環反饋的 “白箱” 模型，才能真正實現機器智能。
馬毅回顧了智能演化的四個階段：從 DNA 所代表的種系遺傳智能，到生物個體出現大腦與感知系統形成的個體發育智能，再到借助語言實現的群體智能，最後才是真正意義上的人工智能。他指出，生命進化本質是智能機制的啟動，而當前以大模型為代表的 AI 仍處于最初級的 “種系智能” 階段，依賴海量參數與預訓練數據，不僅資源消耗高、效率低，且缺乏個體記憶與自我意識。
馬毅表示，智能的核心在于 “自我驗證與自我糾錯” 的能力，即能夠批判性地審視既有知識，發現錯誤、修正并完善它。而當前的大模型僅是靜态知識的存儲庫，無法理解其内容，因而才會出現基礎邏輯混亂和 “幻覺” 問題。“雖然擁有海量‘知識’，但不具備真正的‘智能’。” 他說道。
舉例來說，當大模型被問及一些複雜邏輯關系的問題時，常常會給出似是而非、不符合真實邏輯的答案。比如在涉及因果推導、多條件約束的問題場景中，大模型難以像人類智能那樣，基于對知識的深度理解去分析、判斷，而是簡單地從記憶的知識庫裡拼湊答案，這就是缺乏自我驗證與糾錯能力的直觀體現。
展望未來，馬毅認為必須将智能作為一個嚴謹的科學與數學課題來研究，聚焦于構建具備個體記憶與閉環自治能力的系統，在可解釋的理論框架下推動機器智能向真正意義上的 “自主智能” 演進。
在馬毅看來，未來的智能系統應該像人類一樣，能夠在與環境的交互中不斷積累個體經驗，形成獨特記憶，并依據這些記憶和實時反饋，實現自我調整和優化。隻有建立這樣基于科學原理、可解釋的模型框架，AI 才有可能突破當前的局限，邁向真正的智能時代。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
