中国先进的人工智能研究（英）-CSET-2022.7-78页_865kb

分析报告摘要

研究背景与目标

• 探讨中国实现“通用人工智能”(AGI)的路径及安全风险
• 基于公开来源与中国本土情报监测构建预警机制

核心研究框架

A. 概念厘清

• 反对使用“AGI”（人类水平AI）定义，主张“广义能力AI”，强调路径多样性
• 明确定义“intelligence”需跳出人类中心视角

B. 技术路径分类

识别五类AGI技术研发方向：

1. 模拟人类行为的传统机器学习
2. 反向工程人脑结构（类脑AI/神经形态）
3. 快速算法进化（算法量级突破）
4. 拓展智能定义（非人类中心）
5. 人机融合接口（BCI纳米芯片）

C. 中国生态图谱

绘制三类主力研究网络：

1. “主流计算派” ：百度、阿里达摩院、图灵实验室等芯片驱动型平台
2. “类脑仿真派” ：北大、中科院自动化所、上海脑科学中心等神经科学融合机构
3. “接口增强派” ：清华大学、天疆实验室等BCI人体植入研究

监测体系建设

方法论创新

• 构建“实体-属性-关系”数据库动态追踪技术演进
• 开发多源语言监测工具（新闻/学术文献/开放获取数据库）
• 重点监控指标：
  • 脑图谱研究进展（全脑连接组/神经元模拟）
  • 三维模型突破（0样本学习/自适应算法）
  • BCI芯片市场化

案例佐证

• 西安交大-腾讯合作收录35篇AGI关键词论文
• 武汉AI计算中心2021年立项“全脑多模态AI平台”
• 南京协和盛建立“灵长类脑网络国际联合实验室”

主要发现与争议

中国科研态度

• 约75%类脑AI专家认同AGI可行性（2020问卷）
• 中科院研究员强调“强AI—弱AI渐进过渡”论
• 北大团队主张“非人类中心智能哲学”降低伦理恐惧

风险警示

• 量子计算/自组织算法潜在军用化倾向
• 黑客攻击获取高端AI训练数据（如OPM漏洞案）
• BCI技术被医学应用掩盖增强认知目的

推荐措施

1. 构建跨机构开源预警平台
2. 开展中美AGI项目对比研究
3. 立即启动“全脑仿真技术”专项监测
4. 完善学术论文伦理审查机制