试题详情

5 . 阅读下面的文字，完成下面小题。

材料一：

人工智能，本质上是学习人类智能的过程。多年来，人工智能领域出现了很多不同的学派，大致来说主要是两种不同的思路。一种思路认为，可以把大脑的逻辑、规则、推理过程都用符号表示出来，这就是符号学派。还有一种思路是连接学派。这个学派认为，大脑如此复杂，智能的实现十分困难，所以要通过大量的数据，依靠积累经验、持续学习、不断适应，以及与世界的连接来获取智能，这就是连接主义。最近10～20年主流的深度学习技术用的就是这样的方法。

人工智能发展史上有几个里程碑性质的关键事件值得关注：2016年围棋人工智能程序AlphaGo第一次击败了李世石九段。但我觉得更了不起的，是大家听闻较少的AlphaGo升级版AlphaGoZero。它完全不用学习人类的棋局，而是自己和自己下棋，通过不断地博弈来学习，进化速度非常快。AlphaGo代表的是一个特别重要的概念——智能体。

ChatGPT诞生之后，人工智能跳跃到了一个新的范式，它不仅可以识别，还可以生成、可以创造，生成式AI就这么出现了。

还有一个重要的里程碑，是中国的DeepSeek，出现在2025年1月。DeepSeek是一条新的路径，在算法、技术、系统架构上都有创新，它用1%的算力就可以达到和美国前沿大模型相似的能力。DeepSeek出来之后，中国和美国在大模型领域的差距就缩短到大约2～3个月。另外，它采用开源模式，它的开源模型很快就被很多买不起大模型的国家、地区所使用，这使得整个模型的落地和应用变得越来越快。

2025年，人工智能领域迎来了又一重要转变——从生成式AI迈向智能体AI。在此之前，我们遵循“规模定律”：数据越多、算力越强，模型效果越好，达到一定阶段后会出现涌现效应。但2025年我们发现，语言领域预训练阶段的规模效应正在放缓，数据资源逐渐趋于饱和，继续增加算力的边际收益不断减少。与之相对，后训练阶段的重要性日益凸显。这就像人类的成长：预训练如同上学阶段，从本科到硕士、博士，通过学习积累知识变得聪明；而后训练则像是工作后的实践，在具体场景中不断学习、进化，这也是智能体AI的核心来源。

什么是智能体？人类作为高智能物种，能够设定任务和目标、规划实现路径、不断试错反馈，凭借强大的记忆完成任务。AI智能体在学习人类这种高级智能时，具备三大关键能力。

第一点，自主学习，而不是自动学习，这两者之间存在很大差别：自主学习是没有固定的规则，在不断探索中学习；而自动化往往是有预设规则的，是按照定义好的规则来运行的。

第二点，可进化，通过不断迭代可以变得更好，而且进化之后，下次再做类似的事情，可以把原来学到的知识用上。

第三点，泛化能力，即举一反三的能力。比如说一个人学会了怎么去订票，那么他所拥有的这个技能可以用到其他类似的领域，例如报销、购物等等。

这些智能的实现，离不开最基本的东西——数据。数据的本质就是数字化，我们的技术底座就是数字化。首先是信息世界的数字化，然后是物理世界的数字化、生物世界的数字化。过去40年，我们最重要的工作就是数字化。

美国麻省理工媒体实验室主任曾在数字化1.0开启时提出，我们正在从“原子”走向“比特”。“比特”是香农定义的数字世界的基本单位。而如今，我们正从比特回归原子、走向分子——新一代智能是信息智能、物理智能和生物智能的融合，是比特、原子和分子的融合。

（摘编自张亚勤《人工智能的技术发展与未来展望》）

材料二：

人工智能经历了符号主义、连接主义、行为主义等多条技术路线的并行探索，在不同历史阶段各领风骚。如今，随着技术的成熟，多技术路线融合统一成为发展趋势。

从虚拟的数字空间走向真实的实体空间，是人工智能发展的历史必然。技术条件的成熟，为人工智能进入实体空间提供了可行性支撑。传感器技术的发展实现了实体空间的精准感知，为智能决策提供输入；机器人技术的突破实现了感知与执行的一体化，能够在实体空间自主移动、灵活操作；AI芯片性能的飞跃，为大规模模型训练和推理提供了强劲动力，支撑了大模型实现；大模型的发展，融合了语言、视觉、语音等多种感知能力，实现了跨模态的理解与生成，为推理和决策提供有力支持。

行业应用的需求牵引，成为人工智能走出数字世界的核心动力。这种与物理过程深度耦合、并能直接带来质量提升与成本节约的赋能模式，是推动实施“人工智能+制造业”行动的迫切需求。

然而，实体系人工智能的发展正面临着技术壁垒高、实施路径不清晰、规模化发展难度大等多重挑战。

技术攻关方面，实体系人工智能需以信息物理深度融合为基石，构建“感知—认知—决策—执行”技术体系。先准确感知物理世界。再利用大模型的“通才”能力解决复杂决策，利用小模型的“专才”能力执行确定性任务。最后，实现准确、快速的动作执行。

应用示范方面，实体系人工智能需建立“场景开放+政策激励”双轮驱动模式，打通技术到产业的“最后一公里”，加速实体系人工智能全链条发展。

标准引领方面，实体系人工智能需构建统一的体系架构与系统评估、规范的技术方法指导与测评、通用的系统应用定义与要求等标准体系，为实体系人工智能的规模化发展提供有力支撑。

综上所述，坚持“以数据为牵引、以模型为核心、以平台为支撑”发展路线，通过技术攻关、应用示范、标准引领三位一体协同联动，必将加速推动实体系人工智能发展，全面赋能生产制造的各个环节。

（摘编自于海斌《当人工智能走向实体空间》）

2026年是公认的“AI智能体元年”。与传统的聊天机器人不同，智能体不再是“能说会写”的被动工具，而具备了______的能力，没有固定的规则，能够在探索中学习。2025年以来，智能体发展速度超出预期：从生成式AI迈向______。如今预训练阶段的规模效应正在放缓，后训练阶段的重要性日益凸显，人工智能走出数字世界，关键在于______，推动实施“人工智能+制造业”行动。