7月，美国计算社区联盟（CCC）发布白皮书《展望人工智能的可能未来》^[1]，探讨在深度神经网络和基础模型的时代之后，人工智能的下一步将会是什么。报告提出了6个潜在的人工智能未来方向。

1、神经符号人工智能。该范式旨在将深度神经网络的模式学习能力与符号人工智能的逻辑推理能力相结合。这种结合将克服深度神经网络自身的诸多局限性，提高可靠性和追溯性等。神经符号人工智能的研究侧重于识别神经和符号模式的整合策略，长期目标是建立更丰富的协同效应，以促进已知概念和抽象概念的全新应用，从而理解和解决新问题。想象一下，人工智能系统不仅可以识别猫，还可以理解“猫”的抽象概念并可以对其进行推理。

2、神经形态人工智能。神经形态计算设备使用晶体管、忆阻器、自旋电子存储器、阈值开关等硬件元件来模拟神经元的运作。当前人工智能研究的主流范式聚焦于深度神经网络，可以说是“受大脑启发”的，而神经形态人工智能是直接模仿硬件中神经元的结构和行为。这种方法有望在能效和延迟方面具有显着优势，特别是对于移动和嵌入式设备。

3、具身人工智能。具身人工智能代表了一种超越纯粹计算智能的范式，它拥有物理存在的系统，能够在物理环境或高保真模拟环境中感知、行动和学习。这种直接的相互作用可以更深入地理解因果关系和空间关系，反映生物智能的发展方式。

4、多智能体人工智能。多智能体人工智能是一个由专业人工智能智能体组成的协作生态系统。该系统中，多个独立的智能体各自拥有独特的能力、知识和目标，它们相互交互、协调，以实现复杂的总体目标。多智能体人工智能可实现突发行为，并为单体系统难以解决的问题提供更稳健、更具自适应的解决方案。要发挥多智能体人工智能的潜力，需要开发强大的通信协议和协调机制，以实现不同智能体之间的有效交互和信息交换。

5、以人为本的人工智能。这种范式强调人类和人工智能系统之间的协作和协调，以增强人类的能力，而不是试图让没有人类交互的自主人工智能系统取代人类智能。有效的以人为中心的人工智能可能需要具有社会智能的人工智能系统，即能够检测和响应复杂的社会线索，推断人类队友的复杂认知和情感状态，以时间延伸和非操纵的方式进行交互，并对复杂和上下文敏感的人类社交网络进行推理。

6、量子人工智能。量子人工智能是一种基于量子计算新兴原理和方法的人工智能研究范式，目前仍处于推测阶段。量子人工智能可以彻底改变优化和搜索问题，或者以前所未有的精度实现物理仿真。量子计算在人工智能领域的应用面临一系列挑战，包括：需开发一种合适的问题编码，将给定的人工智能问题中传统上难以处理的部分简化为可以在量子器件上执行的任务；将量子器件用作人工智能系统中的组件需要对量子组件所需的关键数据进行数模转换，以及对量子组件的输出进行模数转换；需要数千个变量的状态空间，当前量子硬件无法实现。

（黄龙光）