自本世纪初以来，AI技术迅猛发展，标志着科技革命进入了新纪元。目前，AI应用主要集中在以问答功能为主的AI助手上，其属性难以像传统ICT系统那样被完全理解和保障。AI在工业和服务领域的应用潜力巨大，但这一潜力尚未得到充分挖掘。
《智能世界2035》描绘了AI的发展愿景，深入探讨了技术融合将如何推动工业和服务智能系统的转型。报告展望了物联网可能涵盖的各类工业系统，包括自主交通系统、智能电网、智能工厂与农场以及自主通信网络等。此外，报告还全面分析了AI在医疗、教育、智能家居、智慧城市和商业创新等服务领域的应用及影响。除了强调AI在这些领域的关键作用外，报告还探讨了AI与其他创新技术的协同效应，以及转型可能带来的社会和经济影响。
为实现上述愿景，我们仍面临诸多超越通用人工智能范畴的技术挑战。我们的目标不仅是创造一种“能够理解、学习任何人类所能完成的智力任务的机器”，更在于让机器能够整合自身能力，自主行动，感知现实环境，并以自适应且可靠的方式追求其目标。
智能系统的构建正在颠覆传统的系统工程，需要将基于传统ICT模型的开发与数据驱动的AI技术相结合。我们需要通过混合解决方案构建智能系统，确保其能够基于大量已有知识做出安全高效的决策，还能规避AI系统的不可解释性。
在构建智能系统时，如果需要整合一些不可信的AI组件，则为了确保系统可靠性，需要可扩展、可演进的混合解决方案，特别是要将符号和非符号知识（如用于决策的感官信息和模型）结合起来。在开发智能系统时，我们需要在系统设计的正确性和运行阶段的韧性之间实现平衡，并通过定期或针对性的更新，实现系统的持续演进。
此外，系统验证目前正从理性主义向经验主义转变。传统的基于模型的技术虽能保证高可靠性，但由于系统固有的复杂性和异构性，已不再适用。我们需要超越当前随机测试和仿真的方法，开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。
报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超大规模化发展，需要对高耗能基础设施进行巨额投资。
这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业AI。
此外，这种协同效应对按应用领域收集和清理数据至关重要。事实上，构建强大的行业AI应用与基于网络数据训练通用大语言模型有着根本区别。我们可以在网络上找到几乎所有常见主题的数据，但关键的行业事件通常是罕见的故障或异常。你可能拥有十年的“正常运行”数据，却只有极少数灾难性故障事件，而行业AI模型必须从这些极为罕见的事件中学习。
历史表明，开放的生态系统和国际合作是技术进步的重要加速器，对于复杂且具有变革性的AI领域更是如此。开放的工具和平台将有效推动我们在系统互操作性和集成方面取得突破。
此外，国际合作对于达成监管框架共识、控制AI产品相关风险至关重要。以阻碍创新为由公开反对加强监管，实际上是一种只顾短期利益的做法，长远来看不利于未来的发展。
因此，在这一背景下，我们需要开发更可靠、更能适应实体经济需求的AI，向我们期待已久的自主系统演进。这将有助于平衡AI的战略博弈，也将促使我们与志同道合的伙伴携手合作，以兼顾发展与安全的方式监管AI，造福社会。
