香港大学马毅：当前 AI 仅具 “知识” 而非 “智能”

　　9 月 11 日，在 2025 Inclusion・外滩大会开幕主论坛上，香港大学计算与数据科学学院院长马毅指出，当前人工智能虽技术蓬勃发展，却仍缺乏对智能本质的科学理解。他强调，必须将 AI 从依赖试错、不可解释的 “黑箱” 系统，转变为基于数学原理与闭环反馈的 “白箱” 模型，才能真正实现机器智能。

　　马毅回顾了智能演化的四个阶段：从 DNA 所代表的种系遗传智能，到生物个体出现大脑与感知系统形成的个体发育智能，再到借助语言实现的群体智能，最后才是真正意义上的人工智能。他指出，生命进化本质是智能机制的启动，而当前以大模型为代表的 AI 仍处于最初级的 “种系智能” 阶段，依赖海量参数与预训练数据，不仅资源消耗高、效率低，且缺乏个体记忆与自我意识。

　　马毅表示，智能的核心在于 “自我验证与自我纠错” 的能力，即能够批判性地审视既有知识，发现错误、修正并完善它。而当前的大模型仅是静态知识的存储库，无法理解其内容，因而才会出现基础逻辑混乱和 “幻觉” 问题。“虽然拥有海量‘知识’，但不具备真正的‘智能’。” 他说道。

　　举例来说，当大模型被问及一些复杂逻辑关系的问题时，常常会给出似是而非、不符合真实逻辑的答案。比如在涉及因果推导、多条件约束的问题场景中，大模型难以像人类智能那样，基于对知识的深度理解去分析、判断，而是简单地从记忆的知识库里拼凑答案，这就是缺乏自我验证与纠错能力的直观体现。

　　展望未来，马毅认为必须将智能作为一个严谨的科学与数学课题来研究，聚焦于构建具备个体记忆与闭环自治能力的系统，在可解释的理论框架下推动机器智能向真正意义上的 “自主智能” 演进。

　　在马毅看来，未来的智能系统应该像人类一样，能够在与环境的交互中不断积累个体经验，形成独特记忆，并依据这些记忆和实时反馈，实现自我调整和优化。只有建立这样基于科学原理、可解释的模型框架，AI 才有可能突破当前的局限，迈向真正的智能时代。