人工智能技术发展现状与挑战 - 大语言模型在知识储备维度优势显著，但缺乏人类大脑默认模式网络的持续活动，无法自主规划与记忆 [3][10] - 当前人工智能架构虽更接近人类大脑，但仍基于规则行为模式，而人类通过自然赋予的经验学习能力快速适应世界 [3][11] - 薛澜将当前人工智能比作“认知蒸汽机”，提出需构建新的数学与理论体系解释其高维发展特性，特伦斯・谢诺夫斯基认同此观点 [4][11] 人工智能与生物科学的协同 - 生物科学与人工智能的协同发展是刚开启的新领域，深度融合有望实现双向赋能，但目前仍处于起步阶段，距离目标尚有较大差距 [3][11] - AI与神经科学的深度融合有望让机器像人脑一样理解事物，甚至产生直觉与创意 [6][13] - 人类对自身意识的神经科学基础研究也可能因AI发展取得新进展 [6][13] 人工智能监管与治理模式 - 最理想的监管模式是行业自我监管，若企业未能有效把控风险，政府介入需谨慎，避免因不了解技术细节而阻碍创新 [4][11] - 划定AI发展红线具有可行性，但需明确边界所在，可借鉴上世纪60年代生物学家限制生物技术风险的经验 [4][12] - 建立国际联合实验室的设想获得高度认同，关键在于推动研究人员与政策制定者共同制定监管原则，可考虑在第三方国家设立相关机构 [4][12] 人工智能对就业市场的影响 - AI虽可能替代部分岗位，但也会创造大量新机会，如数据科学领域近年来需求激增，加州圣地亚哥分校数据科学研究院五年内已招聘50名新教职 [6][12] - 全球AI初创企业已超10万家，为不同背景人才提供了广阔舞台 [6][13] - 人文社科从业者可凭借独特视角在AI伦理、内容创作等领域找到自身价值，例如美国一名英语文学专业学生成为AI命题工程师 [6][13] 人工智能未来发展方向 - 未来十年，AI将借鉴人脑组织方式，在特殊目的处理、散热技术等方面实现突破，逐步提升效率 [6][13] - 当前AI虽取得显著进步，但仍有巨大优化空间 [6][13] - 人工智能治理需面对科学家、企业、国家多重主体的复杂博弈，国际协同仍是关键，需通过多元治理机制平衡创新与安全 [7][13]