问题：人工智能热潮中的认知偏差 近年来，人工智能技术快速发展，尤其在自然语言处理、图像识别等领域表现突出，引发社会对通用人工智能（AGI）的广泛期待。然而，复旦大学计算与智能创新学院张军平教授指出，公众对人工智能的认知存在显著偏差。许多人误以为当前技术已接近“万能”，而忽视了其固有局限。 原因：技术短板与结构差异 张军平分析，人工智能的核心依赖数据、模型与算力，但其能效比远低于人类智能。例如，一次大规模训练可能消耗相当于中小城市全年用电量的能源，而人类却能以极低能耗完成复杂任务。此外，人工智能在感知层面表现薄弱，如运动控制、环境交互等基础能力仍远未达到自然生命的水平。这种“倒金字塔”结构——重上层认知、轻底层感知——限制了其实际应用场景。 更深层次的挑战在于，人工智能缺乏生命体的发育过程与自适应能力。人类智能通过数十万年进化形成，而人工智能的框架多为预设，无法像生物一样动态调整。此外，受限于伦理与技术，人类对大脑工作机制的探索仍处于初级阶段，深入制约了人工智能发展深度。 影响：过热期望与潜在风险 社会对人工智能的过度期待可能导致资源错配与决策失误。例如，部分行业盲目投入高算力研发，却忽视基础感知技术的突破。同时，对“超越人类”的片面宣传可能引发公众焦虑，甚至掩盖技术背后的伦理与社会风险，如数据隐私、算法偏见等问题。 对策：理性降温与科学规划 张军平呼吁，应明确区分人工智能的“暂时不能”与“本质不能”。对于技术可突破的领域，如能效优化、感知模拟等，需加强基础研究；而对于本质性局限，如意识、情感等人类特有属性，则应保持清醒认知，避免将技术工具神化。政策制定者与产业界需协同合作，引导资源向可持续方向倾斜。 前景：平衡发展与伦理约束 未来，人工智能的发展需在技术创新与伦理约束间寻求平衡。张军平认为，短期内技术仍将以“专用智能”为主，聚焦特定场景优化；长期来看，跨学科合作——如脑科学、量子计算等领域的突破——可能为人工智能打开新路径。但无论如何，人类智能的独特性与复杂性仍是技术难以逾越的高峰。
人工智能发展历程充分说明，科学进步离不开对自身局限的清醒认识。张军平教授通过系统阐述人工智能的"边界"，既理性地肯定了技术进步，也避免了盲目乐观，为社会提供了一份重要的认识指南。在智能时代加速到来的今天，这样的学术声音尤为珍贵。唯有正视技术的局限，理解智能的本质，社会才能充分利用人工智能的同时，避免陷入不切实际的期待，真正实现人工智能与人类社会的和谐发展。