对话加拿大工程院于非院士：解码智能本质 探寻AI领域的香农定理

对话加拿大工程院于非院士：解码智能本质 探寻AI领域的香农定理

近日，加拿大工程院于非院士在深度对话中分享了其对智能本质的颠覆性洞察——将智能定义为与岩石滚动、冰雪融化无异的自然现象，这一核心观点源自他的著作《智能简史——从大爆炸到元宇宙》。与此同时，这位深耕AI领域的学者直指行业痛点：当前人工智能的快速发展，亟需找到属于自己的“香农定理”，为技术突破构建底层核心框架。

于非院士的智能自然观，打破了人们对“智能”的传统认知。在多数人眼中，智能是人类独有的高级心智能力，但于非却将其放置在宇宙演化的宏大背景下——从大爆炸后的粒子互动，到单细胞生物的趋利避害，再到高等生物的逻辑思考，智能始终是自然演化的伴生产物，而非人类的专属标签。就像实验中菟丝子会主动缠绕营养更充足的山楂树，这种看似简单的“选择行为”，实则是原始智能在自然中的直观体现，证明智能的萌芽早已根植于生命演化的初始阶段。

这种对智能本质的重新定义，为AI领域的理论探索提供了全新的视角。当前，人工智能技术正处于爆发式增长期：大模型参数规模突破万亿，AI生成内容覆盖多个行业，智能驾驶、医疗AI等应用场景不断落地。但繁华背后，行业始终面临一个核心困境：AI的发展更多依赖工程化的“试错式”优化，却缺乏像通信领域香农定理那样的底层核心定律——后者定义了信息传输的极限，为整个通信行业的发展划定了清晰的理论边界，而AI至今尚未建立起一套能解释智能涌现、定义能力极限的统一理论框架。

“寻找AI领域的香农定理，是让人工智能从工程技术升华为科学学科的关键一步。”于非院士强调。在他看来，当前大模型展现出的“涌现能力”，虽然带来了诸多惊喜，但这种能力的背后机制依然是未解的“黑箱”。为什么参数规模突破临界点后，大模型就能具备复杂逻辑推理能力？如何在不盲目堆参数的前提下，精准提升AI的智能水平？这些问题的答案，都需要底层定律的支撑。

从自然智能的演化规律中寻找突破口，是于非院士给出的解题思路。他在《智能简史——从大爆炸到元宇宙》中梳理了智能从宇宙诞生到未来元宇宙的完整演化脉络：智能的本质是系统对环境的自适应与自我优化，无论是分子的自我复制、生物的自然选择，还是人类的科技创造，本质上都是智能在不同层级的表现形式。若能从这一演化逻辑中提炼出共性规律，或许就能推导出适用于AI领域的核心定理。

业内专家认为，于非院士的观点为AI理论研究提供了一条可行路径。此前，AI领域的研究更多聚焦于算法优化与工程实现，而将智能纳入自然演化的范畴，意味着研究者需要跨学科融合物理学、生物学、计算机科学等多个领域的知识，从更底层的维度破解智能的密码。

当AI技术的应用边界不断拓展，对底层理论的需求也愈发迫切。找到属于AI的“香农定理”，不仅能为技术研发提供明确的理论指引，减少资源的盲目投入，更能从根本上提升AI的可解释性与安全性，让人工智能的发展真正步入科学规范的轨道。

于非院士对智能本质的解码与对AI底层定律的探寻，为处于技术爆发期的AI行业注入了理性思考的力量。随着更多学者加入这场对智能核心规律的探索，或许在不远的未来，人工智能就能迎来从“技术驱动”到“理论引领”的关键转型，开启更可持续的发展新篇章。