生成式人工智能賦能未來技術(shù)預見

張煒，林永春，王良

（1.浙江大學中國科教戰(zhàn)略研究院；2.浙江大學公共管理學院）

技術(shù)預見作為一種面向未來技術(shù)發(fā)展趨勢的預判活動和科技管理的政策工具，受到越來越多國家和國際組織的重視。英國薩塞克斯大學技術(shù)預見專家Martin在1995年首次提出，技術(shù)預見是有系統(tǒng)地試圖研究科學、技術(shù)、經(jīng)濟和社會的長期未來發(fā)展趨勢過程，目的是確定可能產(chǎn)生最大經(jīng)濟和社會效益的戰(zhàn)略研究領(lǐng)域和新興通用技術(shù)（Martin，1995）。20世紀90年代到21世紀初，信息、通信、人工智能等新興技術(shù)發(fā)展突飛猛進，許多國家加強技術(shù)預見與監(jiān)測研究，技術(shù)預見第三次高潮掀起。

一、技術(shù)預見與人工智能的交互趨勢

近年來，伴隨著大數(shù)據(jù)、區(qū)塊鏈、云計算等新一代數(shù)字技術(shù)的加速推進，科技創(chuàng)新進入新的發(fā)展階段，技術(shù)預見也隨之革新，人工智能與技術(shù)預見的交互趨勢日益顯著。

一是技術(shù)預見主體多元化。基于數(shù)字化技術(shù)的快速發(fā)展，多元主體參與社會活動的大規(guī)模數(shù)據(jù)得以傳輸、共享、結(jié)合，技術(shù)預見也開始從原先的“精英參與”向著“多元化數(shù)字治理”轉(zhuǎn)變。人工智能技術(shù)促進信息整合，形成多源異構(gòu)數(shù)據(jù)平臺，通過整合多層面的技術(shù)數(shù)據(jù)，借助特定AI工具進行刪減、辨?zhèn)?、集成，整合形成科技治理綜合數(shù)據(jù)庫和智能查詢平臺，使多主體技術(shù)預見活動得以進一步高效率展開。

二是技術(shù)預見方法數(shù)據(jù)化。預見方法的數(shù)據(jù)化有效克服了傳統(tǒng)德爾菲法造成的專家數(shù)據(jù)時效不新、客觀真實性不高等問題。在“集成性文獻+創(chuàng)造性信息”的合力支撐下，不僅使技術(shù)預見的決策過程更加迅速、客觀，還讓嚴謹科學、可視化的人機交互動態(tài)調(diào)整預見結(jié)果成為可能，不再是純粹的紙上談兵。一方面，人工智能技術(shù)有助于提升數(shù)據(jù)獲取的實效性；另一方面，人工智能技術(shù)有助于促進主客觀數(shù)據(jù)的有效交互，從而實現(xiàn)內(nèi)涵數(shù)據(jù)形成。例如，通過數(shù)字化網(wǎng)絡社區(qū)和人機交互平臺，不同行業(yè)領(lǐng)域的專家、不同性格特征的受訪者能夠開展信息交互和情景對話，既提升了技術(shù)預見材料的客觀性，又發(fā)掘出大量原有方法難以捕捉的隱形數(shù)據(jù)。

三是技術(shù)預見工具智能化。機器學習、虛擬現(xiàn)實和人工智能等前沿技術(shù)與傳統(tǒng)技術(shù)預見方法相結(jié)合，將在感官可視化、共享體驗方面為技術(shù)預見活動帶來新的可能性。生成式人工智能在算據(jù)支撐、算法驅(qū)動、算力保障的綜合系統(tǒng)中，通過大模型設計和多模態(tài)組合等手段實現(xiàn)了海量數(shù)據(jù)集成和挖掘、人機交互場景生成、未來模擬情景構(gòu)建，從而解決技術(shù)預見信息獲取難、準度低、可靠性弱，預測場景真實性差等問題，推動技術(shù)預見實現(xiàn)集成化、科學化、智能化轉(zhuǎn)向。

二、生成式人工智能賦能技術(shù)預見的關(guān)鍵特征

作為國家科技治理的重要工具，技術(shù)預見活動應加速與數(shù)字化工具的融合進程，提升生成式人工智能的加成優(yōu)化效應。傳統(tǒng)的技術(shù)預見多以德爾菲法作為工具依托，易出現(xiàn)參與主體領(lǐng)域局限、數(shù)據(jù)支撐薄弱，結(jié)果反饋實時更新難等一系列問題，AI技術(shù)的成熟為技術(shù)預見的發(fā)展帶來了新的機遇。充分發(fā)掘生成式人工智能在未來技術(shù)預見領(lǐng)域的應用契合點，對于提升技術(shù)預見效率，提高科技治理能力，促進戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展具有重大意義。

（一）人機交互情境下驅(qū)動技術(shù)預見決策集成化

生成式人工智能在傳統(tǒng)數(shù)據(jù)挖掘的基礎之上，借助人工智能生成內(nèi)容的強大的語言學習理解能力和豐富的文本溝通交流能力，在人機交互中將技術(shù)預見過程和數(shù)據(jù)采集方式變得更加潛移默化。一方面，其通過機器學習的形式實現(xiàn)數(shù)據(jù)采集對象的性格特征勾勒和情緒刻畫的同時，營造“人性化”語言環(huán)境和參與氛圍，降低各類參訪因素造成的心理影響，實現(xiàn)知識的深度挖掘、信息的深層次集成獲取。另一方面，借助交互式、輕松化文本呈現(xiàn)，視覺、姿勢識別等近距離交流手段打造友好的人機交互界面，以實現(xiàn)深層次的原始數(shù)據(jù)材料收集和針對性信息獲取。如Open AI公司推出的ChatGPT提供了基于對話的人機交互界面，通過用戶提供的原始語言，“理解”生成高質(zhì)量內(nèi)容，不僅內(nèi)容集成，還更富有內(nèi)涵創(chuàng)新。生成式人工智能通過多種形式的深層次知識挖掘，既實現(xiàn)了數(shù)據(jù)拓展的深度，又保證了數(shù)據(jù)獲取的客觀可靠，在數(shù)據(jù)檢索收集、信息分類歸納、知識框架梳理等人工智能輔助環(huán)節(jié)下實現(xiàn)集成化決策。

（二）多組態(tài)場景協(xié)同推動技術(shù)預見情境可視化

生成式人工智能在巨量數(shù)據(jù)的算據(jù)基礎之上，借助現(xiàn)有數(shù)字技術(shù)的強大云計算能力和神經(jīng)網(wǎng)絡生成內(nèi)容的算法模型，實現(xiàn)了數(shù)據(jù)內(nèi)容的創(chuàng)造生成和虛擬場景的模擬建構(gòu)，場景顯現(xiàn)、技術(shù)發(fā)展有跡可循成為生成式人工智能賦能技術(shù)預見的最大亮點。生成式人工智能基于億萬級素材算據(jù)驅(qū)動和原創(chuàng)算法挖掘的智能材料生成，利用大量的文本數(shù)據(jù)進行訓練，可以秒級自動呈現(xiàn)多篇圖文并茂、邏輯嚴密的調(diào)研素材和訪談結(jié)果，并且使案例更具系統(tǒng)性和嚴密性?，F(xiàn)階段其正在追求圖片、文字、語音等系列表達方式的組合虛擬，核心技術(shù)是多模態(tài)的聯(lián)系和協(xié)同，實現(xiàn)不同模態(tài)的數(shù)據(jù)融合和代碼適應，以期建立完備的未來場景。數(shù)字孿生和虛擬現(xiàn)實與生成式人工智能緊密結(jié)合，并為其提供了全息立體應用場景，實現(xiàn)虛擬現(xiàn)實。隨著元宇宙研究的不斷深入，各類數(shù)字孿生工具和虛擬現(xiàn)實生產(chǎn)平臺競相亮相，并與生成式人工智能緊密結(jié)合，較有代表性的是英偉達于2021年發(fā)布的Omniverse Avatar平臺，融合了計算機聽視覺、語音識別、虛擬現(xiàn)實等技術(shù)，聚焦虛擬交互場景開發(fā)。樣本學習的加速迭代和虛擬場景的現(xiàn)實構(gòu)建可以模擬顯現(xiàn)技術(shù)預見的未來方向和成果，提高其真實性和可視化程度。

（三）海量底層數(shù)據(jù)信息提升技術(shù)預見準確性

大數(shù)據(jù)、云計算等技術(shù)的出現(xiàn)使得數(shù)據(jù)的無限存儲和極速發(fā)布輕松實現(xiàn)，原有存量數(shù)據(jù)得以全面保存，大規(guī)模增量數(shù)據(jù)實時發(fā)布積累，海量數(shù)據(jù)共同構(gòu)成各種類型的數(shù)據(jù)庫和檢索集成。依托數(shù)據(jù)處理技術(shù)、數(shù)理統(tǒng)計分析方法、數(shù)據(jù)模擬生成辨別技術(shù)等大數(shù)據(jù)的生成式人工智能處理方法，可以擴充數(shù)據(jù)獲取的渠道、降低數(shù)據(jù)獲取的難度，快速推進科學數(shù)據(jù)共享應用。通過人工智能等工具的“秒級”計算應用，海量數(shù)據(jù)頃刻可得，專家訪談、問卷收集等傳統(tǒng)方式相形見絀，平衡客觀數(shù)據(jù)分析結(jié)果與專家主觀判斷結(jié)論成為可能。伴隨著海量數(shù)據(jù)的積累和創(chuàng)造，技術(shù)預見正發(fā)生著“數(shù)據(jù)→知識→智慧→決策→預見”的深刻模式變革。技術(shù)預見不再囿于數(shù)據(jù)缺乏而降低權(quán)威性和公正性，準確性和有效性也將大為提升。

三、生成式人工智能賦能技術(shù)預見面臨的風險挑戰(zhàn)

隨著新一輪科技革命和產(chǎn)業(yè)變革的興起，以及“大科學”“大工程”時代的來臨，技術(shù)更新周期不斷縮短，技術(shù)發(fā)展的不確定性與風險性大幅度提高，科學嚴謹?shù)年P(guān)鍵核心技術(shù)預見活動成為爭取國際科技創(chuàng)新主動權(quán)的重要措施，也是在國家層面實現(xiàn)科技自立自強戰(zhàn)略目標的重要保障。與傳統(tǒng)的分析性人工智能相比，生成式人工智能實現(xiàn)了人工智能從感知世界到生成創(chuàng)造世界的躍動，給未來技術(shù)預見活動帶來重要的機遇；但不可否認的是，當前以ChatGPT為代表的生成式人工智能在服務技術(shù)預見的具體應用中，還存在一系列風險與挑戰(zhàn)。

（一）人工智能的不可控性挑戰(zhàn)技術(shù)治理倫理

生成式人工智能賦能技術(shù)預見過程中所代表的技術(shù)治理模式可能存在弱化人類主體性的風險，甚至進一步引發(fā)技術(shù)依賴、責任缺失以及信息繭房等問題。首先，人工智能已經(jīng)逐漸從手工編程訂制式代碼構(gòu)建模式向著通用性的大模型平臺轉(zhuǎn)型。在此背景下，技術(shù)主導市場，牽引人類主觀能動思維，技術(shù)預見自適應生成式人工智能，并對生成式人工智能依賴性增強，影響終端布局。其次，現(xiàn)存的生成式人工智能存在著責任不明晰的問題，其擁有千億級參數(shù)，在運轉(zhuǎn)時并不能給予每一個結(jié)果以明確的資料來源，材料的“真實性”問題凸顯，大量虛假引用存在。同時，大量數(shù)據(jù)信息難以進行隱私保護，在ChatGPT等工具的“法眼”下一覽無余。最后，由于生成式人工智能等新型網(wǎng)絡技術(shù)的發(fā)展和普及，技術(shù)行業(yè)專家及研究團隊獲取面上信息的范圍愈發(fā)寬泛，但選擇愈發(fā)局限?，F(xiàn)階段類似ChatGPT等人工生成工具不斷輸出同質(zhì)信息，在“回音室效應”的催動下，不同群體的“信息不對成性”增強，技術(shù)預測偏差增大。

（二）戰(zhàn)略性前沿技術(shù)發(fā)展軌跡的不可預測性

現(xiàn)階段，我國對戰(zhàn)略性新興技術(shù)的發(fā)展軌跡難以預測，急需一批能夠開辟新領(lǐng)域、引領(lǐng)新方向的戰(zhàn)略研究專家，一套獨創(chuàng)性、智能化的研究體系，一系列創(chuàng)新生成式的新工具。我國從事技術(shù)預見的專業(yè)人員大部分來自統(tǒng)計學、管理信息系統(tǒng)等專業(yè)領(lǐng)域，擅長統(tǒng)計方法與數(shù)據(jù)分析，但對技術(shù)前沿發(fā)展方向了解不深，對關(guān)鍵技術(shù)的前瞻性布局理解不到位。與此同時，以學科為主的人才培養(yǎng)模式，造成專業(yè)視野狹窄，忽視技術(shù)戰(zhàn)略規(guī)劃與分析判斷能力綜合融匯培養(yǎng)，兼?zhèn)涠喾N技術(shù)預見場景知識應用核心能力的復合型人才缺乏。系列戰(zhàn)略預見人才的缺失導致技術(shù)預見視野受限，難以對戰(zhàn)略性新興技術(shù)特別是一些能夠?qū)崿F(xiàn)彎道超車的新技術(shù)進行有效的預測。此外，我國現(xiàn)有的技術(shù)預測研究方法和體系信息采集較為單一，與生成式人工智能結(jié)合薄弱，沒有充分發(fā)揮物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算的優(yōu)勢，缺乏系統(tǒng)研究，深度融匯缺乏、針對性模型空白，無法有效應對戰(zhàn)略性新興產(chǎn)業(yè)的不可預知性。

（三）高價值可信性數(shù)據(jù)生成過程的誘導性偏離

對當前技術(shù)發(fā)展趨勢的海量資源進行深度學習，進而對未來技術(shù)發(fā)展的方向或重點聚焦領(lǐng)域作出超越人工能力的預測與判斷是人工智能賦能技術(shù)預見的重要方式。因此在大模型訓練過程中數(shù)據(jù)資料、分析過程的可靠性是技術(shù)預見能否成功有效的關(guān)鍵。借助生成式人工智能來進行未來技術(shù)預見至少存在兩個方面的可信性挑戰(zhàn)：一方面是大模型預訓練過程中標注數(shù)據(jù)質(zhì)量參差不齊，特別是關(guān)鍵的技術(shù)領(lǐng)域通常具有很強的縱向壁壘性，數(shù)據(jù)標注人員可能存在對具體細分領(lǐng)域不熟悉，這就會導致數(shù)據(jù)標注過程中極易出現(xiàn)不規(guī)范和不準確的現(xiàn)象，繼而對人工智能信息迭代造成不良影響，造成取向上的偏離。在大模型發(fā)展過程中這種帶有傾向性質(zhì)的不準確數(shù)據(jù)會被進一步擴大，甚至給出完全錯誤的結(jié)果。另一方面，受到強化學習機制影響，生成式人工智能在預測未來技術(shù)發(fā)展過程中的誘導偏離現(xiàn)象也會影響過程和結(jié)果的可信度，特別是針對一些“熱點”研究領(lǐng)域，資料多，數(shù)據(jù)較之非熱點領(lǐng)域更為豐富，大模型受其影響也更傾向于對這些領(lǐng)域做出反饋，從而影響到技術(shù)預見的準確性和有效性。

四、促進人工智能賦能技術(shù)預見的有效策略

隨著新一輪科技革命和產(chǎn)業(yè)變革的興起，技術(shù)創(chuàng)新領(lǐng)域“百年未有之大變局”的特征愈發(fā)顯著，技術(shù)更新周期不斷縮短，戰(zhàn)略性新興技術(shù)發(fā)展的不確定性與風險性大幅度提高。如何有效結(jié)合生成式人工智能新技術(shù)，高效賦能技術(shù)預見，本文提出以下建議，以期推動我國技術(shù)預見朝著體系化、規(guī)范化、專業(yè)化的方向發(fā)展。

（一）明確技術(shù)倫理核心規(guī)則，加強人工智能規(guī)范治理

借鑒國際先進技術(shù)預見經(jīng)驗，立足國內(nèi)技術(shù)領(lǐng)域眾多、產(chǎn)業(yè)鏈條復雜的實際情況，一方面要加速推進人工智能規(guī)范治理的頂層設計，另一方面要加速建設專業(yè)人才隊伍，在規(guī)范使用人工智能基礎上提升技術(shù)預見效率。一是工業(yè)和信息化部要統(tǒng)籌規(guī)劃指導，完善生成式人工智能領(lǐng)域的立法和操作化政策制定工作，明確技術(shù)倫理核心治理規(guī)則和基本準則，并在此基礎之上形成規(guī)范的數(shù)據(jù)來源責任制度和明確的邏輯推理過程驗證系統(tǒng)，杜絕虛假信息進入。二是建立風險評估體系，將社會倫理和法律理念植入生成式人工智能創(chuàng)作始終，明確各階段各主體責任。對于違反人工智能治理規(guī)范的行為進行處罰。三是以新興前瞻方向為牽引，以戰(zhàn)略型科學家為指引，重點培養(yǎng)一批“AI+”技術(shù)預見人才，保障人工智能規(guī)范治理，賦能關(guān)鍵領(lǐng)域技術(shù)預見。研究制定技術(shù)預見型人才培養(yǎng)的目標培養(yǎng)體系，將規(guī)范使用人工智能工具的準則植入其中，分層分類分階梯建設專家隊伍，既培養(yǎng)復合型技術(shù)預見戰(zhàn)略科學家，又鍛煉一批專業(yè)素質(zhì)過硬、具備針對性知識應用能力的行業(yè)專家。

（二）構(gòu)建技術(shù)預見科學方法論，推廣人機交互的專家決策模式

要充分發(fā)揮人工智能的現(xiàn)有優(yōu)勢，高效率賦能技術(shù)預見。一是要實現(xiàn)人機交互信息獲取技術(shù)輔助專家判斷，從而實現(xiàn)融匯驅(qū)動。重視實地調(diào)查研究、專家研討會、德爾菲專家調(diào)查法等傳統(tǒng)方法與人工智能新技術(shù)的結(jié)合，例如通過人工智能對專題和關(guān)鍵詞進行聚類，為專家研討與德爾菲調(diào)查提供信息資料基礎，實現(xiàn)客觀數(shù)據(jù)收集與主觀思維分析相結(jié)合。二是要重視科技大數(shù)據(jù)、人工智能、機器學習等新技術(shù)、新方法在技術(shù)預見領(lǐng)域的創(chuàng)新應用，借助新技術(shù)在全球范圍內(nèi)及時采集大學、科研機構(gòu)等發(fā)布的技術(shù)研究報告并對其進行系統(tǒng)分析，通過數(shù)據(jù)庫互聯(lián)、人機交互等手段，破除“信息繭房”，發(fā)掘有效信息。三是要實現(xiàn)人工智能工具效用的充分挖掘，密切行業(yè)聯(lián)系，對癥下藥。各行業(yè)會協(xié)會，尤其是新興技術(shù)領(lǐng)域應積極參與制定契合本專業(yè)領(lǐng)域的生成式人工智能模型，從信息選取上確保數(shù)據(jù)的可靠性。要打破現(xiàn)有通用大模型的故有框架，構(gòu)建適應學科的專用定制模型，做到“小而精，精而準，準而優(yōu)”，高效賦能不同領(lǐng)域的技術(shù)預見工作。

（三）強化統(tǒng)一標準和數(shù)據(jù)集成，全面提升人工智生成數(shù)據(jù)可信性

聚焦科技自立自強戰(zhàn)略，實現(xiàn)技術(shù)預測底層數(shù)據(jù)支撐的可靠性建設，使技術(shù)分析、未來趨勢研判、實證效果分析有據(jù)可依。一是要增加技術(shù)預見預算投入，編制國家級關(guān)鍵核心技術(shù)預見專項發(fā)展規(guī)劃，形成不同行業(yè)的數(shù)據(jù)集成統(tǒng)合標準。由綜合性強的專業(yè)戰(zhàn)略政策研究機構(gòu)牽頭，統(tǒng)籌布局、協(xié)調(diào)推進，由各個行業(yè)研究機構(gòu)作為專業(yè)力量參加，以“綜合組+若干專家組+國內(nèi)大專家”的模式支撐技術(shù)預見數(shù)據(jù)標準制定工作。二是構(gòu)建信息傳導數(shù)據(jù)分析服務平臺，確保技術(shù)預見的數(shù)據(jù)來源可靠。如科技部發(fā)展規(guī)劃與技術(shù)預測處牽頭布局一批關(guān)鍵核心技術(shù)預見項目，通過重大研究專項支持的方式來打造產(chǎn)業(yè)重大關(guān)鍵技術(shù)預見與研究平臺，將財政科技計劃項目數(shù)據(jù)信息統(tǒng)籌整合集成，建立科技項目科技成果的大數(shù)據(jù)挖掘平臺，實現(xiàn)專業(yè)數(shù)據(jù)集成共享。三是要制定整體的人工智能模型考核標準和評價體系框架，以及數(shù)據(jù)生成對口預測目標，保證數(shù)據(jù)生成過程的可靠性。從供給端出發(fā)，嘗試通過整合搜索引擎、聯(lián)網(wǎng)交互、數(shù)據(jù)庫融通的方式，盡可能提升訓練數(shù)據(jù)的“人性化”水平，提高其情景應用能力和思維深度，減少外界誘導所導致的訓練偏差。從客戶端出發(fā)，強化個體在人工智能2.0時代的信息自決能力，及時糾正機器學習時產(chǎn)生的關(guān)注點偏差，做技術(shù)預見的“主人”。