面向可持续人工智能的跨范式融合与治理挑战——IEEE计算智能学会前沿展望

《IEEE Computational Intelligence Magazine》：Looking Back, Moving Forward [President's Message]

作为IEEE计算 Intelligence Magazine 2025年11月刊的编者，本文推荐阅读学会主席Yaochu Jin对计算智能领域发展的权威展望。文章深入剖析了当前AI发展面临的核心挑战（如大语言模型泛化能力不足、具身机器人仿真到现实的鸿沟），系统阐述了神经网络、模糊系统与进化计算三大范式的融合路径，并前瞻性地提出加强AI安全治理与全球协作的迫切性，对推动可持续AI发展具有重要指导意义。

　　

当2025年冬季来临之际，IEEE计算智能学会（CIS）主席Yaochu Jin在卸任前回顾了学会近年来的重要改革：全面推行期刊双盲审稿制度、限制主要会议录取率、优化奖项评审流程。这些举措背后，折射出整个计算智能领域正处于关键转折点。当前人工智能虽已在多个领域取得突破性应用，但两大核心领域——大语言模型（LLM）和具身机器人——仍面临严峻挑战。强化学习与大语言模型在机器人领域的结合虽展现出潜力，却因高质量数据匮乏和仿真与现实之间的巨大鸿沟，导致跨任务泛化能力严重受限。这种"表面繁荣下的技术瓶颈"现象，引发了学界对"新AI寒冬是否将至"的深切忧虑。

与此同时，2024年诺贝尔物理学奖得主Geoffrey Hinton在2025年世界人工智能大会上发出警示：AI可能如同可爱的虎崽，若不及早控制风险，成长后或将反噬人类。这种技术乐观主义与生存危机感的并存，凸显了加强AI安全治理的紧迫性。在此背景下，Yaochu Jin提出计算智能技术将扮演关键角色——通过融合神经网络、模糊系统（知识图谱的前身）和进化计算三大范式，并结合脑科学等学科，共同构建可持续AI的发展路径。

关键技术方法包括：基于双盲评审的学术质量管控体系、多范式融合的智能算法设计、跨场景泛化能力评估框架、仿真到现实（sim-to-real）迁移学习技术，以及面向全球协作的AI治理机制。这些方法依托IEEE CIS旗下多本顶级期刊（如IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Fuzzy Systems等）形成的学术共同体推进。

研究结果方面，文章通过系统性分析揭示了三大核心发现：

1. 1.
   技术瓶颈的深度剖析：指出当前大语言模型在具身机器人应用中的局限性主要源于数据质量与仿真差异，这一结论通过对近年突破性研究的对比分析得出；
2. 2.
   范式融合的必然趋势：基于计算智能三大范式（连接主义、符号主义、行为主义）的发展轨迹论证，单一技术路线已无法解决复杂AI问题；
3. 3.
   治理机制的创新构建：通过学会奖项改革和评审制度优化实践，验证了透明化、标准化流程对促进学术公平的重要作用。

结论部分强调，计算智能技术的跨范式融合是应对AI可持续发展挑战的关键路径。学会通过推动双盲评审、奖项改革等制度创新，为领域发展树立了新标杆。讨论中特别指出，全球科研机构需在AI安全治理领域加强合作，而IEEE CIS将继续通过其跨国界的学术网络（涵盖中国、西班牙、英国、美国等15个国家的研究机构），促进计算智能技术在确保AI向善发展中的核心作用。这一展望不仅为研究者指明了技术方向，更为全球AI治理提供了重要参考框架。