第四十届人工智能协会年会日前新加坡召开。作为人工智能领域历史最悠久的国际学术会议，本届大会首次在亚洲地区举办，吸引了来自全球的专家学者深入探讨人工智能发展的前沿方向。 当前，人工智能领域表现为两条并行发展的路径。一上，以大语言模型为代表的"通才"系统具有广泛的知识覆盖和理解能力，但处理复杂专业任务时往往缺乏深度和精准性。另一上，以蛋白质折叠预测等为代表的"专家"系统在特定领域达到或超越人类水平，却难以迁移应用到其他领域。这种二元对立的发展格局成为制约人工智能更突破的瓶颈。 与会专家提出，真正的通用人工智能必须打破这种分化局面，实现通才与专家能力的有机融合。这种融合的核心在于动态整合人类思维中的直觉性"快思考"与逻辑严密的"慢思考"，构建一种能够灵活适应不同任务的智能架构。此理念的提出可追溯至2023年初，当时大语言模型刚刚引起广泛关注。近来OpenAI和DeepSeek等机构推出的新一代模型，通过在大模型基础上应用强化学习大幅增强逻辑推理能力，有力验证了通专融合这一发展方向的科学性和前瞻性。 在技术实现层面，研究机构已推出具体的架构方案。这些方案致力于从根本上解决现有人工智能系统混淆"知识"与"推理"的问题，同时通过优化奖励机制使人工智能保持持续的探索动力。经过近两年的深入探索，有关架构已完成了从理论设想到技术验证的关键跨越，在记忆解耦、过程奖励等多个环节取得突破性进展。 科学发现被认为是检验通专融合人工智能的最佳应用场景。从假设生成、实验验证到理论总结，科学发现的每个环节都对人工智能的推理和创新能力提出挑战。然而，当前前沿人工智能模型在这一领域存在明显不足。相关评估显示，先进模型在通用科学推理任务中表现尚可，但在专业推理任务（如文献检索、实验设计）中得分大幅下降，这充分说明了通专融合的迫切性。 为推动人工智能在科学领域的深化应用，研究机构已开发出支撑通专融合探索的基础设施。这些平台旨在构建既具备强大通用能力，又能理解复杂科学数据的智能系统。初步测评表明，这些系统在保持通用能力的同时，在化学、生物、材料等多个科学领域的专业性能上也取得明显提高。
人工智能技术的演进正从单点突破迈向系统整合的新阶段。在全球科技竞争日益激烈的背景下，推动"通专融合"不仅是一项技术挑战，更是关乎未来科技发展方向的战略抉择。这场智能革命能否成功，将深刻影响人类探索未知世界的能力边界。