现在订阅CCCF12期纸质刊，随刊赠送CCCF20周年纪念帆布包一只，数量有限，赠完即止。
生物多样性造就了绚丽的自然世界，文化多样性发展出灿烂的人类文明，学科多样性构建了对自然社会的认知体系。大规模的趋同叠加必然伤害我们“和”的能力，进而伤害我们去探索发现其他道路的能力乃至兴趣。
“和实生物，同则不继”（出自《国语·郑语》），道出了多样性的重要。生物多样性造就了绚丽的自然世界，文化多样性发展出灿烂的人类文明，学科多样性构建了对自然社会的认知体系。多样性意味着互补与协作，意味着活力与不息，更意味着创新与成长。
人工智能（AI）的初始篇章，由于概念未达共识，远谈不上成体系，倒是呈现出多样性。达特茅斯会议提案列出的七项议题：自动计算机、机器如何使用语言、神经网络、计算规模的理论、自我改进、抽象，以及随机性与创造力，分别从不同侧面去触碰“机器模拟智能”这一主题，呈现的是一片尚待发掘的问题原野，并存了后来发展为符号、连接和行为三大主义的种子。在此后的AI发展中，根植于科学理性的符号主义占了主导，并引领了第一和第二波AI热潮。然而遗憾的是，符号主义早期的成功却带来了对其他技术路径的贬低甚至排斥，其中固然有学术观点之争的因素，而在热潮之中，一哄而上汇入“主流”，造成多样性缺失，也应是重要原因。AI发展史上的两次寒冬，无不是因过度乐观带来过度承诺难以兑现，一定程度上似也可归因于发展路径的单一。
当前的AI热潮有重蹈覆辙的迹象。深度学习取得的突破性进展是本轮AI热潮的源头，数据和算力的加持，使连接主义以“数据智能”的形态成为当下一骑绝尘的主流。以至于大家形成一个信念：当数据足够丰富、算力足够强大、训出的模型足够庞大时，AI便能够从数据中逐渐涌现。众多成功的深度学习案例，特别是大语言模型令人惊艳的表现，再加上资本市场的叙事逻辑，正在不知不觉中改变人们对AI的想象：当前的路径就是AI的未来，当前的成功已经预示“奇点”的来临。再一次，AI研发出现路径趋同和预期过度。
这种趋同不仅体现在技术路径上，也延伸到模型的知识边界与表达惯性之中。越来越多的模型建立在相似的架构、数据和训练方式之上，共享相近的知识边界与盲点；面对同一问题给出的相似视角、结构、节奏和措辞，正将原本丰富的语言表达塑造成统一的腔调；不断的“概念创新”在规避既有技术“应用落地”的同时，也主导了研究资源的投向。随之出现的问题是：大规模的趋同叠加必然伤害我们“和”的能力，进而伤害我们去探索发现其他道路的能力乃至兴趣。
近两年，我一直在谈对AI热潮的冷思考，也坚持认为：基于计算、数据驱动的AI既非唯一路径，也非最佳范式，更非发展终点。为此，我受命于中国科学院学部，主持了题为“数据智能的发展路径研判”的软课题。本期“数据智能”专题，是该课题进展过程中一次思辨性研讨会精华的小结。本期专题并非否定深度学习的既有成就，而是试图在其成功之峰，理性且正确地认识其能力边界。
AI的发展需要回归多样性。期待多样之美！
梅宏
CCF会士，中国科学院院士，北京大学教授。
本文发表于2026年第8期《计算》。
更多阅读：
梅宏 | 智能化软件：当“理性”携手“经验”——CCCF精选
点击“阅读原文”，加入CCF。