近日，罗亚威教授走进我校翔安高中校区，在图书信息中心四楼阶梯教室，为高一、高二年级同学作题为“人工智能：从深度学习到未来智能体”的讲座。
讲座从“图灵之问”讲起。罗亚威教授以一张“AI简史”时间轴回顾AI数十年的起伏，并借图灵奖、吴文俊人工智能科学技术奖两项大奖，为这场技术浪潮定调。
罗亚威教授把深度学习拆解为三个要素：架构即神经网络，如同对人类大脑的模拟；数据是“燃料”，好比书本为人提供知识；训练方法则像“教师”，教会模型如何解析数据。
他把神经元被激活的机制类比为模型中“加权求和—激活函数判断”的过程。三要素协同决定模型上限。
以图像识别为例，浅层卷积核如同“滑动窗口”，逐一感知局部像素，再逐层推理完成识别；但受限于“感受野”，难免管中窥豹，浅层判断有误，深层往往难以纠正。现场“局部看纹理猜动物”的互动，演示的正是这一局限。
Transformer则以全局关联推理破局：信息统一进入编码器，注意力机制能捕捉长句中的指代关系，也能在图像中聚焦关键区域。
“没有标签的数据，还能不能训练神经网络？”罗亚威教授由此引出自监督学习：拼图法让模型在重组图像中隐式学习空间表征，掩码还原法让模型恢复被遮挡的区域，共同的逻辑是“以数据自身为师”。先“预习”世界规律，后续接入标签时，拟合速度便远胜从零训练。
生成式AI通过学习数据分布创造新样本，“无中生有”地生成文本与图像。结合课题组的三维视觉世界模型，他展示了骨骼、图片、视频等多种驱动方式——以骨骼驱动生成游动的乌贼、活动的鸭子。原理上，可见部分由判别式AI恢复，被遮挡部分由生成式AI补全，正是“看得到的靠算，看不到的靠猜”。
此前的模型只停留在屏幕推理，无法与物理世界交互，这正是具身智能要解决的问题。它借助物理传感器感知温度、摩擦力等现实规律。视频里，机器人从单脚到双脚，从翻跟头到以灵巧手抓取零件与人类协作；其决策靠大语言模型融合多模态信息，动作由“小脑”完成。
他也坦言，机器人马拉松中的摔倒与撞人事故，暴露出落地的现实瓶颈，课题组因此选择“虚拟环境模拟＋真实数据微调”的虚实结合路线。
展望未来，生成式AI将与具身智能深度融合，让机器人不仅执行指令，还能感知并回应人的情绪，从“执行工具”进化为“智能伙伴”。罗亚威教授寄语同学们，积极投身AI的新方向。
