2026年6月5日，卡内基梅隆大学博士、波莫纳学院副教授萧峰做客百年清华政治学讲座，围绕“热潮之后：人工智能的关键问题”主题展开分享，从技术史、语言学、教育变革与社会风险等多个维度，系统梳理了人工智能的能力与边界，引发听众深入思考。清华大学社会科学学院副院长、长聘副教授张开平主持本次讲座。

讲座伊始，萧峰教授指出，相较于电力、互联网等技术，人工智能的普及速度之快前所未有。从早期神经网络模型萌芽、图灵之问的提出，到当下人工智能发展的历程，萧老师指出当前大模型仍面临语用层面的瓶颈。在训练数据中，有关语用功能的标记极为稀少，导致机器难以理解特定情境下的规则。

在谈到人工智能的“幻觉”问题时，萧峰教授将其归纳为知识截断、领域知识缺乏以及分布外泛化不足等类型，并指出前两类问题可通过联网搜索和检索增强等技术得到较好缓解，而第三类问题仍需要人工审核作为最后防线。随后，他展示了模型训练曲线，指出模型稳定点的不可预测性正是当前大模型训练的普遍风险，即机器可能出现非线性顿悟现象，而人类未必能及时察觉或保持控制。这种黑箱特性使得人工智能安全治理显得尤为紧迫。

对于人工智能给高等教育带来的剧烈冲击，萧峰教授设计了一套基于学习潜能评分的机制，将学生获得的人工智能辅助程度与评分挂钩，引导其重视学习过程而非最终结果。他还提出了多级的人工智能使用分级体系，从完全禁止到人机共同创新，鼓励教师在布置作业时明确人工智能的可接受程度，以减少围绕学术诚信问题的无谓消耗。

讲座尾声，萧峰教授将视野扩展至宏观社会风险，指出全球部分地区正在建设的大型数据中心可能引发当地能源供应紧张及社会矛盾。同时，他分析了“人工智能主权”的发展趋势，即各国越来越不愿将本国国民数据与人工智能系统交由他国公司控制。此外，人工智能作为一种集中化系统，正对某些去中心化的制度形态构成巨大挑战；尽管全球范围内与人工智能相关的安全事件显著增多，但相应的监管仍远远滞后。

本次讲座吸引了校内外师生及相关从业者三十余人参加。与会者聚焦AI与人类关系的重塑，与主讲人深入探讨了当前AI产业的技术迭代趋势。萧峰教授对提出的问题一一给予了耐心细致的解答与分享，现场交流活跃热烈。