世界互联网大会：2026年全球人工智能治理的立法观察：经验与展望报告

机器学习作为人工智能的基石，在监督与非监。督学习的框架下，正持续突破复杂模式的识别能力。作为其重要分支，深度学习依托多层神经网络，显著提升了图像识别(如医疗影像分析)和自然语言处理精度;循环神经网络(RNN)则进一步优化了时序数据的建模能力。2Transformer 架构的出现推动了自然语言处理的质变，大模型借助自注意力机制精准捕捉深层语义关联，为生成式人工智能(Generative Al)的爆发奠定了基础。3从发展路径来看，人工智能主要呈现“专用型”与“通用型”双轨并进的态势。专用人工智能(NarrowAl)高度聚焦特定领域的垂直任务，如医疗诊断系统“和金融风控模型，"其运行高效，但存在场景局限与跨领域迁移壁垒。“相比之下，通用人工智能(AGI)雏形通过大规模预训练模型模拟跨领域智能，展现出强大的多任务泛化潜力，"但面临推理能力不足与伦理风险。