北京通用人工智能研究院院长朱松纯在2024北京文化论坛上表示，目前生成式人工智能仍存在诸多局限，尤其是针对文字、图像和视频的生成模型。他表示，这些模型无法理解创的真实意图，缺乏对物理和社会常识的理解和一致性表达，也无法形成独立的艺术形式或统一的认知架构。因此，未来应加强技术与艺术领域的合作，共同构建通用智能体，以此推动AI在艺术创作中的应用。

随着科技的发展，人工智能已经成为各个领域的重要工具。然而，在人工智能的应用中，生成式人工智能仍然存在一些局限性。尤其是对于文字、图像和视频的生成模型，它们无法理解和表达创的真实意图，缺乏对物理和社会常识的理解和一致性表达，也无法形成独立的艺术形式或统一的认知架构。
这种局限性主要体现在两个方面：一是生成能力的限制，二是理解创意图的能力的缺失。
首先，关于生成能力的局限。现有的生成式人工智能技术主要依赖于深度学习算法，这些算法虽然能够学习大量的数据，并从中提取出模式，但往往忽视了人类的情感、认知等因素。例如，对于文学作品的生成，AI可能只能根据已经设定好的规则进行创作，而不能理解的思想情感；对于音乐、绘画等艺术作品的生成，AI可能只能模仿已有的风格和技巧，而不能创造出独特的艺术形式。
其次，关于理解创意图的能力的缺失。生成式人工智能的核心目标是“生成”，即创造出符合要求的作品，但目前的技术还无法实现这一点。比如，对于一首歌词的创作，AI可能只能够在规定的情况下写出满足某种主题的歌词，但在实际的歌曲创作过程中，可能需要考虑如何结合词人的个人经历和情感，以及如何通过音乐语言来传达创想要表达的信息。
尽管如此，对于未来的探索，我们仍不应丧失信心。正如前文所述，未来的趋势是将技术与艺术领域进行合作，共同构建通用智能体。这是因为，生成式人工智能在某些特定的任务上已经达到了很高的水平，而在其他任务上还需要更多的创新和突破。
在具体的实现方式上，我们可以从以下几个方面进行尝试：
1. 建立跨领域的知识库：通过整合不同领域的知识资源，建立一个共享的知识库，从而使得生成式人工智能可以在多个领域之间自由切换，从而实现生成作品的多样性。
2. 加强自然语言处理的研究：通过研究自然语言处理技术，让生成式人工智能更好地理解人类的语言和思维，从而提高其生成质量。
3. 开发新的艺术创作工具：开发新的艺术创作工具，使生成式人工智能能够更好地参与到艺术创作的过程中，从而创造出具有独特艺术价值的作品。
总结来说，虽然当前的生成式人工智能在许多方面仍有待提高，但是随着科技的进步，我们有理由相信，未来的生成式人工智能将会带来更加丰富和多元化的创作体验。同时，我们也应该积极探索和尝试各种可能性，共同构建通用智能体，推动AI在艺术创作中的应用。