|
* 朱嘉明指出，大模型集群构成人工智能发展，知识图谱和思维被迫改变，AI代理将成选择①朱嘉明主讲，现在凝聚过去伸向未来 2024年1月8日，数字强国系列第024：开启数字与智能经济的融合时代》，邀请知名经济学家、横琴粤澳深度合作区数链数字金融研究院学术与技术委员会主席朱嘉明做同名主旨发言，上海智慧城市发展研究院院长盛雪锋、上海人工智能实验室大模型生态总监许劭华、东方财富人工智能研究院首席科学家刘志毅应邀展开对话。讲座由文汇报社、上海树图区块链研究院共同主办，上报集团融媒空间技术运营团队技术支持。 整理 李念 金梦 版式 李洁 摄影 邢千里 嘉宾主讲 2024年已经开始，在数字化建设上，今年最重要的特征和趋势是将开启数字和智能经济的融合时代，因为当下既是过去的延伸又被未来所决定。这个趋势和国家、社会、企业及个人都具有相当紧密的关系。 1944年前后，四位科学家开创数字时代 今天谈到的数字时代、智能时代，应当追溯到八十年前的历史场景。1944年前后，发生了诸多大事：诺曼底登陆，产生联合国方案，布林顿森林会议召开等。但是，真正对历史产生深层次和持久影响的是四位科学家和他们的思想，这四位分别是冯·诺伊曼（John von Neumann，1903-1957）、斯蒂比茨（George Robert Stibitz，1904-1995）、图灵（Alan Mathison Turing，1912-1954）和香农（Claude Elwood Shannon，1916-2001）。没有他们在那个历史节点的贡献，很可能数字时代和智能时代就无从谈起。 八十年前，科学家前沿性地意识到：伴随量子科技，特别是原子结构认知的突破，经典的物质状态世界已经开始向信息世界和信息时代转型。世界是由物质、能量和信息构成。信息不是物质，无法用物理形态表现出来，它涉及到众多理论、模式、方法和工具。香农创建了信息论，包括信息结构、尺度、单位、标准和应用的技术路线，特别是信息和熵的关系。信息最终的体现是数字和数据。 那么，人类如何处理数字和数据？唯一选择是计算机。于是，冯·诺伊曼提出了冯·诺伊曼构架，解决现代计算机的三个原则：第一，计算机引入二进制；第二，实现数据存储和执行；第三，计算机体系包括输出、输入、储存、运算和中心控制。美国的第一台离散变量自动电子计算机EDVAC就是基于冯·诺伊曼构架而发明。可以肯定，没有冯·诺伊曼架构就没有计算机或者人类在计算机上要走更漫长的道路。 如何将处于物理独立状态的计算机连接起来，不仅是最自然的思路，而且是最早期的互联网思想。对此，斯蒂比茨作出了巨大贡献，他将电路开关技术应用于计算机，解决了01语言的运行和电磁式计算机的遥控问题。由于他的贡献，奠定了计算机通信和互联网的基本技术前提。 此时，图灵提出了一个更加严肃的问题：计算机是否会学习？是否会思考？这就是人工智能的基本思路，进而提出了著名的“图灵测试”，图灵因此被誉为“人工智能之父”。 总之，从1944年到1950年前后，所谓的最重要的科学前沿机制在信息论、计算机科学、计算机互联网、计算机思考这四个方面。这四个方面的交换作用，就是所谓的信息和通信技术革命，或者是数字革命。 在过去的八十年间，人类一直被这四条平行线所左右。只是在过去的十年左右的时间，人们突然发现这四条平行线发生了交汇。此时此刻，这样的交汇突然加速。 数字生态遭遇困境无法无限发展 数字经济背后是一个数字生态时代，它是以计算机为基础，以互联网为网络而构成的一种全新的社会经济模式或社会运行体系。互联网保守估计有八十年的历史，在上个世纪50年代，数字经济、数字技术的关键问题，包括今天讨论的半导体和芯片问题，都在基础理论和关键技术层面得以完成。著名的“摩尔定律”就是在那个时期提出来。 在互联网的发展过程中，逐渐形成完整的数字生态，生态中的基本元素是数据。因为数字技术的商业溢出效应，产生了具有创新特征的代表性公司，并形成彼此的分工。例如，台积电（台湾积体电路制造公司，TSMC）主要解决芯片问题；社交平台有推特；元宇宙有Meta公司（前身是脸书Facebook）；搜索引擎有谷歌；软件开发有微软公司，跨境电商有亚马逊公司。 在上述背景下，形成算力为动力、算法为工具、平台为纽带这样全新的数字经济形态。平台经济使用户、商家和生产者之间构成了全新的三角形关系。 当人们对数字技术、数字经济、数字生态充满极大的热情，推动数字化转型之时，数字生态开始面临困境和潜在危机。主要是：人类大脑无法解决非线性问题和指数计算问题。在传统数字技术的框架中，无法解决非线性的和加速成长为特征的大数据的爆炸。现在数据大到难以想象的程度，已经进入175ZB规模，距离YB时代近在咫尺（1PB=1024TB，1EB=1024PB，1ZB=1024EB，1YB=1024ZB，1BB=1024YB）了。除了算力不足，算法滞后外，大模型的本质是解决概率问题，这个世界是由或然率（发生可能性的指标）决定的，人类过去的算法工具已不可行。此外，还有数据确权问题、安全问题和治理问题。在过去五年时间里，硬技术方面的挑战也很严峻，例如，摩尔定律已是极限，于是衍生出如何理解和面对后摩尔定律时代。 总而言之，不要认为数字经济靠它本身或者数字技术可以无限发展下去，这是错觉。 大模型让AI由边缘向中心跃迁 人工智能一直在发展，它研究怎么处理输入输出，完成自我学习，优化升级，实现像人一样的思考，并且超越人类等任务。最重要的两个问题是如何通过机器学习和将自然语言纳入大模型（Large Language Models，LLM），与神经系统结合，实现可持续的深度学习。 完成这一历史跃迁花了约七十年。联结主义路线被证明是唯一能够走出人工智能沼泽地的选择。 2009年之后，人工智能急速发展，在这一年，“智能汽车”进入人们视野； 2015年成立了非营利性人工智能研发组织OpenAI； 2017年诞生了第一代有语言和智能意识的机器人索菲亚；同年论文《Attention Is All You Need》发表，提出了今天人工智能发展的完整框架和核心技术，即Transformer，实现了机器学习模型的突破。从2017年之后，人工智能进入了所谓的快车道； 2017年到2022年11月30日，人工智能产生了根本性的突破； 2022年年末，ChatGPT的发布，彻底改变了人工智能生态，实现了人工智能从“边缘”到“中心”的跃迁。人工智能迅速变成一个主导性的科技力量和发展模式，成为可以泛化的一种工具。 当下，业内将大模型通常分为通用型和行业型。一种错误观点认为，大模型是人工智能的突破性进展，是人工智能的工具。这样的认识是很不够的。今天讲人工智能，就是要讲大模型，没有大模型的人工智能是不成立的。也就是说，人工智能已“大模型”化，人工智能和大模型实现了前所未有的高度重合。现在，人工智能由大模型的集群构成。目前正处于高度的大模型竞争和进化的历史时期，一方面还会有新的大模型产生，另一方面，绝大多数大模型会自生自灭。 过去一年，与大模型有关企业的盈利速度显著，人工智能成为影响资本市场的核心变量。 2024年：数字与智能经济“一体化”融合 当下的历史时期，可以概括为数字技术和数字经济会迅速被智能化技术和智能化经济所改造和替代的时期。数字化转型，在尚未完成的情况下，又叠加了智能化转型。 大模型竞争在于GPU，并已从芯片扩大到“芯粒” 现在，有两个新概念，人工智能硬件与人工智能软件。支持人工智能大模型的硬科技正在快速进入“后摩尔时代”,除了GPU（图形处理器）之外，还有DPU（数据处理器），以及谷歌开发的 TPU（为机器学习定制的张力芯片）。而CPU（中央处理器）只是数字时代的基础结构的支撑。现在比较大模型，不仅看其思路、构架是否更完美，更要看GPU、DPU。目前，英伟达是GPU的“王者”，已有V100、A100，正在研发的H100（第九代数据中心GPU）能够维持未来十年的优势。但是，谷歌、微软、英特尔、AMD也都在加速开发自己的GPU。 特别值得关注的是，具有多功能的“芯粒”（Chiplet），即预先制造好、具有特定功能、可组合集成的晶片（Die），开始成为人工智能基础设施的新赛道。 从数字资本、AI资本并存，到AI资本压倒数字资本 网上有一个对话：英特尔前高级副总裁帕特·基辛格（Patrick Paul Gelsinger，1961-）在麻省理工学院的座谈会上反省了英特尔的成长教训。他提出，英伟达太幸运了才会成功。英伟达对此反应激烈，英伟达称，是凭借对人工智能发展过程清晰的判断和认知才获成功。 我认同英伟达的观点，在整个硅谷或者当时广义的IT产业中，只有英伟达的创始人黄仁勋（Jen-Hsun“Jensen” Huang，1963-，美籍华人）在1999年重新认识和解决了两个问题，一是GPU和图形的问题，二是平行计算问题。人类大脑虽然可以同时思考很多问题，无法同时运行若干个平行计算。平行计算超出了过去传统或经典计算机的思路，在模型和芯片上加以支持。英伟达实现了不起的突破。 今天是数字企业、数字技术和智能技术混合企业的成长过程，绝大多数微观企业必须完成定制化的人工智能的转型。同时，从数字资本和AI资本的并存，到AI资本压倒数字资本。过去软件开发靠人，现在靠人工智能，人工智能可以节省55%的资源。 按照区域分析，人工智能领域的投资差异十分明显，美国第一，欧盟第二，其次是英国，然后是中国和世界其他国家。这就说明，在农耕时代，所有国家都是参与者。在工业时代有一批参与者和引导者，其他国家勉强能跟上，只是发展速度不同。但数字时代，已经有一半国家出局。到人工智能时代只有极少数国家有能力、有资格参与竞争和游戏。 下一步将通过具身智能机器人加速数智一体化 目前已形成许多人工智能领域的新企业集群，除了大型公司还有许多小公司，从绘画、唱歌、写小说到PPT制作。 下一步，在大模型的基础上，具身智能机器人将在经济和社会的各个领域发挥全方位的作用。什么叫具身人工智能？它与过去的机器人不同，过去机器人是生产线上辅助人类、替代人类体力劳动的机器人，我们把它理解成蓝领机器人，对人类威胁并不大。今天产生的是超白领机器人，它最大的特点是具有学习、推理、判断、决策、创造等能力。2024年，马斯克做的第二代人形机器人Optimus（擎天柱），会实现感知、运动、交互三种重要功能的完美结合，成为彻底改变人工智能的新一代，目前马斯克的目标是至少生产100亿台，这已超过80亿地球总人口。 人工智能代理时代来临，知识图谱、思维方式被迫改变 在这个数字和智能融合时代，一切人类的行为都可以通过人工智能得以实现。用人工智能的话说，是可以多模态生成的时代，人工智能可以满足人类所有想象的愿望并加以实现。其中，最震撼的是人工智能代理时代扑面而来。 AI Agents现在处于什么状态？所有人都被迫作出选择，在不同领域中很快面对或处于三种场景：其一，经典传统人主导的、人工智能辅助的场景；其二，人和人工智能平分秋色的场景；其三，人工智能占主导的场景。未来大趋势是，人们会发现，大模型与人之间也需要有中介，所有事情都需要通过人工智能的中介加以实现。 最严肃的问题是，人工智能改变知识图谱和思维方式，会强制人类接受不断改进的思维树，接受新的决策模式。人工智能会改变人类反馈强化学习的模式。同时，人工智能也会彻底改变云计算、区块链、互联网，重新构造元宇宙。 2023年，全球最有影响的开源软件开发平台GitHub对于人工智能技术开发贡献甚大。基于这个平台的人工智能有关的项目达到三亿多。在亚太地区，印度、日本、新加坡都是这个平台的受益者。这也意味着，充分利用GitHub是实现人工智能技术开源的重要途径。 现在，可以考虑提出一个人工智能宪法（AI Constitution），推动人工智能和DAO的结合模式，也推动人工智能的法规、体系、监督的方式 。 新挑战：大模型有无极限，有无替代方案？如何控制能耗？ 总之，当人工智能刚刚从边缘进入人类经济活动的中心位置，已经开始面临诸多的严肃问题和一系列挑战，包括：大模型是否有极限？视觉、图片性数据是否有天花板？Transformer为核心的支持大模型框架，是否有替代方案？如何改善人工智能大模型成本结构？如何降低人工智能能源消耗？如何构建人工智能与Web3的融合模式？等等。所有这些问题，在2024年都需要有解决方案和技术性突破。 上海的优势与潜能 首先，制度优势。人工智能发展到今天，任何一个项目的开发动辄十亿、百亿甚至上千亿美元，它对资本的需求需要实现资源整合。中小企业直接开发或者创新人工智能的技术难以实现。所以，需要集结力量。举国体制正在成为关键选择。在这方面，中国特别是上海地区是有优势的。 其次，区域创新体系。上海已经建立包含政府、科研机构、企业紧密集合的区域创新系统，具有相当成熟和互动的经验，现在应当思考如何将这些经验和资源投入基于人工智能的创新。 再次，制造业基础。从数字经济到智能经济，最终还是与工业制造结合，需要有相当的工业制造能力支撑这样的智能体系。例如具身智能机器人。在这方面，中国有优势，上海的优势更加明显。 此外，先发优势。上海具备先发优势的基本条件，有条件组织AI联盟。 多个二元结构的差距叠加带来博弈 2023年3月29日，美国生命未来研究所公布了一封由辛顿、马库斯和马斯克发起，共1079人联署的公开信，呼吁人工智能停止六个月开发，在此期间加快开发强大的AI治理系统。但是，事实证明该愿望并未实现，因为人工智能的所有方面都已进入博弈状态，每个人或者每个主体都处于“纳什困境”。 最后，引用最近四个人的话作为我的结尾。微软首席执行官纳德拉说：“人工智能的黄金时代已经成熟”。比尔·盖茨说：“未来18个月到24个月，我们现在刚开始，人工智能会（在发达国家）广泛地使用”。斯坦福大学的吴恩达（Andrew Yan-Tak Ng，1976-，美籍华人)提出一个观点，今天大模型往前发展就是世界大模型。Facebook首席人工智能科学家杨立昆（Yann André LeCun，1960-，法国AI科学家）说：“AI将接管世界，当然它不会征服”。 英国经济学家刘易斯（William Arthur Lewis，1915-1991）曾经提出农业经济和工业经济二元结构理论。几十年过去，在世界范围内，传统的二元结构并没解决，现在又出现了工业经济和数字经济的二元结构，以及数字经济和人工智能经济的二元结构，导致几个二元结构的差距（gap）的叠加时代，最终引发世界的非均衡发展的加剧，甚至断裂。人类必须寻求全新的解决之道。中国要有新的历史贡献。 简言之，2024年，将是人工智能彻底改变传统经济形态、传统社会形态和传统全球化的关键一年。未来愿景是，人工智能将以2023年为拐点，2024年将全方位向所有行业和社会领域蔓延。 文汇报 2024.1.17 * 大模型撬动全民参与推动新质生产力提效盛雪锋、许劭华、刘志毅与朱嘉明探讨新坐标系下的智能经济和动态发展中的AI治理①四位嘉宾展开充分讨论 2024年1月8日，数字强国系列第六讲《2024：开启数字与智能经济的融合时代》，邀请知名经济学家、横琴粤澳深度合作区数链数字金融研究院学术与技术委员会主席朱嘉明做同名主旨发言，上海智慧城市发展研究院院长盛雪锋、上海人工智能实验室大模型生态总监许劭华、东方财富人工智能研究院首席科学家刘志毅应邀展开对话。讲座由文汇报社、上海树图区块链研究院共同主办，上报集团融媒空间技术运营团队技术支持。 整理 李念 版式 李洁 摄影 邢千里 互动提要 *中国的大模型企业如何在竞争中生存 *大模型如何让劳动升级并获合理分配 *中国在AI核心技术上何时能有突破 *上海智慧城市发展怎样展开整合路径 *何谓对大模型的需求会呈“乐高化” 嘉宾对话 刘志毅：刚才朱老师介绍了人工智能发展的底层逻辑、发展趋势以及可能面临的挑战，据此我们讨论一下人工智能时代的根本问题。 大模型 刘志毅：首先聚焦大模型。朱老师提出，没有大模型的人工智能就不是真正的人工智能。劭华老师您怎么看？ 非常认同：大模型是当下通向AGI最有希望的路径 许劭华：我第一次在公开场合听到这样的结论，有点震惊但内心非常认同。 我曾有十年在大数据方向，后从事AI领域。此前，大数据在企业内部多用于分析和决策，应用领域有很多局限性，AI的发展给大数据带来新活力；2022年底大模型问世后，它的技术突破同样给AI带来了新的方向。原来许多AI是专有模型，一个模型解决一个问题，比如2014年Deep ID解决人脸识别问题，2016年AlphaGo在围棋上超越了人类，2022年AlphaFold预测了蛋白质结构。大模型出现后，能够一个模型应对多种任务和多种模态，并且还有一些出乎预料的智能涌现。因此某种程度上我非常认同这句话——大模型是现在人工智能迈向通用人工智能（AGI）最有希望的一条路径。 要保持世界工厂的地位，中国必须推进智能工厂建设 刘志毅：盛院长所领导的团队刚发布浦东智慧工厂白皮书，您怎么观察人工智能发展与大模型相关的产业落地？ 盛雪锋：从来没有人这么斩钉截铁地说现在人工智能就约等于大模型，一般只是从合理性上认为大模型肯定是人工智能的方向。斯坦福大学年度人工智能报告，在2021、2022年都很明确地预测了大模型之后会进入爆发式发展。非分散发展而聚焦式推进大模型，或对国家科技进步，对区域新的竞争力提升，包括新质生产力的塑造是件好事。 整个上海市甚至全国2023年都在推进一项非常重要的工作，即智能工厂建设。原因是大家认识到，如果不作改变，在未来智能化时代，中国的世界工厂的地位有危机，体现在规模、利润、竞争力上。智能工厂建设到数字化再到未来智能化还有很长路要走，从《浦东新区智能工厂白皮书》里会发现在浦东六大硬核产业里，除了偏软的软件类外，其他五个都是硬制造。比如生物医药，它的智能化程度是最高的，已经开始运用多种大模型做新药开发和蛋白质筛选。其他领域比如未来车是整个上海较为重要的产业，为了让智能车上路，上海特别制定了法律。在从数字化向智能化融合的过程中，产业界反馈极为积极，我们认为这是整个上海未来产业竞争力提升很好的趋势。 大模型激发了民众参与，使两种智能形成互动和依赖 刘志毅：我前段时间写了《智能的启蒙》一书，朱老师在序言里比较了人工智能与自然智能，有很多洞见，在大模型和人工智能的关系上，您有何思考？ 朱嘉明：序的核心意思是：时至今日，人类大脑再天才也无办法同时做矩阵计算，不可能完成指数计算，所以要借助计算机。但是，传统的或者经典的计算机已逼近极限，下一步是量子计算机。 大模型说到底其实就是包括Input（输入）Output（输出），具有自身学习能力的计算体系。它最大的优势就是可以接受发散的、没有规则的语料和信息，并使之收敛，产生结构性的和有价值的东西。 今天特别补充一点：现在大模型与普通民众息息相关，使得每位民众对人工智能都能有所贡献，去丰富大模型参数，最后再影响民众的生活。这就是人工智能智慧和人类自然智慧的依存和互动关系。因此人工智能竞争变成大模型竞争，大模型竞争变成民众使用规模的竞争。 新质生产力 刘志毅：刚才盛院长提到用大模型研发新药，新质生产力与大模型这样的科技创新密不可分，新质生产力会对国家，包括全球经济发展带来哪些根本性变化？ 新质生产力体现在新和质，生产率提高是重要标志 盛雪锋：近期，新质生产力这个词非常热火。今天谈新质生产力，要关注新和质。“新”意味着更多新结构、新技术、新模式，“质”的变化是新的生产力应用于生产经营时发现它产生的作用不同以往。比如许多新领域在主动运用人工智能、区块链、互联网新技术或其他智能化设施。毫无疑问，数字经济或数字技术是为新质生产力带来驱动的重要方向。 新质生产力未来如何更好推动产业？ 第一，如何理解新质生产力？要更多关注产业界对此的理解和实践。一旦持续不断用新科技改变既有的传统生产经营方式，它所产生的更高的效用一定会形成新质生产力。比如，汽车行业的零配件制造是传统中的传统，上海某家企业把整个汽车零配件的研发分散在全球各地，通过数字化智能化协同，变成24小时不间断的研发，极大提升了研发效率，这就是一种新质生产力的典型代替。又如，原来需要一批质检员检查零配件的磨损程度，现在它可以嵌入到生产过程中间的自动化环节，产品制造后立即通过摄像头比对，通过大模型判断它是否是废品，整个生产效率得到快速提升。 上个月我参观华为做WiFi6AP的盒子，60米的生产线，自动完成了原料进入、装配、质检、打包等全部流程，这更是新质生产力。 第二，对生产经营、产业界，无论上海还是其他城市，无论海内外，要更多聚焦在垂直应用领域内的大模型的发展。在交通、气象、金融领域都已有大模型，各领域都要朝这个趋势和方向发展。 开源可促进新一轮技术发展，场景驱动等是重要推力 刘志毅：新质生产力更多要靠科技创新驱动。科技创新引导产业发展，劭华老师怎么看科技创新推动人工智能技术在各个领域应用？ 许劭华：首先，开源开放是推动技术发展的重要力量。在开源过程中，开发者可以在开源社区中共享自己的技术成果和经验，开发者和使用者可以参与测试和优化从而促进技术创新和进步。目前在大模型领域，开源呼声越来越高。OpenAI创始人奥特曼不久前在社交网络上征集新年愿望时，回复中点赞最多的就是开源，他也在回复中列出了开源。 其次，这一轮大模型的技术发展中，学界参与度高也很明显。近几年Arxiv上的论文在标题和摘要的关键词中包含大模型的在持续增长，特别是ChatGPT发布后迅速成为最热门的方向。 第三，工业产业中的数据驱动和场景驱动也是技术前行非常重要的支撑。当下，直接深入到产业界的速度远快于上一轮的AI技术落地。在企业内，不仅是研发团队，管理团队也积极参与交流大模型的应用，这将加快技术落地速度，形成高效的反馈响应，拉通内部不同团队，这点非常关键。 大模型本身的技术迭代速度很快。对新技术的期待及社区的共同参与同样是推动技术发展和落地的重要动力。 经济学是工业时代产物，在AI时代需要重新定义 刘志毅：这个时间点上，从数字技术看经济学，是否有新的变化和特征？ 朱嘉明：迄今为止的经济学，都发生在工业革命以后，它所适应的是工业时代的市场、交易、分工逻辑。今天看，传统经济学已经无法适应信息时代、数字时代和智能时代。 例如，亚当·斯密《国富论》是从分工谈起的，他所理解的分工是工业生产过程的分工。信息时代、数字时代和智能时代的分工完全不同。仅仅几年前，游戏编程工作需要专业训练，编程人员收入较高。现在编程可以由人工智能代理主要完成。过去认为拍电影需要导演，在小视频时代，人工智能代理就能编导视频。也就是，原来认为需要通过学习、教育和实习实践所形成的分工体系，正在瓦解，甚至崩溃。从宏观角度看，垄断和竞争也变了，人工智能时代，垄断优势和垄断时间在急速缩短。此外，人工智能必然增加属于公共资源和公共资产的比重；人工智能导致知识产权复杂化，人工智能美术的知识产权纠纷就是案例。 简单地说，进入数字和人工智能时代坐标系变了，原来经济学的基本概念，需要审视且重新定义，这是个巨大工程。 具身智能和AI for Since 刘志毅：具身智能、AI for Science是人工智能朝前走的两个重要方向。盛院长，具身智能对产业的发展，包括整个经济生态的发展会有怎样的影响？ 具身机器人智能化被强化，将大量出现于社会生活中 盛雪锋：我们正在帮助上海某一区域做具身智能的规划和研究。一般把机器人分为工业机器人、服务机器人，现在多了具身机器人。有什么不一样？它依托于许多领域的融合性的发展而有新的进步。比如大模型发展使得具身机器人的智能化程度远胜传统服务机器人，它可以解决生活领域、制造业领域、传统流水线智能化领域所无法解决的问题。 比如上海某汽车制造厂商的工厂里，需要经过高低不等的空间搬运箱子，除了依靠人力，还可以让具身机器人跨过障碍，放到指定位置。又比如，医疗和康复领域有许多瘫痪病患，可运用具身机器人辅助行走。在未来社会生活中可以看到许多具身机器人的应用前景。 大模型作为方法，在基础科研中的作用依然举足轻重 刘志毅：许老师，您可否分享实验室里AI for Science的创新案例？ 许劭华：上海人工智能实验室AI for Earth联合团队研发出全球中期天气预报大模型“风乌”，“风乌”提供了一个强大有效的全球中期天气预报的AI框架，其领先性体现在预报精度、预报时效和资源效率三方面。AI气象大模型可与传统的物理模型形成互补，为生产生活提供更准确、更实用的天气预报信息，助力天气预报数字化。 AI for Science成果也会应用到产业界，在产业中产生价值。比如气象大模型可以应用于产业级的气象预报，服务于 农林牧渔、航空航海、能源等领域。因此，大模型作为方法，在基础科研中的作用依然举足轻重。 以文明视角思考：大模型将带来硅基生命形成后人类社会 刘志毅：具身智能是创造一种实体来辅助经济社会的发展，AI for Science是提供一种观念和方法推动AI发展，朱老师，您觉得可以从哪些领域进入AI，使它从观念到实用带来新的变化和发展？ 朱嘉明：首先需要一个方法或标准来定义何为AI应用领域，在基础科学中，究竟如何划分AI和基础科学、AI和技术的边界。同时，需要从哲学和大历史观来探讨人工智能潜在的真正历史含义，或者利益价值。例如谁去火星？谁去开发外星球？碳基人难以胜任，只能考虑以硅基形态存在的生命。未来的人工智能，需要通过大模型和硅基物种成为人类的朋友，相当于电影《2049银翼杀手》里的场景，人类需要接受大模型和硅基新物种，并与之互动，这就是所谓后人类社会。 因此，对大模型或人工智能的理解，取决于视野的大小。大模型对日常生活中的贡献，对传统产业和恒业的贡献，甚至对科学基础研究的贡献，都到了呈现爆发性增长的历史时刻。我们需要更高和更大的视野看待人工智能未来发展的方向。可以这样概括：人工智能发展空间是巨大的，它将永远成为当代人类不能完成任务的选择。 AI伦理和治理 刘志毅：演讲尾声提到的那封信，涉及人工智能伦理和治理。全球学者、科学家和科研工作者都在做相关工作，去年《自然》杂志也评出这个方向上的观点和思考。各位有何心得？ 转化为有效场景提升效率,各类人才共同完善评测技术 盛雪锋：人工智能或者泛智能化的技术让整个社会快速发展、生活更加便利之外，还面临挑战。第一，无论在生活还是生产领域，我们要善于且勇于把现有的困难或者传统模式进行智能化改造，形成有效的场景，由此带来实实在在的体验感提升和生产效率提升。 第二，一定要关注特殊群体所面临的数字鸿沟问题。海内外都在倡导以人为本、以人为中心的发展模式，上海更是在践行“人民城市”重要理念，要及时弥补弥合新技术带来的社会问题的挑战。这里特别要关注两端，如何帮助老年人适用智能技术，如何重新审视人才培养，多关注青少年和数字时代的结合。 许劭华：这个问题特别重要。在人工智能特别大模型发展中，时刻伴随着安全伦理上的压力。大模型的应用范围是动态变化的，需要动态看待。举例：2023年上半年，一位美国律师使用ChatGPT写诉状,却引用了“根本不存在”的案例，不仅败诉还可能影响到他的律师执照。但半年后的2023年12月，颇为谨慎的英国已允许法官使用ChatGPT撰写法律裁决书。 AI伦理和治理不仅需要安全治理相关专业人士的全面参与，同样需要技术持续发展及公众了解使用方法和范围。 在大模型发展过程中，我个人非常推荐用评测来推动。大模型是智能体，它本身会涌现生成内容，我们要有一套综合的、体系化的框架体系来评测它是否符合现在人类定义的规范，无论是法律法规还是公序良俗，都要有动态的监管方法。这个过程不仅需要大模型技术人才，同样需要经济专家、法律专家、心理专家等全科人才合作，共同完善评测体系并动态地适配到整个大模型的技术发展中。 AI同时向B端、C端和G端发力，治理共识尚未形成 朱嘉明：现在一方面以大模型代表的人工智能在急剧地推进，另一方面，人工智能的新技术不断突破，一天一小变，一周一大变，一月一巨变。关于如何认知人工智能的现状和趋势，人们并没有形成共识，判断不同，期许不同，关于潜在的真正的深层目标也不一样。所以，各国对人工智能采取的政策分为比较自由化、比较宽容宽松的和偏于严格监管。 为什么这么强调2024年？因为2023年许多问题在快速集聚、成熟，2024年会显现出来。现在人工智能向C（Consumer）端、B（Business）端、G（Goverment）端同时进行。我相信三个月以后，我们对这个问题的认知和今天也会大有不同。 * |
|
|
