2022 年，院士如何看待未來(lái)人工智能的發(fā)展？未來(lái)AI是模型驅(qū)動(dòng)還是數(shù)據(jù)驅(qū)動(dòng)？當(dāng)前AI開(kāi)發(fā)的難題有哪些？

2月26日，在以“構(gòu)建融通開(kāi)放新生態(tài)”為主題的WAIC 2022上海人工智能開(kāi)發(fā)者大會(huì)主論壇上，來(lái)自學(xué)界的院士大咖，產(chǎn)業(yè)界的技術(shù)專家，就這些問(wèn)題展開(kāi)了深刻的探討。

中國(guó)工程院院士、中國(guó)人工智能學(xué)會(huì)監(jiān)事長(zhǎng)蔣昌俊院士，南方科技大學(xué)副校長(zhǎng)及講席教授、美國(guó)國(guó)家工程院院士張東曉發(fā)表了主旨演講。

在圓桌論壇上，來(lái)自學(xué)界、業(yè)界的多位代表就數(shù)字化轉(zhuǎn)型、AI開(kāi)發(fā)難題等開(kāi)發(fā)者關(guān)心的熱點(diǎn)話題展開(kāi)了深入討論。

物質(zhì)、信息和智能是我們?cè)诎l(fā)展過(guò)程中非常重要的幾個(gè)標(biāo)符。在這次的主旨演講中，中國(guó)工程院院士、中國(guó)人工智能學(xué)會(huì)監(jiān)事長(zhǎng)蔣昌俊首先回顧了16世紀(jì)以來(lái)人類在這三個(gè)方面進(jìn)行的探索以及取得的主要成就，然后在此基礎(chǔ)上談了談他對(duì)于智能的思考。

蔣昌俊提到，當(dāng)前人們對(duì)智能的認(rèn)知局限于連續(xù)結(jié)構(gòu)和離散結(jié)構(gòu)，在此之外的結(jié)構(gòu)形式還有待探索；深度學(xué)習(xí)算法從理論上來(lái)說(shuō)沒(méi)有根本性的變化，還是基于神經(jīng)層次結(jié)構(gòu)，無(wú)非是處理的層次更多更廣；直到今天，智能世界還沒(méi)有在理論上形成一個(gè)公認(rèn)的理論基礎(chǔ)。

“人除了可計(jì)算的思維，還有說(shuō)不清的思維，比如說(shuō)頓悟、靈感等等。”他認(rèn)為，在這一輪的智能發(fā)展中，不可預(yù)測(cè)性、不確定性是需要重點(diǎn)考慮的AI基礎(chǔ)問(wèn)題。

南方科技大學(xué)副校長(zhǎng)及講席教授、美國(guó)國(guó)家工程院院士張東曉關(guān)于理論指導(dǎo)下的人工智能話題進(jìn)行了分享。

模型驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)兩者在模式、映射關(guān)系等方面各有不同。在解決實(shí)際問(wèn)題中，是選擇模型驅(qū)動(dòng)還是數(shù)據(jù)驅(qū)動(dòng)？

張東曉認(rèn)為，數(shù)據(jù)在足夠多的情況下能夠以任何精度擬合任何函數(shù)，數(shù)據(jù)驅(qū)動(dòng)可以實(shí)現(xiàn)很好的預(yù)測(cè)能力。

但是，僅依靠數(shù)據(jù)還不行。以深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)為例，其學(xué)習(xí)的模式架構(gòu)可以將物理規(guī)律、工程控制、增加的經(jīng)驗(yàn)等信息綜合起來(lái)進(jìn)行訓(xùn)練，增強(qiáng)可解釋性和更好的穩(wěn)健性，核心在于知識(shí)在深度學(xué)習(xí)框架中的嵌入。

張東曉表示，如何從數(shù)據(jù)中挖掘模型、得到知識(shí)是AI的最高境界。“在行業(yè)+AI的探索中，數(shù)據(jù)驅(qū)動(dòng)與模型驅(qū)動(dòng)的有機(jī)結(jié)合有助于解決實(shí)際行業(yè)問(wèn)題。”

在探討數(shù)字化轉(zhuǎn)型的圓桌論壇中，上海科技大學(xué)副教務(wù)長(zhǎng)、信息科學(xué)與技術(shù)學(xué)院副院長(zhǎng)虞晶怡，賓通智能CEO龔超慧和燧原科技人工智能計(jì)算專家、產(chǎn)品市場(chǎng)部總經(jīng)理高平分別發(fā)表了對(duì)元宇宙的看法。

「元宇宙首先要具備沉浸式的體驗(yàn)，由于AI等技術(shù)的發(fā)展，我認(rèn)為當(dāng)前出現(xiàn)了新的機(jī)會(huì)。我們必須為此構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的引擎。」虞晶怡說(shuō)道。「除娛樂(lè)領(lǐng)域之外，元宇宙的應(yīng)用方向還有很多，比如智慧城市的三維模型重建。最近谷歌和Waymo使用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行了舊金山大量街區(qū)的城市重建，其方法和傳統(tǒng)技術(shù)完全不同，可以快速渲染，將大型城市壓縮到很小的數(shù)據(jù)集中，但是它不可編輯。在智慧城市里面，元宇宙大有可為。」

「從現(xiàn)有技術(shù)手段來(lái)看，元宇宙概念就是使用一些圖象、視覺(jué)技術(shù)描述認(rèn)知中的物理宇宙，希望通過(guò)其它技術(shù)手段重新呈現(xiàn)它。」龔超慧表示，「將來(lái)很有可能會(huì)出現(xiàn)全新的技術(shù)手段，能夠在虛擬和物理世界之間形成閉環(huán)和互動(dòng)，我們可能會(huì)在這個(gè)世界里面創(chuàng)造全新的交互形式，進(jìn)而帶來(lái)全新的商業(yè)模式和應(yīng)用場(chǎng)景。」

「我認(rèn)為元宇宙是數(shù)字經(jīng)濟(jì)的一種新形態(tài)，需要強(qiáng)大的算力支撐。元宇宙進(jìn)行的內(nèi)容生產(chǎn)已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)我們現(xiàn)在所理解的，基于視頻等媒介的互聯(lián)網(wǎng)內(nèi)容基礎(chǔ)，未來(lái)我們需要海量的計(jì)算力支持虛擬環(huán)境渲染，產(chǎn)生的算力需求需要AI數(shù)據(jù)去加以支撐，」高平表示。「對(duì)于2B企業(yè)而言，可能會(huì)出現(xiàn)大量的，基于元宇宙2B底座，在這之上是開(kāi)發(fā)者們構(gòu)建的業(yè)務(wù)，人們將會(huì)各自去發(fā)揮才能，讓元宇宙產(chǎn)業(yè)生態(tài)枝繁葉茂。」

開(kāi)發(fā)者是一個(gè)身份，有的開(kāi)發(fā)者在高校從事算法研究，有的開(kāi)發(fā)者在企業(yè)從事AI應(yīng)用的開(kāi)發(fā)，還有一些在跨界工作，開(kāi)發(fā)者的職業(yè)是多重多樣的。在這場(chǎng)圓桌對(duì)話中，幾位嘉賓一起探討了2022年AI開(kāi)發(fā)的難點(diǎn)。

首先談及AI算法研發(fā)相比于幾年前是變簡(jiǎn)單了還是更難了，幾位嘉賓闡述了自己的觀點(diǎn)。

上海交通大學(xué)約翰·霍普克羅夫特計(jì)算機(jī)科學(xué)中心長(zhǎng)聘教軌助理教授、博士生導(dǎo)師溫穎從生態(tài)發(fā)展的角度闡述了AI算法研發(fā)難度的變化。他說(shuō)：2015年深度學(xué)習(xí)已經(jīng)嶄露頭角，但當(dāng)時(shí)還沒(méi)有一個(gè)完善的工具去做研究。2015年底TensorFlow首次發(fā)布，2016、2017年生態(tài)才逐漸成熟。如今大模型的驅(qū)動(dòng)和新的算法讓模型的門檻變得更高了，需要很高的算力。

東方理工高等研究院助理教授陳云天則表示AI算法的研發(fā)變得更簡(jiǎn)單了，一方面是因?yàn)槌霈F(xiàn)了更多的框架，另一方面是當(dāng)下良好的開(kāi)源風(fēng)氣讓計(jì)算機(jī)和其他學(xué)科的交叉領(lǐng)域有了更多進(jìn)展。

上海人工智能實(shí)驗(yàn)室通用視覺(jué)組計(jì)算機(jī)視覺(jué)研究員何逸楠也表示AI開(kāi)發(fā)和幾年前相比，入門是更加容易了，并且有更多的開(kāi)發(fā)者在社區(qū)中貢獻(xiàn)開(kāi)源代碼，也有很多大廠開(kāi)源的工具和平臺(tái)。開(kāi)發(fā)者現(xiàn)在要做的就是提升自己的知識(shí)能力，解決更加上層的問(wèn)題。

那么在基礎(chǔ)打好之后，現(xiàn)階段面臨的更高級(jí)別的挑戰(zhàn)有哪些呢？

何逸楠指出，當(dāng)下首先要面對(duì)的挑戰(zhàn)是數(shù)據(jù)問(wèn)題，訓(xùn)練模型需要采集大量數(shù)據(jù)，其次還要提升訓(xùn)練效率。

陳云天也表示，在小數(shù)據(jù)上做機(jī)器學(xué)習(xí)是一項(xiàng)挑戰(zhàn)，另外可解釋性和知識(shí)嵌入也是需要解決的難題。

溫穎則提到，強(qiáng)化學(xué)習(xí)雖然已在游戲方面取得了一些比較大的進(jìn)展，但它在現(xiàn)實(shí)應(yīng)用場(chǎng)景中還沒(méi)有完全體現(xiàn)出其作用，想嘗試把大模型用在強(qiáng)化學(xué)習(xí)中。