特别呈现｜龚克：人工智能发展有何新趋势、新挑战？
数字时代，请回答！
人工智能正在全球各个国家、各个产业大行其道，您眼中的人工智能的发展逻辑和路径是怎样的？
龚克：近年来，人工智能有成果性突破的技术是大规模人工神经网络预训练模型。
所谓大规模，体现在网络参数特别大，即使用的神经元和层数特别多。2020年5月份，语言训练模型GPT-3达到了1750亿个参数，随后，网络参数的规模又迅速攀升，达摩院的M6已经超过了10万亿，逼近百万亿的量级。清华和达摩院合作的八卦炉已经达到了150万亿之上，直逼人类神经元的数量级。
可以看出，大规模的训练模型的快速发展，使得人工神经网络技术已产生量变到质变的突破。
从单媒体到跨媒体，从认知功能到生成功能，这无疑是未来人工智能的发展路径。举个例子，我们看到冬奥的播报，有声音，有字幕，还有手语的呈现，便是跨媒体人工智能的配合。
另外，在大模型发展的同时，类脑计算等轻小模型也取得了重大发展。比如清华大学无人驾驶自行车登上《自然》杂志封面，这辆自行车不仅可以响应声控、加速转弯，还可以自主避障、进行S型路线跟踪等。
这并不是说大规模神经网络做不到，但其妙就妙在用小规模的类脑模型做到了，且融合在一个芯片上变成实用系统，因此被《自然》杂志称为重大的进展。这也是人工智能的发展路径。
未来，大模型和小模型可以结合起来，或许又是一条发展路径。而这些路径背后的逻辑，就是应用牵引与技术驱动的结合。
快速迭代的AI技术为我们打开了更加多彩也更加复杂的新视界。这些全新的技术正在如何走进我们的现实世界呢？
龚克：近年来引人注目的应用进展就是AI用于科学研究的进展。比如在生命科学领域，Alphafold的蛋白质折叠的预测，实践证明达到了出乎意料的预测结果，成为了蛋白质科学新的非常重要的工具。不仅是AlphaFold，还有RoseTTAFold也发表在《自然科学》杂志上，达到了非常好的性能。
数学研究领域，利用AI算法有两个重大成果：一是拓扑学新定理，二是提出了代数表示论新的猜想。这都是过去人要用长时间的研究才能做到的。不久前，《自然》杂志又发表了一篇文章，是用人工智能深度学习算法提出了代数方程的最优解法。这比几十年前获得菲尔斯奖的成果又进了一步。
物质科学领域，有个软件叫FermiNet，可以近似计算薛定谔方程。我们知道薛定谔方程是微观物理学的基本方程，但是它几乎很难在一个真实的材料上求解。现在人工智能的算法有助于求解密度泛函，是我们求解薛定谔方程非常重要的做法。
技术科学应用领域，去年在美国DESIGN AUTOMATION大会的三个奖都用了AI设计方面。从架构搜索到电阻晶体管逻辑的综合，对整个设计进行验证，最后做布线的布局，都用上了机器学习。
AI在生命科学、技术科学、物质科学、数学上的成功应用不可小觑，它促进了科技第一生产力自身的发展，进而会推动加速整个经济社会的进展。
每一次重大的技术革命和产业革命，都不可避免地孼变出“负面效应”。人工智能技术可能会给我们未来的社会治理带来哪些新挑战？人工智能发展的下一步会走向何方？
龚克：这是个十分现实的科技发展与社会治理方面的问题。
2021年11月23号，联合国教科文组织发布了第一份《人工智能伦理建议书》。建议书中提出了关于人工智能治理四项重要的核心世界观：保护人权，保护环境和生态多样性，保护社会的多样性和包容性，保护和平、公正和互联。在这个价值观基础上，又提出了10项原则以及11个政策实施领域。
但所有这些好的观念和方案，怎么能够真正形式化地被计算机所理解？如何植入到人工智能的应用系统里面去，并实现人工智能的伦理化？这些都是非常现实而且重大的挑战。
对于人工智能发展的下一步，我想结合前面的几个例子谈三点：
第一，深度神经网络预训练大规模继续发展的同时，跨模态认知和生存能力更加强大的同时，类脑计算等轻小强新算法创新将更加活跃。大模型与小模型形成云边相互结合，这可能会形成一个新的发展趋势。
第二，在这个基础上，以数据驱动为特征的第二代AI现在正在可能向着“数据+知识”驱动的第三代人工智能演进。如果这样演进，人工智能在可解释性以及可预测性方面都会取得重大进展，将从根本上提升AI的可信度。
第三，AI的“两化”，它的工程化和伦理化，势在必行。工程化可降低AI融入千行百业的门槛，伦理化将驱动隐私计算等系列AI技术的发展。
基于中国数字经济指数（DEI）的 产业、融合、基础设施三大维度和对当下中国的前沿思考，财新智库特此推出《数字时代，请回答！——从时代之问出发，思考数字经济本质》专题项目，梳理数字经济领域的重点关注问题，邀请专家学者和产业实践者给予解答。
以这些问题和解答来抛砖引玉，希望借此引发更多的专家和实践者能够接龙参与进来，一起打开数智时代的各种问号，聚智成海，汇声成潮。
联系我们
投稿联系：chunfengzheng@caixin.com
项目合作：wending@caixin.com
推荐阅读
点击阅读原文，查看专题