“连我这种做人工智能的人,看到ChatGPT这样的表现,都大为震撼。”发出这种感慨的,是清华大学高等研究院双聘教授沈向洋。
作为计算机视觉和图形学专家,沈向洋常年从事人机交互、统计学习、模式识别和机器人等方向的研究工作。最近这几年,他也经常和同行一起辩论,通用人工智能到底能不能做得出来、什么时候可以做得出来,讨论到底人工智能达到什么样的标准算是“智能”。
让他感慨的是,在大家“还没有吵清楚的时候,ChatGPT已经横空出世”。
7月23日,在国家科技传播中心举办的基础科学与人工智能论坛上,诸多人工智能领域著名学者围坐在一起,共同探讨大模型及通用人工智能将会面临哪些问题与挑战,围绕AI大模型的可能性边界、数据集和训练集、计算机视觉、知识图谱等问题展开了讨论。
“不要说我们这些人没有反应过来,比尔·盖茨也没有反应过来。去年6月,盖茨都不相信这件事能做出来,直到8月给他(看了)模型——60道题做对59道,他才相信这件事真正实现了。”沈向洋说。
即便是世界级水准的科学家,从业几十年的计算机行业专家,对于从去年年底到今年年初,由ChatGPT等人工智能产品带来的种种变化,也难免会心生感慨。
“数学、物理等对于信息科学十分重要,同时基础学科也需要有效运用人工智能等新一代技术,以促进自身的发展。”在会上播放的致辞视频中,菲尔兹奖得主、国际基础科学大会主席丘成桐说。
在他看来,信息科学能够产生一些重要且有意义的数学问题。这些问题,“数学家正在很起劲地研究”,人工智能正在影响数学本身的发展。他希望,年轻科学家能够从根本上了解人工智能,并在人工智能的广泛应用过程中,发挥重要作用。
AI大模型需要用大量的数据和计算资源来打造,中国计算机学会CCF副理事长周明思考的,则是AI大模型在未来的社会生活中,如何具体“落地”。
在大模型的训练过程中,智能到底是在哪一步真正出现的?智能涌现的机制又是什么?在讨论的过程中,沈向洋抛出了一个又一个问题。最终他抛出一个观点——最关键的问题是缺少正确的数学工具。
“也就是我们今天讨论的,基础科学和人工智能的关系。”他说。
用沈向洋的话说,很多科学技术发展的背后,都有非常强大的数学工具和数学原理在发挥作用,人工智能领域当然也不例外。
对这个话题,德国汉堡大学教授、多模态智能系统研究所所长张建伟的补充是:“我们不只需要数学模型,还有物理模型、生物模型、脑科学模型。”
张建伟的主要研究方向,包括智能系统的感知学习和规划、多传感信息处理与融合、智能机器人、人机交互等等。他提到,虽然现在机器人的发展,在处理单模态信息上已经取得很大进展,但是多模态信息处理方面,跟人类相比,尤其是在动态环境下,“还差得非常远”。
“我相信,基于物理、生理、模型和大数据联合驱动AI的方法,是未来实现智能机器人的必由之路。”张建伟说。
张建伟注意到,目前国内对机器人的热情很高,产业基础和环境氛围很好。如何在科技伦理的框架下推进机器人研发,不刻意地规划人工智能的创造性,给人类留出一些创意空间,是他认为“非常值得关注、值得探索的问题”。
关于模型训练,埃隆·马斯克成立的人工智能公司xAI创始成员杨格认为,伴随着模型规模增长,需要更加丰富、质量更好的数据集,需要由偏重网络舆论的数据集,转向偏重数学科学、更具逻辑性和推理性的训练集。
在杨格看来,AI的思维结构和人类的思维结构完全不一样,唯一相同点是,AI大模型是用人类的数据训练出来的,在某种程度上,“会感觉很像我们自己跟自己对话”。但人工智能跟人类仍然是不一样的,AI到底能不能像人类一样融入社会,目前“还不好说”。
“ChatGPT不是人,我们也不会把它当成人来对待。AI用自己的模式跟人类交流。”杨格说。
您可能关注: 人工智能 AI趋势
[免责声明]如需转载请注明原创来源;本站部分文章和图片来源网络编辑,如存在版权问题请发送邮件至398879136@qq.com,我们会在3个工作日内处理。非原创标注的文章,观点仅代表作者本人,不代表轻创立场。
轻创CRM智能客户管理系统是一款全面而高效的客户关系管理工具,专门设计用于帮助企业更好地管理他们的客户资源和业务关系。该系统结合了强大的客户关系管理功能与先进的智能化技术,旨在提升客户满意度和忠诚度,从而实现更高的业务效益。