7月6日,世界人工智能大会在上海开幕。这是大会举办6年来最火爆,也是话题最集中的一届,展馆面积5万平方米,远超去年的1.5万平方米。参展企业400多家,比去年数量翻倍。

最火一届人工智能大会,ChatGPT之后,AI的下一步会是什么?

无论是展区还是开幕式主论坛,参与者讨论的话题都很集中:大模型华为轮值董事长胡厚崑说,他昨天去展览区转了一圈,只关注到了两件事:一方面是大模型的研究,另一方面是大模型在不同行业的应用。他在开幕式上的10多分钟发言,通篇都与大模型相关。

在开幕式主论坛上,与会的AI大佬们或多或少都谈到了大模型带动的生成式AI浪潮,虽然还存在风险高、落地难等多方面的争议和讨论,但AI势不可挡的趋势已有基本共识。

风险与监管

特斯拉创始人马斯克是大会第一位演讲嘉宾,他通过视频作了8分钟演讲。这次展会上特斯拉设立了专门展台,一位参展人士看到后调侃说,作为一家汽车厂商,特斯拉不去参加上海车展,反而来到了人工智能大会。

此前,马斯克曾呼吁暂停GPT研发,以减少对人类造成的潜在风险。这次他重申对AI的监管话题时说,有局限的人工智能和全面人工智能完全不一样,全面人工智能比人类聪明的多,现在很重要的一点是,如何对AI进行监督。

“相对于机器智能,人类的智能在全部智能中所占的比例会越来越低,这将是一个根本性的深度变化,现在很难理解它带来的影响,这可能是现在人类历史上最深刻的一个时期。”马斯克说。

图灵奖得主、Meta AI团队首席人工智能科学家杨立昆也提了AI风险。不过他与马斯克的观点完全不同——他不赞同监管AI。杨立昆认为,如果想让人工智能变得安全,实用且唯一的方法是让它开源。

“想象一下,未来10年或15年后,我们每个人都通过人工智能助手与数字世界互动,如果技术被少数公司控制,这不是好事。未来的人工智能系统应该成为人类所有知识的宝库,它们的训练方式必须基于众多的源头,我希望看到更多的开源AI系统。”

杨立昆还认为,可以通过设置目标做到AI可控,比如设定让它不要伤害别人,不要出现欺骗或支配人类的行为,让它诚实,让它屈从于人类,这样这些AI系统将完全可控。这件事并不容易,但设置目标的方式可以让AI系统变得安全,这是一个非常艰巨的挑战。

产业与探索

当学术界热衷讨论AI基础研究的星辰大海时,企业界更关心大模型的实际应用和落地。

华为轮值董事长胡厚崑预告,明天(7月7日)华为将发布盘古大模型3.0。他说,人工智能方向已经很清晰,在一个不太长的时间,通用人工智能会帮助我们改写一切。方向清晰后,最关键的就是路径,我们应该怎么做?

华为的思考结果是:下阶段全力推进人工智能走深向实。共分为两个方向,其一是打造算力,目前在国内建立了25个城市算力基础设施,针对大企业、小企业分别有不同的算力服务方式。胡厚崑说,他希望算力不再成为人工智能发展瓶颈。其二是做行业大模型,让人工智能服务千行百业,目前华为大模型在金融、制造、政务、电力、煤矿、医疗、铁路等10多个领域做了落地。

在AI领域走的最快,成功投中OpenAI微软,目前关心的也是应用落地。微软全球资深副总裁、微软大中华区董事长兼CEO侯阳说,他感受到了市场对新一代生成式AI的迫切需求,微软正加大投入,近期已连续发布了超过50项生成式AI新技术和新服务。

目前微软的生成式AI场景已经在全球推进。侯阳认为,AI可以对很多行业进行创新,比如,可以革新零售电商行业的智能客服,可以在游戏中构建有无线剧情和对话的NPC,可以在金融行业更早发现风险,可以提升生命科学领域临床实验数据的分析能力,可以在教育行业探索定制化的学习方式。

GPT的未来

尽管大模型令人兴奋,但目前,大模型也存在“一本正经胡说八道”、不安全、落地时不好用等缺陷。这些问题能得到解决吗?ChatGPT之后,AI的下一步会是什么?

图灵奖获得者、上海期智研究院院长姚期智认为,GPT之后,下一个重要突破方向在智能机器人领域,应该让机器人有视觉、听觉等多种感知能力,让它们能在不同环境里,自主学习不同的新技能。

马斯克也重点提到了机器人。他提到了一个比例问题:机器人和人类的比例是多少?他认为将会超过1:1,也就是说,地球上的机器人数量将会超过人类数量。

马斯克还预测说,L4-L5级的全自动驾驶大概今年晚些时候就能实现。“我以前也做过预测,但都错了,但我觉得此刻做的预测比以往任何时候都更接近于现实。”

与往届人工智能大会相比,今年的这届大会学术含量较高。据统计,今年有4位图灵奖以及迈克尔·莱维特诺奖得主、80多位国内外院士出席。在开幕式上,以学者身份出席的演讲嘉宾也很多,他们更关心AI人才的培养。

香港中文大学教授、商汤科技创始人汤晓鸥介绍了3个中国年轻学者在过去10年间为大模型做出的贡献。汤晓鸥说,现在中国的科技原创者已经看到了曙光。

三个年轻学者分别是香港中文大学的王晓刚、何恺明、林达华。王晓刚在深度学习兴起的最初几年,即2011年到2013年,发表了多篇深度学习论文,在全世界第一次将深度学习应用到视觉领域。何恺明2016年发表的论文解决了深度学习网络梯度传递问题,改变了深度学习网络训练参数的瓶颈。林达华打造了国际上有影响力的视觉算法开源体系,并早于谷歌,在2021年12月把技术拓展到城市级,打造了全国首个三维实景大模型。

通过三位学者的经历,汤晓鸥说,国内AI基础理论研究领域,新一代中坚力量已经起步。