智東西
編譯 | 銘滟 編輯 | 徐珊WAIC 2023世界人工智能大會最近在上海圓滿落幕。在這場國内最高規格人工智能領域峰會上，11位重磅嘉賓從不同角度分享了對中國人工智能領域的觀察與判斷。
在大會的巅峰對話環節中，商湯科技董事長兼CEO徐立與圖靈獎得主、上海期智研究院院長姚期智、清華大學交叉資訊研究院助理教授袁洋、清華大學交叉資訊研究院助理教授、Moonshot AI創始人楊植麟、DragGAN第一作者、南洋理工大學計算機科學與工程學院助理教授潘新鋼，就人工智能的發展與突破，進行了精彩的探讨，包括大模型核心理論研究突破、多模态對大模型的優化、安全可控的算法進路以及對比分析已有案例等。
一、姚期智：中國科學家助力人工智能強化學習
圖靈獎得主、上海期智研究院院長姚期智表示，中國的科學家在AI的發展上做了很多突破性貢獻。清華大學交叉資訊研究院助理教授高陽在一年多前做出了非常重要的算法突破貢獻，使得強化學習的時間程序加快數百倍。他的研究不僅是一項應用進步，也為算法研究作出了理論貢獻。是以，他的研究受到了國際廣泛關注。
他認為在ChatGPT之後，人工智能研究的下一個重要目标就是擁有視覺、聽覺等多種感覺能力的機器人，并能在不同的環境中自主學習各種新技能。而高陽的技術突破，則是将機器人的學習速度提高了數百倍，使機器人在幾個小時内就能做到。
這不單單解決了機器人學習的實用問題，也是理論貢獻。姚期智表示，在過去六七年内，人工智能的高層研究者曾就人工智能強化學習路線是否正确的議題展開争論。而高陽的研究突破，則是将這個天平傾向了另一邊。我們對人工智能的完善，還有很長的路要走。
二、袁洋：對多模态的了解應基于解決具體行業的具體問題
在交叉學科的大模型應用方面，清華大學交叉資訊研究院助理教授袁洋表示，對多模态的了解應當基于解決具體行業的具體問題。例如文本到圖檔的生成，生成的圖檔不是使用者想要的表現，使用者需要用滑鼠對其進行修改。而這個滑鼠的拖動，就是新的模态。使用者在用新的輸入把自己想要表達的内容告訴大模型，并讓它能夠了解。這種多模态的輸入在應用中非常重要。
是以在具體行業内，大模型的訓練應當聚焦于行業内最核心的問題，找到解決核心問題所需的資料。這就是模态的補全。在此基礎上，做好模态對齊與模态補齊後，袁洋認為，大模型可以有更強大的能力，來解決更核心的交叉領域的問題。
三、楊植麟：對通用大模型問題的解決應回歸更本質的層面
清華大學交叉資訊研究院助理教授、Moonshot AI創始人楊植麟則表示，現有大模型還有很多未解決的問題，比如，安全性，可控性，避免産生幻覺和編造不存在的問題，以及大模型無法像科學家一樣創造。他認為，當針對通用模型思考這些問題時，不應當頭痛醫頭，而應當舉一反三，思考這些問題底層的共通問題是什麼，回歸更本質的層面來解決。
四、潘新鋼：Moonshot和GAN未來或可優勢互補
DragGAN第一作者、南洋理工大學計算機科學與工程學院助理教授潘新鋼則基于生成模型的架構以及優化目标的不同，比較了兩個AI繪圖軟體——Moonshot和GAN的差異。第一是性能與效率，在生成過程中，擴散模型疊代式計算需要的更多的訓練時間和更大的計算開銷。是以，圖像生成性能更高。潘新鋼認為擴散模型的上限高于GAN，品質優勢更明顯，應用前景更廣。但對于性能和計算開銷有限制的特定情形下，GAN仍是妥協的選擇。
第二是GAN和擴散模型的映射，擴散模型對于圖像内容的影響表現為較為随機，不具有結構化，GAN可以有效編輯圖像中的屬性，例如動物姿态等。在這一方面，後續如何拓展擴散模型的問題也值得探索。
第三是生成空間的連續性，設計時擴散模型的圖像空間較為不連續，GAN的圖像控件則比較流暢自然。未來将這兩個模型進行優勢互補是非常有趣的研究話題。
五、未來大語言模型的領域方向
關于大模型在垂直領域的發展，姚期智認為，基于大模型的語言能力，未來可以将更多的文書工作交給機器來完成。袁洋則基于其專業背景和大模型基于預訓練範式的判斷，認為大模型在醫療關系中可能會比人類和機器做得更好，表示更看好智能醫療方向。楊植麟則傾向于個人使用方向。比如人可以給AI提供上下文，人看到的所有東西AI通過錄屏也可以看到等。潘新鋼認為今後視訊和三維内容生成前景很大，可以幫助創意工作者等創造更高品質的内容。
以上是巅峰對話内容的完整整理，除此之外，本屆WAIC 2023世界人工智能大會期間，特斯拉創始人、CEO埃隆·馬斯克（Elon Musk）、香港中文大學教授湯曉鷗，華為輪值董事長胡厚崑，微軟全球資深副總裁、微軟大中華區董事長兼首席執行官侯陽博士，圖靈獎2018年得主、Meta AI基礎人工智能研究（FAIR）團隊首席AI科學家楊立昆（Yann LeCun），地平線創始人兼CEO餘凱分别分享了對人工智能領域的觀察與思考。
結語：人工智能領域的未來将向“人腦”方向發展
此次WAIC帶來的不僅是各家大模型的集會，也是人工智能研究領域新老血液的交彙。人工智能領域的研究涵蓋了多個學科，包括計算機科學、資料分析與統計、硬體和軟體工程、語言學、神經科學，甚至哲學和心理學。是以目前對于人工智能未來發展方向的探讨并未形成統一觀點。
但無論是通用人工智能，還是機器人人工智能，各個人工智能概念或将向“人腦”甚至“人類”的方向發展。這意味着人工智能的目标不僅是模仿人類的行為，更要真正了解人類思維、情感和行為等複雜抽象概念。對于這些複雜抽象概念的分析，除了計算機科學和資料分析之外，或許還會涉及到腦科學領域，以及更深層的哲學與心理學等問題。