校长激辩AI人才培养
“什么是AGI(通用人工智能)?形象地说,它就像是AI(人工智能)的爱因斯坦。”
7月4日,在2024世界人工智能大会“人工智能:科研范式变革与产业发展”主题论坛上,上海科学智能研究院(以下简称上智院)院长、复旦大学浩清特聘教授漆远谈到了他心目中AGI和AI4S(AI for Science,科学智能)的未来形态。
![圆桌|人工智能创新涌现,学界如何站到最前沿?](https://www.huaxjr.com/wp-content/uploads/2022/01/octavian-dan-iY6QMkP66mI-unsplash.jpg)
在大模型如雨后春笋、百模大战如火如荼的当下,不仅产业界和学术界的一线专家和研究者聚焦AI最新技术,高校整体也在探索如何搭建更好的人才培养体系。在论坛现场,来自普林斯顿大学、北京大学、瑞士人工智能实验室、之江实验室、英矽智能、晶泰科技、无限光年等的AI专家和复旦大学、同济大学、中国科学技术大学、上海科技大学等大学校长齐聚一堂,共同探索AI带来的新机遇和挑战。
打造“灰盒”可信大模型
在带领团队搭建阿里巴巴大规模分布式机器学习平台PAI、蚂蚁集团的超大规模图神经学习与隐私计算平台后,漆远从产业界重返学界,来到复旦,探讨通往AGI的道路。
“从微观的分子,到宏观的人体表型、到更宏观的气象气候和复杂的经济金融系统,我们需要AI大模型做出精准预测,给出靠谱的答案,甚至发现未知的规律。”漆远说,“在今天的AI 2.0时代,大模型有更好的泛化能力,可以在很多领域或某一类垂直领域的多项任务中发挥接近或超越人类的能力。我们看到了通用人工智能的火花。”
“所有的大模型都是‘做梦的机器’,都有幻觉的特点”,漆远坦言,“幻觉和幻想类似,在情感对话和艺术创作里可以发挥作用。但是如果想把大模型作为生产力工具,在科研、医学、金融等领域的核心业务里发挥重要作用,大模型的幻觉就是个大问题,可能会违背基础规律,导致差之毫厘,谬以千里。”
幻觉的问题仍待解决,而Scaling law(尺度定律)的红利也不会一直下去,仅依靠海量数据的压缩和归纳总结不足以达成AGI 。“AGI的最高体现之一就是理解复杂世界、发现未知规律。简单的说,就是打造‘AI爱因斯坦’。这也是AI for Science的关键目标。要实现这一目标,我们需要结合快思考的‘黑盒’预测和慢思考的‘白盒’逻辑推理,打造‘灰盒’可信大模型。”漆远说。
目前,上智院正在这条道路上不断探索。气象领域,发布了面向新能源、航空运输、城市管理等产业应用的伏羲系列气象大模型2.0,基于人工智能技术极大提高了天气预报的准确性,并能提前预测极端天气现象。同时,伏羲次季节气象大模型将天气预报周期延长至60天,并入选成为中国气象局的三个官方气象大模型之一。医药领域,在DNA长文本分析和蛋白质动态建模上取得突破,并将与企业合作研发RNA大模型,预测RNA结构和功能,加速RNA疫苗研发,促进核酸药物设计。
在诺贝尔经济学奖得主、北京大学汇丰商学院荣誉教授 Thomas J. Sargent看来,真正的AGI应该像人类婴儿一样,同时拥有两种创造力类型:应用创造力和问题寻找创造力,能够通过自主实验理解世界。
而在实现路径上,阿卜杜拉国王科技大学(KAUST)人工智能计划负责人、瑞士人工智能实验室(IDSIA)研发主任Juergen Schmidhuber认为,目前传统强化学习存在局限,使用世界模型不仅能够基于世界认知预测行为,而且可以让AI形成自主学习机制。
他认为,未来,世界模型需要新的算法机制,应该更加关注奖励组合的设计,不仅包括外部环境给予的奖励,也包含模拟对于人类追寻好奇心的内部奖励。通过奖励机制组合优化模型,让模型追寻外部目标,也让AI理解科学家内在对于实验的设计和处理,最终通过AI自己设计目标实现世界模型的升级。
大学和企业是一个硬币的两面
AI时代,我们看到越来越多的重大创新成果是率先出自于企业界。在这个背景下,大学能否仍然站在科技创新的最前沿?AI for Science的价值如何体现?大学如何培养AI人才?
在复旦大学校长、中国科学院院士金力看来,AI对于科学假设(Hypothesis)的提出至关重要,当今科学可以分成两部分,一是基于传统范式提出好的假设,一是科学智能(AI for science)驱动的假设。人工智能可以基于数据高效产生假设并辨别其是否靠谱,高校科研人员能挑、会挑,可以判断假设的质量,可以通过AI大幅提升其判断假设质量的效能。这正是科学智能的核心价值所在。
“复旦大学的决定是,不仅要发展AI学科,更要把人才培养起来。”金力表示,人工智能时代需要更多年轻人,需要“技术颠覆者”,因此也需要更多远见者的指导,这也是复旦的优秀教授们在人才培养方面发挥的作用。
AI赋能学科的发展,多学科交叉成为大学关注的核心议题之一。金力指出,“学生培养是学科交叉的核心”,高校要培养交叉学科的学生,同时给他们创造物理上面对面相互讨论交流的平台。
同济大学校长、中国工程院院士郑庆华认为,高校之所以能够成为科技创新的策源地,原因有三:第一,大学具有多学科交叉融合的优势,目前很多科学研究已经很难依靠某个学科和专业解决。这一点企业很难具备,但却是大学的显著特色。
第二,大学宗旨就是创造知识。创新可以说是大学永恒的追求和价值,没有创新大学就没有用武之地,或者没有它的地位和影响力。第三,大学永远充满一批以科技改变世界为使命的人。比如,谷歌的创始人是当年斯坦福的三位博士生,而今天很多大模型核心算法、技术亦根植于大学。
“从AlexNet到SORA的DiT,学界一直以来都是AI的策源地”,上海科技大学副教务长虞晶怡认为,学术界追求的长期主义对于工业界来说是非常有挑战的。然而,要实现包括AI在内的科学问题的突破则非常需要长期主义。因此大学应保持长期主义的特质,并与时俱进的和工业界紧密合作,坚定做好长期主义的堡垒,成为AI突破的真正策源地。
中国科学技术大学副校长吴枫同样认为,做学科交叉、做科学智能,是高校的优势所在,也是企业现在相对较少关注的。实际上,回顾18世纪、19世纪,科学技术发展几乎每一次都是随着数学、物理等学科的突破而来的。然而,“企业做的多数AI,并不是瞄着科学,而是瞄着应用”。
从这个角度而言,现在的AI还处在一个初期阶段,而如果AI跟物理、生命、化学、数学等学科产生交叉,那么AI对人类社会的发展、影响可能比现在看到的要大得多。吴枫认为,高校更应该在管理体系、环境氛围等方面,鼓励学生做科学智能的研究,培养AI人才。
不过,AI时代也需要产教融合、科教融汇。在吴枫看来,“对高校而言,要做好跟企业的合作,要矗立在研究前沿,要培养人才真正满足产业需要、满足研究创新需要”。
大学和企业是一个硬币的两面,相互依赖、相互赋能、相互成就,郑庆华表示,做出真正能够满足教师和学生科研需要、人才培养需要的算力平台,是企业的强项。同时,“企业在需求感知上更敏感,它对市场很敏感、对用户需求很敏感,对怎样开拓新的应用场景很敏感,这些敏感的需求其实为高校科技创新提供了方向和目标,也是高校科学研究的出发点和落脚点。”
论坛上,由上智院和复旦大学共同主办的第二届世界科学智能大赛宣布启动,旨在进一步推动科学智能人才培养和生态建设。大赛由上智院和复旦大学共同主办,设置百万奖金在上智院·天池平台上向全球发起选手招募,共同探索科学智能前沿领域。去年首届大赛共吸引全球1万余名选手参赛,今年大赛新增社会科学、逻辑推理两大赛道,推进更广泛的科学智能创新生态发展。
由上智院主导开发的全新科学数据平台也正式发布,为探索复杂科学场景提供新线索和新假设,以科学数据平台为核心的全球科学数据生态联盟同步启动。
该联盟旨在通过政府、企业、高校、研究机构等多方合作,构建全球性、多领域的科研大数据资源开放与共享平台。联盟将致力于开发和整合科研数据资源,提供先进的数据分析技术支持,搭建高效的数据共享平台,为教学、实践、科研和业务拓展提供强有力的数据支持。