☜🕴➴     

kaiyun·开云

明天（7月4日），汇聚全球顶尖科学家“最强大脑”的2024世界人工智能大会将在上海世博中心拉开帷幕。在当天下午的“人工智能：科研范式变革与产业发展”主题论坛上，漆远领衔的重大科研成果——百亿参数的可信光语大模型将正式亮相，第二届世界科学智能大赛也将启动。会前，我们采访了漆远，听他谈通用人工智能与“灰盒”大模型。

与AI对话，欣赏与传播AI生成的文本、图片与视频……AI已经为人们的生活带来便利与乐趣。但是“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。”“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。”

漆远认为，scaling law还有红利，但是基于transformer（注：变压器）自回归架构的大模型不足够走到通用人工智能，无论是从AI技术本身角度还是从能耗的角度而言。未来要要把人工智能的逻辑推理为代表的符号主义和深度学习为代表的联结主义结合在一起，融合知识规则、数字世界与物理世界里的数据，去探索与发现世界里的未知规律。今天的深度学习是对数据的模拟和压缩，擅长对观测数据的概率内插预测，并不擅长对数据之外的外插推演，更不擅长多步的逻辑推演。而爱因斯坦的大脑，作为人类智能一个巅峰体现，结合有限的物理观测数据、自己的“合成数据”和黎曼几何等数学工具kaiyun·开云，提出狭义和广义相对论，适用于广阔的宇宙。漆远认为实现通用人工智能的最好标志之一就是实现 “AI爱因斯坦”，发现复杂世界的未知规律。 

而“AI爱因斯坦”也正是AI for Science（注：科学智能，下文简称AI4S）的一个关键目标。科学智能在加速求解已知的物理方程中已经发挥重要作用，但是科学智能更需要结合已知知识规则与数据kaiyun·开云，既减少对数据对算力的严重依赖，提升推理预测的精准性，更可以根据数据来调整知识规则，提出崭新的科学理论。

千行百业，每一行有各自特点，每一业有各自要求。比如金融行业中的会计、财务、投资，以及建筑设计等领域都具有严谨的要求与规则。“目前大模型落地，我觉得最大的问题就是：猛一看好像有用，真的一用又不行。”漆远指出，针对大模型现有的不靠谱、解释性不高、成本高等特点，一个真正有效的解决方向不是现在流行的检索增强生成技术，这只是打补丁的方法，而是把概率的神经网络推理与逻辑的符号计算结合起来，类似于《快思考与慢思考》书里所说的人类系统一与系统二能力的结合，走向“灰盒”大模型。

“原来认为深度学习是‘黑盒子’，现在我们把逻辑推理的‘白盒子’跟深度学习结合起来，就变成‘灰盒子’了。”漆远笑着解释说，“原来是‘黑盒子’关在那里面，你完全不知道深度学习网络为什么就给你这个答案。而‘灰盒’大模型借助逻辑推理可以‘知其然，更知其所以然’。同时，从另外一个角度来看，‘灰盒’大模型可以用深度学习来减少不符合现实世界观测数据的规则。”

“今天的人工智能突破不仅来自底层原理的创新，更有面向社会需求的产品驱动。社会需要的不仅是理论文章的发表或者商业模式的创新，而是科技创新与产业创新深度融合kaiyun·开云，是基于第一性原理的突破。”在上智院联合多个企业联合技术攻关的同时kaiyun·开云，漆远带领团队创建和孵化公司，做产品落地。一个在打造的样本就是他创建的可信大模型公司——无限光年。在今年的世界人工智能大会kaiyun·开云，无限光年将发布百亿参数的可信光语大模型。这一大模型在金融和医疗垂直领域测试超越OPENAI的万亿参数大模型GPT4-Turbo。

今年9月新学期复旦将推出“AI大课”，漆远参与打造“AI-BEST”课程体系中的“AI-T”垂直领域应用课程，上智院6楼将成为课程实训主要空间。“我们在项目实习中培养学生。不是传统的‘拿着锤子找钉子’，而是在项目中提升学生人工智能的实践能力和理论知识。”漆远介绍，“只有知识还不够，要真正地理解社会、产业的需求在哪里，以逆向思维牵引底层能力的培养，比如新能源、新材料、金融、健康、农业等等。从这些领域倒推、打造AI工具，构建垂直领域的可信大模型，这是未来越来越重要的方向。”