“人工智能的體現之一就是理解復雜世界,、發(fā)現未知規(guī)律。簡單地說,，就是打造‘AI愛因斯坦’,。這也是AI for Science的關鍵目標?！?7月4日,，在2024世界人工智能大會暨人工智能全球治理高級別會議（WAIC 2024）“人工智能：科研范式變革與產業(yè)發(fā)展”主題論壇上,，上海科學智能研究院院長（以下稱“上智院”）,、復旦大學浩清特聘教授漆遠講述了他對于通用人工智能（AGI）和科學智能（AI4S）的發(fā)展判斷,。漆遠教授認為，大模型領域的“金科玉律”Scaling Law 改變了AI,，然而僅依靠海量數據的壓縮和歸納總結不足以達成AGI,。就像AlphaGo通過學習海量的人類棋譜戰(zhàn)勝李世石那樣，我們看到了機器超越人類認知的可能性,。但更重要的是我們需要像AlphaGo Zero那樣,，從圍棋本身出發(fā)，具備自我學習,、推理和創(chuàng)新能力,，這樣才可以達到AGI。漆遠介紹,，要實現這一目標,，一是需要結合快思考的“黑盒”預測和慢思考的“白盒”邏輯推理，打造“灰盒”可信大模型,；二是融合type1和type2,，擺脫數據依賴。AI4S的最高體現就是“AI愛因斯坦”,，通過融合科學規(guī)律,、觀測數據和合成數據，發(fā)現復雜世界的未知規(guī)律,。上智院正在這條道路上不斷探索,。諾貝爾經濟學獎得主、北京大學匯豐商學院榮譽教授薩金特在演講中深入探討了AI創(chuàng)造力和學習機制的融合,。他提出了兩種創(chuàng)造力類型：應用創(chuàng)造力和問題尋找創(chuàng)造力,，強調真正的AGI應像人類嬰兒一樣，通過自主實驗理解世界,。此外,，他還全面比較了物理學和經濟學中的模型構建方法，強調了從描述性模型到結構性模型的演進過程。他以開普勒模型和牛頓模型為例,，闡述了如何在經濟學中實現類似的理論突破,。他強調，雖然AI工具強大,，但經濟學家的理論洞察仍然不可或缺,。這種平衡方法為解決復雜的經濟問題提供了新的視角，也為未來的經濟研究指明了方向,。作為物質科學領域的代表,，復旦大學物理學系教授、中國科學院院士龔新高以《AI物理與材料逆向設計》為題,，分享了團隊在計算物質科學方法中結合AI技術的探索,。求解Kohn-Sham方程極為昂貴，龔新高團隊發(fā)展的Uni-H模型實現了在幾秒之內對任意元素組成的材料預測能帶結構,。在此基礎上,，團隊計算了幾十萬個材料的電子結構，構建了數據庫并全面開放,。龔新高認為,，在人工智能的推動下，計算物理的研究范式已經發(fā)展到了“AI物理”：利用機器學習原子間作用勢和Uni-H,，有望解決材料設計的最大挑戰(zhàn)——材料逆向設計,，即“對給定的性質，找到相應的材料”,。從新材料到生物醫(yī)藥,，從金融科技到城市治理，AI的應用正在為各行各業(yè)帶來前所未有的挑戰(zhàn)和機遇,。讓AI在各個專業(yè)領域發(fā)揮能力,，并降低服務成本，解決大模型幻覺問題是重中之重,。會上,，無限光年聯合創(chuàng)始人徐盈輝介紹了如何打造獨特的灰盒大模型，有效降低模型幻覺,。他說“我們做大模型Day1起就意識到這項技術的真實挑戰(zhàn),，怎樣讓大模型在真實場景中發(fā)揮價值，我們感到任重道遠,。我們使用符號推理引擎進行邏輯推理,，把語言模型和邏輯推理結合起來，形成獨特的灰盒大模型,，實現可信生成,，過程可解釋,，邏輯正確，真正釋放大模型生產力,。目前灰盒大模型已在金融和醫(yī)療等行業(yè)落地,，未來更將賦能千行百業(yè)?！毙旅裢韴笥浾?張炯強
免責聲明：本文來自網絡收錄或投稿,，觀點僅代表作者本人,，不代表芒果財經贊同其觀點或證實其描述,，版權歸原作者所有。轉載請注明出處：http://lequren.com/1111734.html
溫馨提示：投資有風險,，入市須謹慎,。本資訊不作為投資理財建議。
