人工智能是國家戰(zhàn)略的重要組成部分，是未來國際競爭的焦點和經(jīng)濟發(fā)展的新引擎。近年來，中國陸續(xù)出臺了多項政策，鼓勵人工智能行業(yè)發(fā)展與創(chuàng)新，《關于支持建設新一代人工智能示范應用場景的通知》、《關于加快場景創(chuàng)新以人工智能高水平應用促進經(jīng)濟高質(zhì)量發(fā)展的指導意見》、《新型數(shù)據(jù)中心發(fā)展三年行動計劃 ( 2021-2023 年 ) 》等產(chǎn)業(yè)政策都為人工智能產(chǎn)業(yè)發(fā)展提供了長期保障。

人工智能技術可能會給未來的社會治理帶來哪些新挑戰(zhàn)？人工智能發(fā)展的下一步會走向何方？財新智庫《數(shù)字時代，請回答！》邀請中國新一代人工智能發(fā)展戰(zhàn)略研究院執(zhí)行院長、南開大學學術委員會主任龔克分享了他的思考與回答。

人工智能正在全球各個國家、各個產(chǎn)業(yè)大行其道，您眼中的人工智能的發(fā)展邏輯和路徑是怎樣的？

龔克：近年來，人工智能有成果性突破的技術是大規(guī)模人工神經(jīng)網(wǎng)絡預訓練模型。

所謂大規(guī)模，體現(xiàn)在網(wǎng)絡參數(shù)特別大，即使用的神經(jīng)元和層數(shù)特別多。2020年5月份，語言訓練模型GPT-3達到了1750億個參數(shù)，隨后，網(wǎng)絡參數(shù)的規(guī)模又迅速攀升，達摩院的M6已經(jīng)超過了10萬億，逼近百萬億的量級。清華和達摩院合作的八卦爐已經(jīng)達到了150萬億之上，直逼人類神經(jīng)元的數(shù)量級。

可以看出，大規(guī)模的訓練模型的快速發(fā)展，使得人工神經(jīng)網(wǎng)絡技術已產(chǎn)生量變到質(zhì)變的突破。

從單媒體到跨媒體，從認知功能到生成功能，這無疑是未來人工智能的發(fā)展路徑。舉個例子，我們看到冬奧的播報，有聲音，有字幕，還有手語的呈現(xiàn)，便是跨媒體人工智能的配合。

另外，在大模型發(fā)展的同時，類腦計算等輕小模型也取得了重大發(fā)展。比如清華大學無人駕駛自行車登上《自然》雜志封面，這輛自行車不僅可以響應聲控、加速轉(zhuǎn)彎，還可以自主避障、進行S型路線跟蹤等。

這并不是說大規(guī)模神經(jīng)網(wǎng)絡做不到，但其妙就妙在用小規(guī)模的類腦模型做到了，且融合在一個芯片上變成實用系統(tǒng)，因此被《自然》雜志稱為重大的進展。這也是人工智能的發(fā)展路徑。

未來，大模型和小模型可以結(jié)合起來，或許又是一條發(fā)展路徑。而這些路徑背后的邏輯，就是應用牽引與技術驅(qū)動的結(jié)合。

快速迭代的AI技術為我們打開了更加多彩也更加復雜的新視界。這些全新的技術正在如何走進我們的現(xiàn)實世界呢？

龔克：近年來引人注目的應用進展就是AI用于科學研究的進展。比如在生命科學領域，Alphafold的蛋白質(zhì)折疊的預測，實踐證明達到了出乎意料的預測結(jié)果，成為了蛋白質(zhì)科學新的非常重要的工具。不僅是AlphaFold，還有RoseTTAFold也發(fā)表在《自然科學》雜志上，達到了非常好的性能。

數(shù)學研究領域，利用AI算法有兩個重大成果：一是拓撲學新定理，二是提出了代數(shù)表示論新的猜想。這都是過去人要用長時間的研究才能做到的。不久前，《自然》雜志又發(fā)表了一篇文章，是用人工智能深度學習算法提出了代數(shù)方程的最優(yōu)解法。這比幾十年前獲得菲爾斯獎的成果又進了一步。

物質(zhì)科學領域，有個軟件叫FermiNet，可以近似計算薛定諤方程。我們知道薛定諤方程是微觀物理學的基本方程，但是它幾乎很難在一個真實的材料上求解?，F(xiàn)在人工智能的算法有助于求解密度泛函，是我們求解薛定諤方程非常重要的做法。

技術科學應用領域，去年在美國DESIGN AUTOMATION大會的三個獎都用了AI設計方面。從架構(gòu)搜索到電阻晶體管邏輯的綜合，對整個設計進行驗證，最后做布線的布局，都用上了機器學習。

AI在生命科學、技術科學、物質(zhì)科學、數(shù)學上的成功應用不可小覷，它促進了科技第一生產(chǎn)力自身的發(fā)展，進而會推動加速整個經(jīng)濟社會的進展。

每一次重大的技術革命和產(chǎn)業(yè)革命，都不可避免地孼變出“負面效應”。人工智能技術可能會給我們未來的社會治理帶來哪些新挑戰(zhàn)？人工智能發(fā)展的下一步會走向何方？

龔克：這是個十分現(xiàn)實的科技發(fā)展與社會治理方面的問題。

2021年11月23號，聯(lián)合國教科文組織發(fā)布了第一份《人工智能倫理建議書》。建議書中提出了關于人工智能治理四項重要的核心世界觀：保護人權(quán)，保護環(huán)境和生態(tài)多樣性，保護社會的多樣性和包容性，保護和平、公正和互聯(lián)。在這個價值觀基礎上，又提出了10項原則以及11個政策實施領域。

但所有這些好的觀念和方案，怎么能夠真正形式化地被計算機所理解？如何植入到人工智能的應用系統(tǒng)里面去，并實現(xiàn)人工智能的倫理化？這些都是非?，F(xiàn)實而且重大的挑戰(zhàn)。

對于人工智能發(fā)展的下一步，我想結(jié)合前面的幾個例子談三點：

第一，深度神經(jīng)網(wǎng)絡預訓練大規(guī)模繼續(xù)發(fā)展的同時，跨模態(tài)認知和生存能力更加強大的同時，類腦計算等輕小強新算法創(chuàng)新將更加活躍。大模型與小模型形成云邊相互結(jié)合，這可能會形成一個新的發(fā)展趨勢。

第二，在這個基礎上，以數(shù)據(jù)驅(qū)動為特征的第二代AI現(xiàn)在正在可能向著“數(shù)據(jù)+知識”驅(qū)動的第三代人工智能演進。如果這樣演進，人工智能在可解釋性以及可預測性方面都會取得重大進展，將從根本上提升AI的可信度。

第三，AI的“兩化”，它的工程化和倫理化，勢在必行。工程化可降低AI融入千行百業(yè)的門檻，倫理化將驅(qū)動隱私計算等系列AI技術的發(fā)展。

編輯:黃飛

?