原標題：當“期待感”消失，AI還有哪些“核爆點”  首屆浦江AI學術年會開幕，聚焦不同AI專業(yè)領域數(shù)十個關鍵問題

　　四年前，當圖靈獎得主姚期智在上海創(chuàng)立專注于AI研究的期智研究院時，目標就是匯聚頂尖人才，做突破性基礎研究。昨天，在與期智研究院一條馬路之隔的首屆浦江AI學術年會開幕式現(xiàn)場，姚期智分享了一則他最近觀察到的“好消息”：在本土AI人才培養(yǎng)上，從本科生到博士生展現(xiàn)出來的面貌均已達到世界一流水平，國內(nèi)博士與海歸博士的水平不相上下，未來中國有希望迎來AI人才的爆發(fā)階段。這一觀察也與國際主流調(diào)研將中美列入AI第一梯隊相互佐證。

　　“引進人才只是第一步，更重要的是他們能夠在這兒扎根、成長，真正有抱負的青年科學家關注的不只是短期薪水和資源，而是要有一個長期發(fā)展的機會�！币ζ谥菑娬{(diào)，要始終將人才培養(yǎng)的重要性放在第一位。

　　浦江AI學術年會也許正是一個吸引匯聚AI科學家的平臺。年會完全以問題為導向，過去幾個月，組委會從各方征集來的問題中凝練出不同AI專業(yè)領域數(shù)十個關鍵問題作為研討主題，許多專家一下飛機就加入到討論中。未來，這一年會有望常駐浦江之畔。

　　“堆數(shù)據(jù)”很可能做不成AGI

　　這一年，市場對AI的“期待感”正在消失，這無疑是當下AI行業(yè)的最大痛點。從ChatGPT到GPT-4到GPT-o1，如同打怪升級一般逐步實現(xiàn)AGI（通用人工智能），這是以OpenAI為代表的AI廠商試圖描繪的未來圖景。但近日有消息顯示，OpenAI下一代旗艦模型“獵戶座”（Orion）的進步速度大幅放緩，合成數(shù)據(jù)越訓練越像舊模型，編碼性能甚至還在退步。

　　不僅是OpenAI，谷歌的Gemini 2.0、Anthropic的Claude 3.5 Opus等領先AI模型也被傳出遇到瓶頸。相較摩爾定律，過去兩年AI大模型賽道風起云涌的基礎——尺度定律（Scaling Law）的失效速度似乎快得多。

　　“現(xiàn)在的大模型有點像造飛機，通過數(shù)據(jù)升級和工程優(yōu)化確實能讓大模型性能變得更好，但從學術角度看并沒有創(chuàng)新�！毕愀鄞髮W計算與數(shù)據(jù)科學學院院長馬毅道出了當下AI期待值逐漸被拉低的原因。甚至在具體訓練中，還發(fā)生了當數(shù)據(jù)達到一定規(guī)模時，大模型推理能力反而停止增長甚至出現(xiàn)倒退的情況。

　　“這是因為新的、未開發(fā)的高質(zhì)量人類生成訓練數(shù)據(jù)正在成為稀缺資源。”上海人工智能實驗室領軍科學家歐陽萬里表示，過去幾年里，大模型的迭代升級過程幾乎已把各種公開可用的數(shù)據(jù)集、網(wǎng)站、書籍，以及其他來源的數(shù)據(jù)耗盡，而合成數(shù)據(jù)的廣泛使用，則會導致新模型在訓練中變得與舊模型貼近。

　　目前，OpenAI給出的解決方案是切換賽道。美國科技網(wǎng)站The Verge日前發(fā)文稱，OpenAI計劃于2025年1月推出名為“Operator”的AI智能體。

　　歐陽萬里則提出，應該拓展尺度定律除數(shù)據(jù)和計算以外的維度。他列舉了三種拓展維度的思路：一是增加測試時間，也就是讓大模型在給出答案前更多地思考；二是尋找更經(jīng)濟的數(shù)據(jù)獲取方式；三是尋找更好的通專模型融合促進之路。

　　顛覆式創(chuàng)新永遠來自“少數(shù)派”

　　盡管尺度定律正在遭遇“數(shù)據(jù)墻”，但AI for science（人工智能驅(qū)動的科學創(chuàng)新）領域正一派如火如荼：一個需要以周計設計的飛機翼型，當AI學習了專家數(shù)據(jù)庫后，一分鐘就能生成好幾十個方案供專家挑選；幫助化學家了解到底發(fā)生了什么化學反應的讀譜工作，一個經(jīng)過訓練的大模型可在數(shù)秒內(nèi)完成解讀。

　　上海人工智能實驗室主任、首席科學家周伯文表示，未來能夠使用AI去做科學研究的人獲得諾貝爾獎的可能性，會比不會使用AI的人高得多。

　　但是，想要獲得計算機領域最負盛名的圖靈獎，那可能就要繞開大語言模型了。近期，學術界對AI的思考能力和語言本質(zhì)展開了深入討論。圖靈獎得主楊立昆（Yann LeCun）提出了“語言是否真的是思考的必要條件”的質(zhì)疑，因為即使在嚴重的語言障礙情況下，人類仍然能保持思考的能力。

　　眾所周知，當前這一輪AI浪潮的底層研究是神經(jīng)網(wǎng)絡——一個黑箱，近四十年來，只有寥寥無幾的科學家在堅持研究它。“原來被認為一無是處的神經(jīng)網(wǎng)絡，現(xiàn)在變成能解決所有問題，只要稍微有點常識，是不是都會覺得有問題？”馬毅反問。他提醒那些想要獲得原創(chuàng)性成果的科研人員，應更多關注那些不同于當前主流的領域。

　　近年來，馬毅團隊花了很大功夫研究白盒大模型，其不僅能在幾乎所有任務上與黑盒Transformer相媲美，而且還具備出色的可解釋性。他透露，他的一位研究白盒的博士生最近入職了OpenAI。

　　期待開啟新的“知識爆炸”時代

　　那些做AI的年輕人正在關注哪些問題？其中是否有可能出現(xiàn)顛覆式創(chuàng)新？在匯聚了150多名頂尖專家與青年學者的年會會場，“知識爆炸”成了他們口中的關鍵詞。不管是做數(shù)據(jù)前沿、科學智能還是因果推理的年輕學者，都在闡述如何用AI幫助人們發(fā)現(xiàn)他們未曾發(fā)現(xiàn)的知識，甚至找到新的科學定律。

　　上海人工智能實驗室青年科學家白磊認為，科學的核心是從觀測數(shù)據(jù)中發(fā)現(xiàn)新的規(guī)律，2024年之前，AI for science是非常碎片化的，具體表現(xiàn)為每個領域都在建立自己的大小模型。他和團隊希望能從數(shù)據(jù)、計算和創(chuàng)新出發(fā)，為AI for science提供一套核心方法論，從而讓AI具備更強的理解能力，能夠提出更多科學上的好問題。

　　在上海人工智能實驗室青年科學家陸超超看來，機器學習的核心任務是從數(shù)據(jù)中自動發(fā)現(xiàn)相關性信息以便預測未來，但數(shù)據(jù)的真相并非來自相關性，而是來自因果性。過去，關于因果推理的研究停留在理論層面，難以和真實世界的問題對應上。他們團隊正在把大模型和因果推理方法聯(lián)系起來，讓大模型去尋找紛繁復雜世界中的因果關系，從而開啟新的“知識爆炸”時代。

　�。ū緢笥浾� 沈湫莎 《文匯報》 2024-12-14）