专家学者纵论人工智能时代发展机遇与挑战

探索中国方案 加快技术创新 

专家学者纵论人工智能时代发展机遇与挑战

聚焦国内外人工智能领域的研究进展和学术前沿，2023中国人工智能大会邀请中外院士、专家学者、技术精英等业界嘉宾，立足中国人工智能研究成果和实践经验，探索以AI赋能万物，深入把握新一代人工智能发展的特点，为人工智能基础理论突破、关键技术创新、产业化应用提供新的启发和思路。

形成通用人工智能技术的

中国方案迫在眉睫

“人工智能正深刻地改变这个时代。”国务院参事，中国工程院院士，清华大学信息科学技术学院院长、教授戴琼海介绍，以大数据为基础的深度学习，实现了部分特定场景的应用，推动城市、教育、医疗、金融、机器人等领域智能化发展。比如机器翻译替代了大部分人工翻译，语音识别替代了大部分人工侦听，人脸识别成为安防等领域的常见模式……

他表示，我国十分重视通用人工智能发展，提出要营造创新生态，重视防范风险。“大模型成为迈向通用人工智能的可能路径之一，可是与此同时，大模型也带来了反思：大模型给我国带来什么样的风险？大模型有什么技术与应用瓶颈？通用人工智能还有什么新路径？”

戴琼海说，以美国方案为主的大模型技术对我国形成了严峻的知识产权壁垒。已发布的国内外部分大模型技术，都是基于谷歌的Transformer技术，谷歌已对其进行了专利保护。截至2023年5月，大模型和Transformer相关的知识产权总数有2899项，美国就占据71%，我国仅占据25%。我国在大模型发展上，虽然在模态类型或数据类型上有所扩展，但面临严峻的知识产权壁垒问题。人工智能技术复杂度正在快速增加，大模型的训练代码量从2019年的万级增长到2021年的十万级，如不能实时追赶，未来再进行反超就会变得更为困难和复杂。“留给我国的窗口期是有限的，形成通用人工智能技术的中国方案已迫在眉睫。”

智能决策

是制造业智能化的关键

制造业是国民经济必不可少的基础产业，人工智能技术已成为制造业发展的重要趋势。中国工程院院士、东北大学学术委员会主任柴天佑认为，工业人工智能将人工智能与特定的工业场景结合，可实现设计模式创新、智能生产决策、资源优化配置等创新应用。“但我们还面临三方面的挑战：复杂工业环境下多元信息的动态感知，让人工智能具备预测能力，决策与控制过程集成优化。”

以虚拟场景下对真实场景的电熔镁炉生产过程监控为例，柴天佑说，燃烧融化的过程是变动的，需要人时时巡视检查，如遇不正常现象，决策也主要依靠人完成。他认为人虽然可从信息化系统获得生产信息，依靠经验和知识识别复杂运行工况和决策，但人本身是难以处理多元信息的感知，其决策行为往往制约发展。

对此，他提出，通过新一代信息技术与自动化系统技术紧密融合与协同，构建和真实工业场景一样甚至更好的虚拟场景和智能决策系统，不仅可以做到比人更快更好发现问题，还能代替工程师，迅速分析现场情况，使得决策能力更强。

他预测，人工智能下一步发展方向会是由现在不可解释的人工智能发展到可解释的人工智能技术。“人工智能将会向智能系统发展。如今工业流程中应用的自动化控制系统，将来会转变为智能控制系统，人的识别、决策与控制行为的自动化与优化成为自动化科学与技术新的发展方向。”

大数据知识工程大有可为

以时下火热的ChatGPT为例，同济大学校长郑庆华认为此类单纯基于数据驱动的模型具有局限性。“第一是逻辑性，过度依赖数据可以确保数据广度但无法保证细节；第二是可行性，过度消耗算力和能源，且内容难以保证意识形态安全；第三是可解释性，ChatGPT不知道自己错了，也做不到知错就改，知错能改。”

那么数据驱动的“硬算”如何转变为知识引导的“巧算”“智算”？郑庆华提出，大数据知识工程将为“知识引导+数据驱动”的新一代人工智能提供技术支撑。他认为，大数据知识工程的根本目的是实现知识生产自动化，将大数据转换为结构化知识库，破解信息爆炸、消除数据孤岛、持续释放数据红利。

同时，他也提出，大数据知识工程面临两大难题：一是如何把碎片知识整合，二是整合知识后如何正确组合推理。对此，他分享了“知识森林”解决方案。他将“知识森林”概括为数据知识化、指示体系化、知识可推理，即将散、杂、乱的碎片知识融合生成结构化、可表征的知识体系，建立可解释的推理机制。“知识森林在智能教育、国家金税工程等方面已有典型应用，如建立3大税收基础知识库，为依法治税提供依据。”

“当前，AI技术还不适应边界不确定性、博弈强对抗性、响应高实时性、环境高复杂性、信息不完整性等场景，而这正是从弱AI向强AI和超AI发展进阶的路径，这一阶段，正是大数据知识工程大有可为之时。”他说。（记者 蒋雅琛 燕晓）