上海作答“AI三问”：夯实数学根基、驱动科研变革、探索AGI路径

主要观点总结

本文报道了关于上届和本届世界人工智能大会的关键点。大会上提出了数学之问、科学之问以及模型之问的三大议题，从全球视角关注人工智能前沿技术的创新与发展。通过具体的案例和数据展示了人工智能在融合数学、科学以及实际应用中的进展和挑战。同时，大会还讨论了关于通用人工智能的发展路径、大模型的数据需求以及人工智能的伦理问题。

关键观点总结

关键观点1: 大会的三大议题

大会上提出的数学之问、科学之问和模型之问，聚焦人工智能的核心问题，涉及公理支撑、科学协同伙伴和模型泛化能力等方面的讨论。

关键观点2: 人工智能与数学融合

人工智能与数学的深度融合，表现在AI开始参与数学规律的挖掘与猜想的生成，以及AI在构造数学对象上的独特优势。同时，上海拥有全国领先的算力基础设施和顶尖的数学学科优势，成为探索二者融合的理想试验田。

关键观点3: 人工智能与科学融合

AI正从技术工具加速渗透到科学研究的核心场域，成为科学研究的“协同伙伴”。具体案例包括AI预测蛋白质折叠结构，以及AI在科学发现平台上的应用，推动科研范式变革。

关键观点4: 模型之问的挑战与机遇

大模型在现实场景中频繁翻车，引发对模型泛化能力的反思。业界尝试通过根本性创新而非渐进式改进来提升模型处理的效能，包括架构的创新和模型的训练方法。

关键观点5: 通用人工智能的发展路径

上海人工智能实验室主任周伯文教授提出了实现通用人工智能的“通专融合”思路，包含基础模型层、融合层和如何实现可泛化的评估和奖励等三层实现方案。

关键观点6: 大模型的数据需求与伦理问题

大模型的数据饥渴问题迫在眉睫，互联网数据将被耗尽。商汤科技董事长兼CEO徐立指出，下一阶段的智能获取可能依赖于与现实世界的互动产生的大量数据。同时，人工智能的伦理问题也受到关注，如何训练AI变得善良成为重要议题。

免责声明