WAIC 实录 | 上海人工智能大会 2023 上的精彩瞬间

2023-07-07 03:07

大模型看品玩GenAI↓

2023 上海世界人工智能大会于7月6日正式开幕。在本次大会上，与会嘉宾们分享了大量关于人工智能技术、应用与未来发展的宝贵经验。我们针对开幕首日的部分精彩演讲和论坛进行了梳理，总结出今天各位与会嘉宾的主要观点。

姚期智，徐立和杨植麟们在一起聊了什么？中国AI老中青三代的一场对话

商汤科技董事长兼CEO 徐立联合图灵奖得主姚期智、清华大学交叉信息学院助理教授袁洋、清华大学交叉信息研究院助理教授杨植麟和 DragGAN 第一作者潘新钢今天在大会开幕式上举办了一场以《创想共论·智变可能》的圆桌论坛。

姚期智表示，在 ChatGPT以后，下一个非常重要的目标就是让AI变成有视觉、听觉等多种感知能力的机器人，它能够在不同的环境里面，自主地学习各种的新技能。但是现在的强化学习的方法，太慢了，对于这些新的技术常常要几个月的时间才能够学好。高阳老师他的一个突破就使得强化学习，能够在几个小时内就能够做到。

而袁洋发表了他对于多模态输入的看法。杨植麟认为，多模态的输入在具体应用中非常重要，到更具体的一些行业，比如说医疗法律教育，不应该只是把文本或者图像喂给模型，让它有一些专业的数据，就希望它能够解决专业的问题，应该去深耕这个行业，去找到它里面最核心的问题是什么，然后再去找在这个问题里面。大家到底需要什么样的模态的数据，什么样的信息能够精准表达我们想要解决的问题，这个我称为是一种模态的补全。模态补全之后，我们需要在补全模态的基础之上收集足够的数据，做好模态的对齐。

杨植麟表示，想解决幻觉的问题，不是去头痛医头，而是更系统的向这些问题之间底层都是什么样共通的问题，回到更本质的层面去解决，因为毕竟是通用的模型，我们希望它能够在这些方面都能够一举一反三，所以我觉得其实还是要去做更规模化的高效的压缩，比如说去用更好的更适合分布式训练的这种框架，类似比如MOE或者是支持更长的上下文的框架，包括在这里面怎么样去更好地分配算力，对更高质量的数据分配更多的算力，就类似这样的问题，我觉得其实可以更根本地去解决我们刚才可能聊到的现在AI的存在一些局限性。

最后，潘新钢谈论了图片生成技术 GAN和Diffusion Model的差异。在潘新刚看来，第一个是性能与效率的Trade off，扩散模型在生成的过程中，它的需要的算力更大，它的迭代式的计算所需要的influence的时间和训练的都显著高于GAN。第二点是他们Latent Space的差异，扩散模型的这种 noise map对于图像内容的影响常常表现出来为比较随机，不具有结构化的特性。GAN的 Compact latent code可以非常有效地去编辑图像中的 high level 的属性。第三点就是他们生成图像的空间的连续性上，由于这两个模型在设计的时候，他的Lipschitz constraint不同，所以体现出来扩散模型的图像空间较为不连续，GAN的图像空间非常延续自然。

马斯克：全自动驾驶在今年晚一些时候就会实现

马斯克今天也现身 2023 上海世界人工智能大会，并作为首位致辞嘉宾在开幕式上发表演讲。

马斯克表示，人形机器人还在开发的一个阶段，还在比较早期的时候，但是在未来我们将会有非常多的机器人。现在看来，有一个阶段将会超过 1: 1，地球上的机器人的数量将会超过人类的数量，他们的计算能力要强很多，这似乎就是一个发展的趋势之所在，这会有积极的影响，也会带来一些消极的影响。

未来的世界里面的非常多的机器人的情况下的话，它的生产效率将会人类的一个占为主导的一个生产效率要高很多，这将带来非常大的变化，所以我们要很小心，以确保它最终的结果是有助于人类的。

而关于特斯拉的自动驾驶技术，马斯克觉得已经非常接近没有人类干预的全自动驾驶的一个状态。使用最新的 FSD 全自动驾驶beta这个技术的时候，基本上从点 a 到点 b 不需要摸什么方向盘了。虽然还是一个预测，但是马斯克觉得全自动驾驶这个阶段大概在今年晚一点时候就能实现了。

图灵奖得主 David Patterson：大模型将会减少2-4倍的能源消耗

图灵奖得主 David Patterson今天下午也发表了主题演讲。Patterson 在演讲中透露了谷歌近年来在人工智能研究方面吸取的一些教训。并重点讲述了大模型与碳排放之间的关系。

Patterson表示，谷歌在过去十年左右的时间里，宣布了五种不同的TPU产品，它们的性能相差达到三倍，甚至最近还用新的技术建立了超级计算机。而在这十年中，他们也总结了不少经验教训。

首先要强调的是内存系统，重点在于内存而不是 FLOPs。增加 FLOPs 并不是一件难事，但问题更多的在于内存系统本身能否承受那么大的能量消耗。

Patterson表示，如果你是一个从业者或研究人员，请继续对大模型的改良和研究，这将可以减少2到4倍的能源和排放。统计出训练模型的能耗和碳足迹，是为了让我们更好的竞争，以便于每个人能够建立更有效的模型，得到正确的数字。帮助世界继续推出高效的硬件，让收益达到2到4倍。

华为轮值董事长胡厚崑：当前的重要任务，是让人工智能服务于科学研究

在今天的 2023 上海世界人工智能大会开幕式上，华为轮值董事长胡厚崑发表演讲，表示两个关键的举措或抓手是：一方面是生根算力，打造强有力的算力底座来支撑中国的人工智能事业的发展；另一方面是结合大模型，从通用大模型到行业大模型的研究创新，真正让人工智能服务各行各业和科学研究。

人工智能的发展离不开算力。在当前情况下，我们面临着算力可获得性和成本等方面的挑战。多年来，华为一直专注于算力的发展。我们聚焦于鲲鹏和昇腾的根基，取得了突破。目前我们正在通过架构创新、生态发展和灵活的共建方式来打造中国的算力底座。我们希望通过与大家的共同努力，消除算力对人工智能发展的制约。

此外，认为一方面要不断提升通用大模型的能力，同时要探索通用大模型与行业大模型的结合。行业大模型在通用大模型的基础上能够给出更精准、更有价值的答案。这是我们努力的方向。

为此，华为推出了三层大模型结构，最底层是基础大模型，我们将其比喻为"读万卷书"，它的目标是学习海量的基础知识。在这一层之上，我们打造了行业模型和场景模型，我们将其比喻为"行万里路"。从"读万卷书"到"行万里路"还有许多挑战需要克服，关键之一是将各行各业的知识与大模型充分匹配和融合。在这方面，华为正在与各行业伙伴共同努力。

我们认为当前还有一个重要任务，那就是让人工智能服务于科学研究。我们提出了"AI for science"的口号。我们发现，通过学习海量的历史数据和科学知识，并将数学方程编码到我们的大模型中，AI可以促进与基础学科（如分子动力学、流体力学、传热学、生物学等）的结合，帮助我们发现更多科学规律。