校長激辯AI人才培養
「什麼是AGI（通用人工智能）？形象地說，它就像是AI（人工智能）的愛因斯坦。」
7月4日，在2024世界人工智能大會「人工智能：科研範式變革與產業發展」主題論壇上，上海科學智能研究院（以下簡稱上智院）院長、復旦大學浩清特聘教授漆遠談到了他心目中AGI和AI4S（AI for Science，科學智能）的未來形態。
在大模型如雨後春筍、百模大戰如火如荼的當下，不僅產業界和學術界的一線專家和研究者聚焦AI最新技術，高校整體也在探索如何搭建更好的人才培養體系。
在論壇現場，來自普林斯頓大學、北京大學、瑞士人工智能實驗室、之江實驗室、英矽智能、晶泰科技、無限光年等的AI專家和復旦大學、同濟大學、中國科學技術大學、上海科技大學等大學校長齊聚一堂，共同探索AI帶來的新機遇和挑戰。
* 打造「灰盒」可信大模型
在帶領團隊搭建阿裏巴巴大規模分布式機器學習平臺PAI、螞蟻集團的超大規模圖神經學習與隱私計算平臺後，漆遠從產業界重返學界，來到復旦，探討通往AGI的道路。
「從微觀的分子，到宏觀的人體表型、到更宏觀的氣象氣候和復雜的經濟金融系統，我們需要AI大模型做出精準預測，給出靠譜的答案，甚至發現未知的規律。」漆遠說，「在今天的AI 2.0時代，大模型有更好的泛化能力，可以在很多領域或某一類垂直領域的多項任務中發揮接近或超越人類的能力。我們看到了通用人工智能的火花。」
「所有的大模型都是『做夢的機器』，都有幻覺的特點」，漆遠坦言，「幻覺和幻想類似，在情感對話和藝術創作裏可以發揮作用。但是如果想把大模型作為生產力工具，在科研、醫學、金融等領域的核心業務裏發揮重要作用，大模型的幻覺就是個大問題，可能會違背基礎規律，導致差之毫厘，謬以千裏。」
幻覺的問題仍待解決，而Scaling law（尺度定律）的紅利也不會一直下去，僅依靠海量數據的壓縮和歸納總結不足以達成AGI 。「AGI的最高體現之一就是理解複雜世界、發現未知規律。簡單的說，就是打造『AI愛因斯坦』。這也是AI for Science的關鍵目標。要實現這一目標，我們需要結合快思考的『黑盒』預測和慢思考的『白盒』邏輯推理，打造『灰盒』可信大模型。」漆遠說。
目前，上智院正在這條道路上不斷探索。氣象領域，發布了面向新能源、航空運輸、城市管理等產業應用的伏羲系列氣象大模型2.0，基於人工智能技術極大提高了天氣預報的準確性，並能提前預測極端天氣現象。
同時，伏羲次季節氣象大模型將天氣預報周期延長至60天，並入選成為中國氣象局的三個官方氣象大模型之一。醫藥領域，在DNA長文本分析和蛋白質動態建模上取得突破，並將與企業合作研發RNA大模型，預測RNA結構和功能，加速RNA疫苗研發，促進核酸藥物設計。
在諾貝爾經濟學獎得主、北京大學匯豐商學院榮譽教授 Thomas J. Sargent看來，真正的AGI應該像人類嬰兒一樣，同時擁有兩種創造力類型：應用創造力和問題尋找創造力，能夠通過自主實驗理解世界。
而在實現路徑上，阿蔔杜拉國王科技大學（KAUST）人工智能計劃負責人、瑞士人工智能實驗室（IDSIA）研發主任Juergen Schmidhuber認為，目前傳統強化學習存在局限，使用世界模型不僅能夠基於世界認知預測行為，而且可以讓AI形成自主學習機製。
他認為，未來，世界模型需要新的算法機制，應該更加關注獎勵組合的設計，不僅包括外部環境給予的獎勵，也包含模擬對於人類追尋好奇心的內部獎勵。通過獎勵機制組合優化模型，讓模型追尋外部目標，也讓AI理解科學家內在對於實驗的設計和處理，最終通過AI自己設計目標實現世界模型的升級。
* 大學和企業是一個硬幣的兩面
AI時代，我們看到越來越多的重大創新成果是率先出自於企業界。在這個背景下，大學能否仍然站在科技創新的最前沿？AI for Science的價值如何體現？大學如何培養AI人才？
在復旦大學校長、中國科學院院士金力看來，AI對於科學假設（Hypothesis）的提出至關重要，當今科學可以分成兩部分，一是基於傳統範式提出好的假設，一是科學智能（AI for science）驅動的假設。
人工智能可以基於數據高效產生假設並辨別其是否靠譜，高校科研人員能挑、會挑，可以判斷假設的質量，可以通過AI大幅提升其判斷假設質量的效能。這正是科學智能的核心價值所在。
「復旦大學的決定是，不僅要發展AI學科，更要把人才培養起來。」金力表示，人工智能時代需要更多年輕人，需要「技術顛覆者」，因此也需要更多遠見者的指導，這也是復旦的優秀教授們在人才培養方面發揮的作用。
AI賦能學科的發展，多學科交叉成為大學關註的核心議題之一。金力指出，「學生培養是學科交叉的核心」，高校要培養交叉學科的學生，同時給他們創造物理上面對面相互討論交流的平臺。
同濟大學校長、中國工程院院士鄭慶華認為，高校之所以能夠成為科技創新的策源地，原因有三：第一，大學具有多學科交叉融合的優勢，目前很多科學研究已經很難依靠某個學科和專業解決。這一點企業很難具備，但卻是大學的顯著特色。
第二，大學宗旨就是創造知識。創新可以說是大學永恒的追求和價值，沒有創新大學就沒有用武之地，或者沒有它的地位和影響力。
第三，大學永遠充滿一批以科技改變世界為使命的人。比如，谷歌的創始人是當年斯坦福的三位博士生，而今天很多大模型核心算法、技術亦根植於大學。
「從AlexNet到SORA的DiT，學界一直以來都是AI的策源地」，上海科技大學副教務長虞晶怡認為，學術界追求的長期主義對於工業界來說是非常有挑戰的。然而，要實現包括AI在內的科學問題的突破則非常需要長期主義。因此大學應保持長期主義的特質，並與時俱進的和工業界緊密合作，堅定做好長期主義的堡壘，成為AI突破的真正策源地。
中國科學技術大學副校長吳楓同樣認為，做學科交叉、做科學智能，是高校的優勢所在，也是企業現在相對較少關註的。實際上，回顧18世紀、19世紀，科學技術發展幾乎每一次都是隨著數學、物理等學科的突破而來的。然而，「企業做的多數AI，並不是瞄著科學，而是瞄著應用」。
從這個角度而言，現在的AI還處在一個初期階段，而如果AI跟物理、生命、化學、數學等學科產生交叉，那麼AI對人類社會的發展、影響可能比現在看到的要大得多。吳楓認為，高校更應該在管理體系、環境氛圍等方面，鼓勵學生做科學智能的研究，培養AI人才。
不過，AI時代也需要產教融合、科教融匯。在吳楓看來，「對高校而言，要做好跟企業的合作，要矗立在研究前沿，要培養人才真正滿足產業需要、滿足研究創新需要」。
大學和企業是一個硬幣的兩面，相互依賴、相互賦能、相互成就，鄭慶華表示，做出真正能夠滿足教師和學生科研需要、人才培養需要的算力平臺，是企業的強項。
同時，「企業在需求感知上更敏感，它對市場很敏感、對用戶需求很敏感，對怎樣開拓新的應用場景很敏感，這些敏感的需求其實為高校科技創新提供了方向和目標，也是高校科學研究的出發點和落腳點。」
論壇上，由上智院和復旦大學共同主辦的第二屆世界科學智能大賽宣布啟動，旨在進一步推動科學智能人才培養和生態建設。
大賽由上智院和復旦大學共同主辦，設置百萬獎金在上智院·天池平臺上向全球發起選手招募，共同探索科學智能前沿領域。去年首屆大賽共吸引全球1萬余名選手參賽，今年大賽新增社會科學、邏輯推理兩大賽道，推進更廣泛的科學智能創新生態發展。
由上智院主導開發的全新科學數據平臺也正式發布，為探索復雜科學場景提供新線索和新假設，以科學數據平臺為核心的全球科學數據生態聯盟同步啟動。
該聯盟旨在通過政府、企業、高校、研究機構等多方合作，構建全球性、多領域的科研大數據資源開放與共享平臺。
聯盟將致力於開發和整合科研數據資源，提供先進的數據分析技術支持，搭建高效的數據共享平臺，為教學、實踐、科研和業務拓展提供強有力的數據支持。---來源: 澎湃新聞-
