ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

編輯部 ChatGPT 發自 凹非寺

量子位 | 公眾號 QbitAI

什麼是“MEET2023智慧未來大會”?

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

大會上來了哪些重磅嘉賓?

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

他們在大會上探討了什麼主題?

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

沒錯!ChatGPT也參與了今年的大會,作為AI代表與人類嘉賓們一起回顧這一年來人工智慧的發展,展望智慧科技的未來。

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

下面還是老樣子,一文看盡。

不同的是,這次的內容由ChatGPT協助編輯部共同整理。整場大會主要分成三個維度:

新技術新模型變革下,對計算、算力提出的

新標準、新要求、新機遇

時代級機遇求解征途中,誕生了哪些

新場景、新物種、新應用

以及當下已經縱橫於各行各業的AI,究竟還有什麼樣的

新路徑、新方案、新價值

新標準、新要求、新機遇

鄭緯民院士:AI基準的設計能達到4個指標

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

首先開場的,是計算機系統結構這一學科泰斗,中國工程院院士、清華大學計算機科學與技術系鄭緯民。毫無疑問的是,人工智慧算力是當前人工智慧領域發展的關鍵,那麼此次他主要分享了他們所在團隊對人工智慧的三件事。

簡單來說,就是AI與算力基礎設施的設計、評測和最佳化。

第一件事,提出了一種

AI算力基礎設施的架構和平衡設計原則

。目前全國20多個人工智慧超算中心基本上都採納了他們團隊的設計思想。

首先,他談到了HPC與AI之間的不同,包括應用領域、運算精度等方面。基於此,他們提出了人工智慧計算機設計的平衡性原則,包括計算平衡設計、網路平衡計算、IO子系統設計。

目前,行業整體趨勢是

HPC+AI+BigData

融合在一起。未來兩到四年,三者融合的伺服器就會出現。

第二件事,

就是大規模人工智慧算力基準評測程式AIPerf

傳統的AI算力評測基準存在著只針對單個晶片、只是移動端的硬體、可擴充套件性不好等問題,因此整個行業沒有太合適的,於是他們就決定自己做一個。

AI基準設計要達到這四個目標:統一的分數、可變的規模、具有實際的人工智慧意義、評測程式包含必要的多機通訊。最終,以清華大學為主要團隊做了AIPerf來測試,已於2020年11月15日釋出。

第三件事,

就是百萬億引數超大規模訓練模型的加速方法

學界達成一個基本共識,那就是模型規模和模型效果呈正相關關係。但模型規模上去了,CPU的記憶體、計算能力是有限的。因此大模型訓練一定是多機的,分佈並行的。

現在主要有三種並行方式:資料並行、模型並行、專家並行。他們把這三種並行訓練模型開源到FastMOE系統當中,得到了工業界許多認可,比如阿里的淘寶天貓,騰訊、百度飛槳的MOE模組都用到了他們的系統。

最後他希望,他們團隊做的三點小貢獻,能夠推動人工智慧的發展。

高通Ziad Asghar:如何讓「智慧網聯邊緣」成為現實

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

高通技術公司產品管理高階副總裁

Ziad Asghar

,負責驍龍平臺的產品規劃以及公司所有產品線中應用處理器相關技術。他的工作服務於公司所有業務部門,包括移動、汽車、計算、XR、邊緣雲和物聯網。

他在大會上提出:

AI處理的重心正在持續向邊緣側轉移

原因有多方面,大量的資料在邊緣側產生,當今消費者希望擁有更好的資料隱私、希望資料可靠,並希望及時獲取處理結果。

高通專注於“基於統一的技術路線圖”進行產品開發,能夠全面覆蓋智慧網聯邊緣,實現規模化擴充套件。

高通的AI技術已經賦能20億終端,實現這一成果的核心是高通AI引擎(Qualcomm AI Engine)。高通AI引擎包含圖形處理單元、CPU,以及更核心的Hexagon處理器,其具備高度可擴充套件性的硬體架構,並在效能和能效方面全面領先競爭對手。

為了讓AI在終端側發揮最大作用,高通還帶來多項硬體和軟體技術:

支援INT4精度推理,高通感測器中樞,高通AI軟體棧、Qualcomm AI Studio……

過去,幾乎所有的AI推理都在雲端進行。如今,我們已經開始將大量推理工作轉移至邊緣側終端進行。下一步,就是實現完全分散式的AI,也就是轉向終端側學習的正規化。

利用終端側學習,將能夠為每一個使用者打造個性化體驗,這就是高通正在前進的方向。據Ziad介紹高通AI研究團隊一直專注不同的方法包括小樣本學習、無標記資料持續學習、支援全域性適應的聯邦學習和低複雜性終端側學習,來解決終端側學習部署的挑戰。。

Ziad相信,目前我們所利用的終端側AI能力還只是冰山一角,而從智慧車到元宇宙,終端側AI的需求巨大。

高通十分期待能夠引領市場向著充分利用智慧網聯邊緣的方向繼續推進,讓智慧網聯邊緣成為現實。

潞晨尤洋:AI落地面臨很大問題,是最先進的 AI 技術訓練成本太高

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

潞晨科技董事長兼總裁、新加坡國立大學校長青年教授

尤洋

,則介紹了一種全新的AI大模型解決方案Colossal-AI,面向未來各種大模型應用場景的低成本落地。

首先,

Colossal-AI解決的是一個什麼樣的問題?

從過去AI模型發展的引數量來看,2016年—2021年模型大小從200多萬增長到了1。6萬億,相當於翻了成千上萬倍。而不管是大企業、小企業,大家都普遍把自己的模型做得更大,因為效果會更好。

但一個很大問題是,大模型或者是最先進的AI技術訓練成本太高了。Stability AI每年光花計算的錢就大概2000萬美元。

因此未來迫切需要一個可擴充套件、高效的計算基礎設施Colossal-AI。

其次,

Colossal-AI主要由三部分組成。

1)高效的記憶體管理系統。因為大模型本質上還是太吃記憶體。

2)自動的N維並行技術。

3)大規模最佳化技術。

從三方面把AI模型的訓練部署效能提到最高,目標是希望使用者只需要在自己單機筆記本上寫好程式碼,透過Colossal-AI能夠無縫地部署到雲端或者是超級計算機上。

目前訓練大模型主要有三種並行方式:

資料並行、張量並行、流水線並行。

Colossal-AI的解決方案首先是支援了上述主流並行方案,然後我們創新性地打造了2D張量並行、2。5D張量並行以及3D張量並行,以及提出了資料序列並行,還提供了降低視訊記憶體消耗的異構記憶體管理和大規模並行最佳化,把它們整合起來提供一套自動並行的解決方案。

其實AI工程師、研究員,不需要理解背後的技術細節,只需要把模型的資訊、計算資源告訴我們,就可以自動地把計算資源能力發揮到最大化,同時完成虛擬模型訓練和自動部署,輕鬆低成本應用AI大模型。

浪潮劉軍:智算力就是創新力

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

浪潮資訊副總裁、浪潮人工智慧與高效能計算產品線總經理劉軍分享的主題是“AI新時代 智算力就是創新力”。

劉軍提出了

“算力當量”

的概念,用PetaFLOP/s-days(PD)這個指標來衡量算力消耗,也就是每秒千萬億次計算完整執行一天,完成一個任務需要多少這樣的計算量。

比如特斯拉的DOJO用於感知模型的訓練和模擬,算力當量是500個PD。AlphaFold2的訓練消耗300個PD。

再加上AI大模型訓練、數字人的建模和渲染等方向,我們可以確切地感受到今天在AI領域的眾多創新背後離不開智算力的支撐,所以我們可以說智算力就是創新力。

接下來,劉軍還分享了當前智慧計算發展的三個重要趨勢:

第一是算力多元化

。在國內市場上有十幾種CPU晶片、將近100種AI算力晶片,原因是算力應用場景多元化。這就需要從系統的硬體角度、從平臺的軟體角度來進行相應的創新支撐。

第二是模型巨量化

,大模型使得AI從五年前的能聽會看走到今天能思考、會創作,下一步甚至到會推理、能決策的進步。下一個挑戰是如何把大模型能力交付到眾多中小企業手中,幫助他們實現智慧化轉型。

第三是元宇宙

。現在元宇宙的構建包括協同建立、高精模擬、實時渲染、智慧互動,每一個環節都需要大量算力去支撐。這裡不光是AI計算,還有模擬計算、影象渲染計算,這對算力基礎設施的硬體平臺和軟體棧都提出了更高的要求。

新場景、新物種、新應用

小冰李笛:我們為什麼想和ChatGPT交流?

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

AI繪畫、對話式AI為代表的AIGC今年在全球引發熱潮,小冰公司也作為行業先行者備受矚目:剛剛完成一輪10億元的新融資,用於推動虛擬員工的普及。

不過,小冰公司執行長李笛在會上沒有多談產品,而是分享了對大家更有借鑑意義的行業趨勢。

李笛認為,

每一次技術變革都是在改變人與世界/人與人之間的關係

在人與世界關係這條線上,我們經歷了

入口網站、搜尋引擎、推薦演算法

它們利用計算機系統實現了高併發,一次觸達很多使用者。但缺點是轉化率低,如果想提高轉化率就需要人工客服,人力成本巨大。

下一站,該看向

AI Being

AI Being與之前的人機互動相比,關鍵不同在於高轉化率,如小冰島App的留存率就高達39%。

另一個例子是ChatGPT,透過它獲取知識比搜尋引擎的準確度要低,但為什麼人們都願意和它交流?

人們在使用它時往往心裡已經有了答案。如果ChatGPT給出的結果都準確,那人們會認為它很強大,即使不準確,人們也會覺得很有意思。

其實ChatGPT改善的不是準確率而是

行為

,讓AI有了主體性。從行為模式判斷與從結果上判斷一個技術,就會得到完全不同的結論:

它能和你建立一種以往沒有過的一種關聯,這種關聯的價值本身具有非常大的商業價值。

李笛認為,AI Being的未來還會引發很多新的變革。

如數字員工會

使toB和toC的界限變得模糊

,比如銀行的數字客戶經理可能會與客戶變成朋友。

又比如AI Being將

不再隸屬於某一平臺

,人們在客服、手機、汽車上與同一個AI Being交流,得到更加無縫、24小時、持續連貫的服務。

同時這種方式也能建立更好的反饋機制,推動系統得到更好的發展。

AI Being比現在的虛擬偶像等數字人應用,還有千倍百倍的價值沒被看到。

路特斯李博:智慧車是當下機器人的第一形態

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

各行各業進入存量競爭時期,網際網路經濟機遇過去,下一個人類的星辰大海會在哪裡?

路特斯科技副總裁、路特斯機器人公司總經理李博認為,「機器人時代」比「元宇宙時代」更符合人類對星辰大海的預期。

元宇宙是把人帶入虛擬世界,而機器人則是把AI帶到真實世界。

接下來,李博分享了對「機器人時代」的關鍵認知:

第一,智慧車是機器人的第一形態,也是當下最重要的機器人形態。像掃地機器人、酒店服務機器人等,從市場規模、體量及社會影響力來說,和智慧車相比仍存在差距。

第二,行業經常提「軟體定義汽車」,但我們認為「硬體定義軟體的天花板」。例如,當不同年代的蘋果手機都升級到同樣的作業系統,其體現出來的效能卻是千差萬別的。

第三,在更高更快更強的時代,路特斯是智慧車的最佳實踐平臺。

基於此,路特斯機器人推出四條產品線。

智慧駕駛全棧軟體解決方案

,包含端到端的高階智慧駕駛系統、ADAS/PAS功能、以及車端OS作業系統及中介軟體等。

ROBOVERSE產學研生態系統

,一方面用路特斯機器人在實踐開發過程中產生的優質資料,打造公開資料集,為創業公司及院校賦能;另一方面支援院校做智慧駕駛的探索和嘗試,在路特斯機器人的加持下,北京理工大學和同濟大學的方程式車隊在2022年中國大學生方程式賽事中各取得優異成績,其中,北京理工大學路特斯無人駕駛方程式車隊更是贏得2022中國大學生無人駕駛方程式大賽全國總冠軍。

智慧駕駛運營解決方案

,核心目的是對當下智慧駕駛系統能力的不足做彌補和提升。例如路特斯平行守護系統,讓後臺專業的平行守護駕駛員接入前臺車輛,輔助前臺車輛更好地完成智慧駕駛任務,這一套系統在不久的將來,也會逐步對外賦能。

ROBO Galaxy智駕工具鏈SaaS系統

,也稱為智慧駕駛的雲端資料工廠。ROBO Galaxy包含七大模組,分別是資料採集、資料合規、資料標註、資料訓練、資料模擬、資料管理及資料監控,提供全流程服務,並構成了全生命週期的資料鏈閉環。

ROBO Galaxy不僅旨在提升演算法軟體迭代速度,提供優質的測試環境,也致力於解決目前普遍存在的資料孤島與業務斷點問題。因此,李博認為,未來的智慧駕駛產品一定是批次化、高質量、穩定地生產出來,這就要依託ROBO Galaxy,讓智慧駕駛開發從「手工坊」變成「流水線」。由此可見,ROBO Galaxy代表著智慧駕駛未來的生產力。

百度段潤堯:聰明的腦袋、足夠的資源和最好的技術匹配起來,就能做出量子計算機

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

當前,量子時代正在加速到來,接近70%全球企業都想或正在佈局相關技術。國內像百度這樣的技術大廠,今年率先給出了從底層硬體到上層應用的一整套產業化解決方案。

百度量子計算研究所所長段潤堯就在大會現場分享了百度是如何思考量子計算的。

我們身處的這個時代其實已經到了第二次量子革命,這幾年應該是量子真正開始和計算相結合的關鍵幾年,

為什麼說量子計算出現是必不可少的

第一,晶片尺寸小到一定程度就到了量子尺度。要想摩爾定律延續下去,就需要考慮新的計算模式。而且量子計算本身,能耗也非常低。

第二,資料量很大。想模擬一個量子系統,哪怕非常小但所需儲存量也很巨大,比如300個量子位元,就超過整個宇宙可見原子數目。

第三,全新計算正規化,在解決特定問題上有指數級優勢。

第四,資訊保安,可以攻破RSA系統。

也正因為這些可能性,量子科技一直受到行業關注。有相關機構預計,到了2031年將有8000億元市場規模直接與量子計算相關。

那麼量子計算可以應用在那些方面呢?典型的有,

藥物研發、金融科技、材料模擬、資訊保安

等領域。

除此之外,量子計算與的人工智慧還是一個相互糾纏的關係,從上層應用、框架到底層硬體都可以產生相互聯絡。另一方面,量子計算也受益於AI,尤其是深度學習。2020年百度就曾搭建了一個量子機器學習平臺。

即便有這麼多機會,那實際真正走入生活還需要多遠?段潤堯團隊正在做的,就是量子計算的產業化道路。

那就需要解決這幾個方面的問題,硬體的穩定性、好的軟體平臺,以及自動化的晶片設計方案。

百度提出了QIAN戰略。Q就是量子演算法、量子AI及量子架構。I就是軟體和硬體的基礎設施。除此之外,還要真正識別出一些具有重大應用價值的場景,A就是實際的一些重要的應用。最後當然還有網路,N指量子網際網路,除此之外我們也需要建立生態網路。

演講的最後,

段潤堯

做了一下展望:

實際上我二十多年來一直在思考一個問題,如何真正能夠造出一臺量子計算機,我的結論其實很簡單,就是聰明的腦袋,再加上有足夠的資源和現有的最好的技術,匹配起來就可以做出量子計算機。

從這個意義上講,全球可以有很多不同的組合都可以做出這樣的機器,這個過程是可以等價的。

微軟劉鐵巖:AI for Science:追求人類智慧最光輝一面

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

同樣正在探尋AI for Science價值的,還有微軟亞洲研究院副院長,微軟研究院科學智慧中心亞洲區負責人

劉鐵巖

最近十年,人工智慧在很多工已經可以和人類媲美,效果驚豔。但這些結果主要集中在感知和認知層面,並沒有反映出人類智慧裡最光輝的一面——認識世界和改造世界。

微軟前同事

Jim Gray

曾對科學發現的四個正規化做了總結,分別是經驗正規化、理論正規化、計算正規化和資料驅動。最近幾年大家尤其關注的一種新正規化,叫做

AI for Science

。它是前四種正規化的有機結合,發揮了理論和經驗各自的特長,又把人工智慧和計算科學融合在一起。劉鐵巖認為,它值得叫做

第五正規化

接著他就AI for Science分為三個方面進行深入介紹。

第一,

如何用AI求解物理方程?

我們可以不再用數值解法來求解物理方程,而是透過AI得到更高效解。並且只要有足夠算力就可以無限生成完美的訓練資料。此外,近年來還出現了一種physics informed training,甚至不需要提前生成訓練資料,只需要在訓練的過程中,動態驗證AI模型的輸出是否滿足物理方程,定義損失函式即可,而驗證方程比求解方程簡單得多。劉鐵巖介紹了他們團隊在這個方向上的一些最新研究成果,如Graphormer,Deep Vortex Net,並展示了它們在分子模擬、流體模擬等領域取得的突出成果。

第二,

如何用AI從科學資料中發掘有效資訊?

各種實驗裝置每年都產生海量資料,但顯然不能靠人工有效處理;還有每年都有近150萬篇論文發表,但任何科學家都沒有精力讀完。劉鐵巖的團隊利用AI方法來自動分析高能粒子對撞的射流資料,提出了LorentzNet模型,將洛倫茲等變性構建在模型之中,在新粒子發現領域取得了比前人顯著提高的精度;他們還利用科學文獻訓練了SPT模型,對科學文獻資訊的科學知識進行抽取、總結、和預測。

第三,

如何從實驗資料出發,用AI發現新的物理方程,形成科學發現的閉環

比如物理的守恆定律,一旦實驗資料不滿足守恆性,往往暗示著一些新物理規律的存在。劉鐵巖的團隊設計了一個雙通道的AI模型,可精準地從實驗資料中自發地學到很多已有規律。

最後,他對AI for Science未來的發展表達了希冀。

我們相信AI for Science將會對自然科學產生巨大影響,尤其在解釋生命奧秘、以及保障環境可持續發展方面,都有很大的潛力,沿著這兩個方面我們進行了很多探索。也希望大家加入我們,一起推動科學發現的新邊界!

新路徑、新方案、新價值

阿里賈揚清:工程化和開源是AI普惠最重要的兩大支撐

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

AIGC爆發成為當下AI繞不過去的話題。如果溯源,是從1999年的紋理生成,再到2015年前後的神經風格遷移,再到現在更強語義的AI創作。這些創新背後的推動機制,總結來說就是AI普惠的兩大支撐:AI工程化和開源。

這也就是阿里巴巴集團副總裁、阿里雲計算平臺事業部負責人賈揚清分享的主題。

工程化,讓開發、迭代到應用的路徑變得更加簡單;開源可以讓工作開展更加迅速,實現市場共贏。在這個基礎之上,AI的產業落地有以下明顯趨勢:

第一,雲原生的AI工程化平臺;

第二,大規模端到端的異構計算體系;

第三,透過演算法的系統組合實現更加智慧的、貼近使用者需求的產品;

最後,透過演算法的開源助力AI在產業垂直化落地。

這四個趨勢,無論從供給角度還是需求角度,都是推動AI進一步往前走的方向。接著賈揚清從這四個角度介紹了他們正在做的事情。

其中,在端到端的異構計算與最佳化上,阿里開源的分散式訓練框架EPL和推理最佳化工具PAI-Blade,能讓演算法工程師在訓練和推理環節大幅提升效率;此外,透過軟硬體協同最佳化,他們也研發了更貼合AI需求的計算設施。

在這個領域比較有意思的點,是AI計算與傳統科學計算之間有很強的共性。

AI for Science

這個趨勢很明顯,分子學、物理、化學等領域需要處理海量科學資料,而AI和資料系統所積累下來的異構計算的模式和環境,正好符合這個需求。

“今天,非常多的專家、企業、開發者們在建設著上層的AI演算法;而在AI底層,如何讓工具變得更加易用、更加普惠,這正是我們在做的事情。”

自動駕駛:路上見真章

作為業內最具影響力和號召力的第三方,MEET2023智慧未來大會同樣設定了一場自動駕駛論壇——

路上見真章

從第一年圍繞Demo談技術進展,第二年談如何互動,到去年談到如何商用,順應時代之發展,今年就開始談到上路On the Road的問題。本次邀請到的兩位代表性嘉賓分別是:

禾多科技創始人、CEO,國內自動駕駛最早的先行者

倪凱

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

小馬智行副總裁、北京研發中心負責人,清華姚班校友

張寧

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

在量子位總編輯李根的主持下,主要圍繞三大話題展開:

過去成果進展、核心驅動力以及行業趨勢。

“上路”進展

首先是今年一年,對於禾多和小馬智行都是關鍵的時間點。

倪凱表示,今年是自動駕駛飛速發展的一年,就禾多來說,跟廣汽的合作算是開結果,跟傳祺的影酷和埃安的AION LX,不管是高階的泊車還是高階的行車都有落地。這樣的上路執行,開啟禾多未來服務更多使用者、產品落地的先機。

而張寧總結道,三大業務板塊包括Robotaxi、Robotruck、面向輔助駕駛的乘用車業務,都取得了了關鍵性進展。比如Robotaxi實現了前排無人,Robotruck獲得了整個智慧卡車領域最大的單量。

那麼跟行業預期相比,今天站在這個時間節點為什麼出現2022年?倪凱和張寧都認為,今年整個上下游產業鏈正在肉眼可見的蓬勃發展,這是一個非常好的趨勢。

核心驅動力

既然如此這背後的核心驅動力又是什麼呢?

張寧表示,技術依舊是所有發展的核心驅動力。到了今天有兩個趨勢越來越明晰,一條路徑往深水區深耕;另一條是整個技術的普惠和規模化。

倪凱則更關注兩個驅動力,一個整個社會或行業,對自動駕駛未來的預期,包括經濟效益、社會效益,這樣才會有更多創業者、資本參與進來。

第二大驅動力是為消費者創造價值。尤其是跟四五年前相比,輔助駕駛普及率越來越高,這種商業化落地,是真正地驅動人們,越來越篤定地走在這條道路上。

行業趨勢

而對於目前整個行業而言,明星公司說倒就倒,市場都在說自動駕駛寒冬,兩位是如何看待行業的趨勢變化的?

張寧則表示,這跟整個資本大環境相關。做無人駕駛是需要戰略定力的一件事,像跑馬拉松,需要耕耘最終才能取得收穫。對Argo而言,其實這是一個個例,只是剛巧在節骨眼上放大化了。很多時候一點點變化,背後其實是革命性、階段性的躍遷。我們很看好2023年自動駕駛技術可以在國內進一步落地應用。更多耕耘在L4領域的玩家,真正以無人駕駛形態向大眾提供服務。

在倪凱看來,目前有

兩個比較大的時間點

。第一件事,高階自動駕駛大規模落將在2025年形成相對成熟期,後面就是一個比較線性或者比較快速的增長狀態。第二件事本質上是跑通商業模式,這可能是一個更長要去探索的事情,需要整個行業來共同把它從黎明前的黑暗推向最後真正光明的艱難過程。

最後,還有一個互動打分的環節:如果將自動駕駛的終點定為滿分,那麼現在距離100分還有多遠?

張寧認為,對小馬智行來說,已經到

99.99

後面的小數點了,可能我們也就只差臨門一腳了,但要耐得住寂寞、能夠有這種定力是很難的一件事情。

而倪凱則表示,他們現在是在往

90分、100分

走的過程中,接下來的三年非常關鍵,可能是真正打磨產品,讓產品體驗上升一個臺階,最終贏得市場的一個關鍵時間。

中關村科金張傑:對話式AI走到L0-L5的哪個階段?

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

在數智化轉型的大趨勢中,中關村科金以AI+數字化營銷·運營·服務為引擎,為500餘家金融、零售、教育、醫療、智慧製造等行業頭部企業提供了數字化解決方案。

中關村科金技術副總裁張傑,在會上分享了關於對話式AI在企業服務中的一些觀點和經驗。

在過去60年時間裡,對話式AI經歷了三個大的技術發展階段:基於規則匹配的時代、“虛擬個人助理”應用的時代,基於大規模預訓練語言模型的時代。

發展到現在的階段,張傑認為目前對話式AI幾個趨勢值得關注:

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

細分賽道,過去十幾年間對話式AI主要的應用場景還是在toC,如智慧音響、智慧家電、個人手機助理等市場滲透率較高,依照《AI對話系統分級定義》已經能夠達到L3的等級。相比之下,企業服務方面市場滲透率比較低、開發潛力大,同時技術成熟度相對落後,只能夠完成單一場景下的對話,在L1-L2之間。

對話形式,在腦機介面真正商用落地之前,對話仍然是最主要的一種溝通手段,除了基礎的文字和語音互動外,多模態、數字人的互動方式會越來越多,比如遠端銀行、數字營業廳等。

從技術維度上來看,對話式AI不僅是對話的技術,將來還會是多種前沿科技的一個集大成者,融合感知智慧、認知智慧和決策智慧。

聚焦在企業服務賽道上,張傑認為對話式AI潛在市場空間巨大,應用場景豐富,但現階段面臨著幾項技術挑戰,例如

場景遷移問題、可解釋性,快速運維

等。”

如何解決這些難題呢?中關村科金在過去8年間,服務了10多個行業、500餘家客戶的對話場景,總結出了一套雙引擎對話系統的技術實踐。領域知識中臺和對話分析系統作為對話決策系統的雙引擎,一方面,

領域知識

能夠提升系統的可解釋性和可運維性;另一方面,

會話分析

能夠挖掘出話語背後的常見目的、和常見的行為模式。

而對於未來發展方向,張傑表示:“對話式AI在企業服務賽道上存在巨大的市場空間和技術提升空間,為此中關村科金提出了領域知識和會話分析雙驅動的對話系統。希望透過對話式AI為企業打造金牌銷售,幫助企業帶來創新增長和使用者體驗的提升。“

AI for Science圓桌論壇:AI三要素之外,還有哪些挑戰?

AI for Science在這一年備受矚目且進展不斷,除了AlphaFold所在的生物醫藥領域,還在材料、物理甚至數學上發揮出越來越重要的作用。

下午的圓桌論壇話題就聚焦於此,參與討論的嘉賓有:

深勢科技 CTO胡成文,負責組建業務研發、平臺研發兩大團隊。深勢科技致力於運用人工智慧和分子模擬演算法,結合先進計算手段求解重要科學問題。

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

百圖生科BioMap副總裁、產業基金董事總經理瞿佳潤。百圖生科是中國首家由生物計算引擎驅動的創新藥物研發平臺。

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

英矽智慧聯合執行長兼首席科學官任峰。由他帶領的藥物研發團隊,是業內首批利用AlphaFold展開藥物研發實踐的團隊之一。

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

討論的第一個話題,

面對AI for Science在今年的迅速火熱,會覺得有一些意外嗎?

三位嘉賓一致認為,這其實是

可預測、可預見

的。

胡成文重點介紹了AI for Science這個概念的起源和發展情況:

2018年最早由由深勢科技首席科學顧問、中科院院士鄂維南提出

2019年各大高校開始成立這個方的實驗室。

2021年之後迅速被英偉達、DeepMind等國際機構公開採用。

2022年微軟在全球成立了重磅機構AI for Science研究院,國內外產業界也紛紛跟進。

胡成文希望有更多同仁加入進來,一起推動AI for Science從概念到落地、從學界走向工業界,真正解決行業面臨的實際問題。

AI4S備受矚目是其重要性和發展的必然結果,AI4S能夠在很多人類文明的基礎且關鍵問題的研究上給予我們高質高效的支撐,當現有的途徑或者工具無法滿足時,新的,更好的途徑和工具就會出現,且被迅速應用起來。

瞿佳潤的理解是,AI for Science對應著AI for Industry,也就是說AI在工業界的應用開展更早。科研上希望利用AI去提高效率的痛點長期存在,所以一旦當技術條件成熟,AI for Science的快速鋪開還是可以預見的。

任峰則提出AI for Science還分為狹義和廣義。廣義的AI for Science不光是解決底層的問題,也解決實際應用上的問題,它的爆發完全在意料之中。

下一個話題,

AI for Science對於目前的科研和應用帶來了怎樣的變革?

胡成文從計算層面給出回答。在複雜問題上往往資料線性增長,而需要的計算量指數級增長。AI可以在在保持科學原理精度的情況下降低它的計算複雜度,解決傳統的科學正規化解決不了的問題。

瞿佳潤具體舉了生物製藥的例子,有了AI for Science工具之後,流程從3、4個月縮短到一個月,顯著提升效率問題。另外在靶點研究上,AI還能把問題系統化,最終體現在成功率的提升。

任峰認為傳統的藥物研發都是靠人來想象的,有了AI加持可以探索更多的化學空間和生物學空間,帶來更大的創新性。

第三個話題,

還有哪些領域可能複製AlphaFold今天在生物醫藥領域所帶來的改變?

瞿佳潤提到了生物領域還有基因組學上的預測,包括一個細胞怎麼表徵免疫啟用狀態,再進一步到藥物響應問題。

胡成文認為,很多問題本質上都是底層原子、分子的性質/結構/相互作用力決定了上層宏觀的性質,因此AI for Science在很多基礎科學的研究方面都有廣泛的發展空間。近年來,人工智慧和傳統科研結合呈現的巨大潛能使得人工智慧在科學中的應用出現了眾多重要主題。與此同時,AI4S(AI for Science,AI用於科學發現)在工業產業實踐中的應用潛力已被頭部廠商充分認可和重視。生物科技、能源、半導體、材料等領域的行業先鋒已經開始系統性投入AI4S的研究和具體行業解決方案的大規模應用。在工業模擬、合成農業、環境科學、機器人、天體物理、地質學、圖形學等領域,AI4S也有巨大的想象空間有待開發。未來,AI4S帶來的將不僅僅是幾個點上的突破,而是科研方法的全面改變。從生命的基本組成(蛋白質)到世界工業的基本要素(材料)到各個科學技術領域,AI4S 不只是解決具體問題的有力工具,更是重新定義科學問題的系統性思路,我們深勢科技正在引領實踐這一思路。

最後一個話題,

AI for Science目前面臨的最大挑戰是什麼,還是演算法、算力、資料這三要素麼?

任峰認為最大的挑戰是如何管理預期。預期太高的話,任何一個失誤都會造成社會對整個行業失去一定信心。目前就算有AI的加持,只是提高了效率和一些成功率,但並不能做到100%的成功。

瞿佳潤認為生物學問題上最重要的還是資料,比如體外的資料很難對映到體內環境,並且目前公開資料的質量還是非常差的。另外無論是AI還是傳統生物學手段做科研,還需要一個好的研究體系去配合。

胡成文認為傳統的三大要素肯定還是重要的,新出現的挑戰還有人才問題,尤其是跨學科複合型人才比較緊缺。以及生態共建問題,相比於傳統AI在商業形成了完整的生態鏈,AI for Science在這方面剛開始起步。

騰訊劉偉:只靠資料驅動的AI缺乏可解釋性,要與領域知識相結合

ChatGPT:我圍觀了量子位MEET2023智慧未來大會,還當了回課代表

最後登場的,騰訊醫療健康AIDD技術負責人劉偉,他從騰訊製藥AI演算法實踐的角度來探討AI for Science的價值。

主要做了三個部分的介紹:

騰訊雲深平臺、平臺案例分享,以及騰訊雲深AI平臺的技術優勢總結。

首先,目前騰訊雲深AI藥物發現平臺主要包括兩大功能模組,第一個功能模組就是小分子藥物發現,第二塊是大分子藥物發現,主要指抗體藥物發現。

其中,小分子藥物發現還包括蛋白質結構預測、分子生成等模組,大分子裡面包括抗體結構預測、抗體抗原的對接以及抗體的人源化改造等模組組成。

接著,劉偉分享了他們幾年來製藥AI實踐中的典型案例。包括國內做得最早的蛋白質結構預測tFold、結合物理學特徵和本地資料訓練的ADMET基礎模型以及骨架躍遷分子生成演算法等。

基於這些實踐的積累,劉偉團隊搭建了屬於自己的優勢壁壘。核心有四個方面。

第一塊,就是

AI演算法方面

。藥物AI研發這塊的最主流就是圖神經網路,在做藥物之前,騰訊在深度圖神經網路就有深厚的研發積累,包括現在的大規模隨機取樣、自監督學習和層次圖深度學習等領域。

第二塊和第三塊,就是

大算力、大資料的能力

。比如在一個龐大的化學空間發現藥物分子是不容易的,這就要求AI模型能夠理解這麼大的空間,也就需要分子、蛋白質、核酸等領域的大模型,以及訓練大模型的算力和基礎架構。

最後一塊,

AI與物理、化學領域知識方面的結合

。這是基於之前的演算法算力上面的能力新生長出來的獨特優勢,騰訊雲深在AI與量子化學的結合方向上研發了獨特的DeepQC框架,可以在大的體系上,花費較少的算力達到高的精度。實際上,只靠資料驅動的AI缺乏可解釋性,如果能將AI演算法跟物理、化學領域知識結合起來,這樣訓練出來的模型過擬合風險較低,在實際應用中也有非常好的可解釋性。

以終為始,生生不息

即將過去的這一年,是時代級機遇與挑戰交織的一年。

一方面我們深刻的感知到,隨著硬科技創新、產學研轉化、全新冪集創新週期的到來,一場關於數字化、智慧化的機器革命,正在加速落地。

但另一方面,全球風雲波雲詭譎,技術創新也來到深水區,內外交織的挑戰比以往來得更加嚴峻。

於是關乎本源、關於終局的思考求解,要比以往更加迫切:

科技發展的起伏週期,如何穿越?

是終極場景倒推技術創新,所誕生的新場景、新物種、新應用?還是順勢而為下的新計算、新方案、新價值?亦或是以一敵百,堅定的技術創新信念者?

以終為始,生生不息。

這場大會上,十餘位行業領域用他們過去的積澱積累,做出對未來的解答。而這些也只不過眾多智慧技術變革的前行路徑的一撮。

為了給更多同行者落地參考,「2022人工智慧年度評選」結果也已揭曉,50大領航企業、20大最具價值創業公司、30大領軍人物、10大最佳產品,以及10大最佳解決方案等人工智慧領域年度獎項悉數頒出。

同時,也為了讓更多關心前沿科技的讀者瞭解更多前沿趨勢,本次大會還發布了

2022年度前沿科技報告書

,由量子位智庫出品,後續將上線詳細解讀稿,敬請期待。

— 完 —

量子位 QbitAI · 頭條號簽約

頂部