院士谈智能、模型VS数据AI、数字化转型，这场AI盛会技术干货来了

2022年，院士们如何看待人工智能的未来发展？未来人工智能是模型驱动还是数据驱动？人工智能开发的问题是什么？

2月26日，在以构建融合开放新生态为主题的WAIC2022上海人工智能开发者大会主论坛上，学术界院士、行业技术专家对这些问题进行了深入探讨。

中国工程院院士、中国人工智能协会主席蒋昌俊院士、南方科技大学副校长、讲座教授张东晓发表了主题演讲。

在圆桌论坛上，来自学术界的许多代表就数字化转型、人工智能开发问题等开发者关注的热点话题进行了深入讨论。

物质信息和智能是我们发展过程中非常重要的标志。在这次主题演讲中，中国工程院院士、中国人工智能协会主席蒋昌俊首先回顾了16世纪以来人类在这三个方面的探索和主要成就，然后在此基础上谈到了他对智能的思考。

蒋昌俊提到，目前人们对智能的认知仅限于连续结构和离散结构，其他结构形式需要探索；深度学习算法在理论上没有根本性的变化，或基于神经层次结构，无非是处理层次越来越广；直到今天，智能世界还没有在理论上形成公认的理论基础。

除了可计算的思维，人们还有难以形容的思维，如顿悟、灵感等。他认为，在这一轮智能发展中，不可预测性和不确定性是人工智能的基本问题。

南方科技大学副校长、讲座教授张东晓分享了理论指导下的人工智能话题。

模型驱动和数据驱动在模型.映射关系等方面各不相同。在解决实际问题时，是选择模型驱动还是数据驱动？

张东晓认为，在足够的情况下，数据可以以任何精度拟合任何函数，数据驱动可以实现良好的预测能力。

然而，仅仅依靠数据是不够的。以深度学习神经网络为例，其学习模式结构可以结合物理规律、工程控制、增加经验等信息进行培训，以提高可解释性和更好的稳定性核心是嵌入深度学习框架中的知识。

张东晓说，如何从数据中挖掘模型。获取知识是人工智能的最高境界。在行业+人工智能的探索中，数据驱动与模型驱动的有机结合有助于解决实际行业问题。

在讨论数字化转型的圆桌论坛上，上海科技大学副教务长、信息科学与技术学院副院长虞晶怡、宾通智能首席执行官龚超慧、燧原科技人工智能计算专家。产品营销部总经理高平分别表达了他对元宇宙的看法。

元宇宙首先应该有身临其境的体验。由于人工智能和其他技术的发展，我认为目前有了新的机遇。我们必须为此建立一个数据驱动引擎。虞晶怡说。除了娱乐领域，元宇宙还有许多应用方向，如智能城市的三维模型重建。最近，谷歌和Waymo利用神经网络重建了旧金山的许多街区。它们的方法与传统技术完全不同，可以快速渲染，将大城市压缩到小数据集中，但不能编辑。在智慧城市中，元宇宙有很大的前景。

从现有的技术手段来看，元宇宙的概念是使用一些图像。视觉技术描述认知中的物理宇宙希望通过其他技术手段重新呈现。龚超慧说：在未来，新的技术手段很可能会在虚拟和物理世界之间形成闭环和互动，我们可能会在世界上创造新的互动形式，然后带来新的商业模式和应用场景。

我认为元宇宙是元宇宙是数字经济的一种新形式，需要强大的计算能力支持。元宇宙的内容制作远远超出了我们现在所理解的。基于视频和其他媒体的互联网内容，未来我们需要大量的计算能力来支持虚拟环境渲染，计算能力的需求需要人工智能数据来支持，。对于2B企业来说，可能会有很多基于元宇宙2B底座的企业，这是开发者建立的业务。人们将发挥自己的才能，使元宇宙产业生态繁荣昌盛。

开发人员是一个身份。一些开发人员在大学里从事算法研究，一些开发人员在企业里从事人工智能应用程序的开发，一些开发人员在跨境工作。开发人员的职业生涯是多样化的。在这次圆桌对话中，几位嘉宾讨论了2022年人工智能开发的难点。

首先，与几年前相比，人工智能算法的研发变得更加简单或困难。几位嘉宾阐述了自己的观点。

上海交通大学约翰·霍普克罗夫特计算机科学中心长聘教学轨道助理教授温颖博士生导师从生态发展的角度阐述了人工智能算法研发难度的变化。他说：2015年的深度学习已经出现，但当时没有完善的研究工具。Tensorflow于2015年底首次发布，生态系统在2016年和2017年逐渐成熟。如今，大型模型的驱动和新算法使模型的门槛更高，需要高计算能力。

东方理工学院助理教授陈云天表示，人工智能算法的研发变得更加简单。一方面，由于更多的框架，另一方面，当前良好的开源氛围使计算机与其他学科的交叉领域取得了更大的进展。

上海人工智能实验室通用视觉组计算机视觉研究员何逸南还表示，与几年前相比，人工智能开发更容易开始，更多的开发人员在社区中贡献开源代码，以及许多大型工厂开源的工具和平台。开发人员现在要做的是提高他们的知识能力，解决更高层次的问题。

那么，打好基础后，现阶段面临的更高层次的挑战是什么呢？

何逸楠指出，目前面临的第一个挑战是数据问题，训练模型需要收集大量数据，其次是提高训练效率。

陈云天还表示，机器学习是小数据的挑战，可解释性和知识嵌入性也是需要解决的问题。

温颖提到，虽然强化学习在游戏方面取得了很大的进展，但在实际应用场景中并没有充分体现其作用。我想尝试在强化学习中使用大型模型。