币圈头条-获取币圈情报,读懂区块链产业!

对话华为云天启:超宇宙的关键是物理世界和数字世界的融合

“给定纬度、经度和风速,我们现在可以实时预测海浪的高度。传统的科学计算大约需要两天时间,但借助人工智能做一次预测可能不到0.1秒,求解效率提升1万倍甚至更高。提到了人工智能的实际应用。华为云人工智能首席科学家、国际欧亚科学院院士田琦告诉中新经纬。

20世纪50年代,人工智能还只是一个想象中的概念,但随着技术的更新迭代,人工智能正在重构人类社会和物理世界。一个普通人如何感知人工智能的发展?未来将何去何从?当与人工智能息息相关的元宇宙突然崛起,会带来哪些「奇迹」?

对此,中新经纬近日采访了“AI大牛”田琦。采访中,他描述了更多AI赋能千万行业的场景:地震波预测、农业育种……他还分享了一个科研人员如何“睁大眼睛看月亮”。以下对话,略加编辑:

华为云人工智能领域首席科学家、国际欧亚科学院院士、乔春明田琦接受了中新经纬的专访。中新经纬薛摄

AI赋能千行百业

中新经纬:首先想请您用一种通俗的方式讲一讲什么是“云”?当前的技术发展已经到了哪一阶段?普通人最能直接感受到“云”魅力的地方在哪?

如果田奇:用一句话来说,云就是各种能够提供服务的基础设施,比如计算、存储、网络,这些基础设施能够以服务的形式赋能成千上万的企业。

现在云处于高速发展阶段,上云是企业数字化转型的必由之路。越来越多的设备会被连接起来,各种基础设施也会上云。很多商业决策的全过程将是全数字化、全云端,由人工智能驱动,一切都是服务的。

对于我们每个人来说,很多数字化、智能化的服务都是云服务。比如出门打车时的路径规划,每天使用的健康码,以及背后的云服务,让我们的生活更加舒适便捷。

中新经纬:您此前发布华为云盘古大模型时提到“让AI赋能千行百业”,请问这个赋能过程中存在哪些挑战?盘古大模型落地效果如何?下一个突破点会是什么?

田奇:人工智能进入各领域面临的最大挑战之一就是AI应用场景碎片化问题,即过去定制化的、作坊式的开发难以规模化复制,具有高成本高门槛特征;其次,行业知识与AI技术难以结合;第三,业界对常见AI模型的攻击、隐私和安全有一些担忧。

我们的解决方案是通过构建大规模的预训练模型,实现人工智能的产业化发展。2021年发布的华为云盘古模型就是一种尝试。盘古大模型包括NLP大模型、CV大模型、多模态大模型和科学计算大模型。可应用于工业缺陷检测、图像审计、内容审计、工业质量检测、知识地图、证券和银行业风险控制等。平均开发效率提升90%,性能提升5%-10%。

比如铁路机车接头处可能存在缺陷,造成安全隐患。以前是靠人工核对,现在可以用AI自动识别,大量使用未标记的铁路样本进行预训练,让模型在小样本的情况下获得更好的性能;同时,基于缺陷检测算法,构建未知故障预测流水线,为铁路故障检测设置了第二个层次。

说到未来,我认为人工智能的发展趋势主要在于三个方面:第一是从小模型到大模型;第二是从有监督学习到无监督学习,以此来减少人工标注造成的数据偏见;第三即AI和科学计算的融合,这是一个非常大的市场,可以应用于药物研发、农业育种、气象监测等等。

元宇宙正从“盘古开天辟地”到“女娲造人”

中新经纬:提到AI,元宇宙可以说是最火的话题之一。您认为当前元宇宙处在哪一发展阶段?未来最有前景的发展主线在哪几个方面?

田奇:元宇宙是物理世界和数字世界的融合,包括“物理世界的数字化”和“数字世界的实现”两个方面。元宇宙现在发展的状态,借用中国古代的神话故事是盘古开天辟地,我们具备初步的能力。接下来更重要的是女娲造人,这个人指的就是数字人。

数字人是元宇宙的重要元素。我们希望数字人不仅在外表上要货真价实,而且要有与人类相当或优于人类的智力。人的智力分为两个层次,第一是感知智力,第二是认知智力。

感知是指对信息的理解和生物本能。它们和大猩猩一样,能够视觉理解周围环境,有休息、觅食等自发的动作,能够理解语言中的简单指令,思维中有情感表达。数字人的感知智能,结合特殊的传感器,甚至可以实现超越人类智能的能力,比如我们常说的千里眼、

顺风耳。认知智能指人类有别于其他智慧生物的能力,信息的融合、创造、或推理等,体现为人可以理解和复杂的环境。相对来说,要达到认知智能,难度更高,要从多方面努力。

但正如之前提到的,发展较大规模的预训练模型是一个值得探索的方向。大模型是海量参数的神经网络,用海量的数据去驱动模型,训练模型以认知和理解世界。未来希望通过大模型的不断迭代,推进数字人的智能不断进化,使之成为元宇宙真正点睛之笔。

中新经纬:正如您提到AI技术还有无限探索空间,但新技术运用同时,科学伦理也为更多人关注。请问在您看来,我们如何把握好技术进步和技术伦理的边界?

田奇:人工智能有三个要素,即数据、模型(或叫算法)、算力,同时还加上在各行各业的应用。数据采集上,首先要避免数据偏见,保证数据的多样性,做到面面俱到;其次是保证数据的公平性和均衡性;最后,在给数据做标签时,也要避免主观偏见。

模型上,要保持模型的透明度,比如可视化,让外界知道模型的底层逻辑是怎样的。模型或算法存在“黑盒优化”,其可解释性仍是难点,希望未来在一些基础理论研究上有所突破。算力上,各个国家、各个地区的算力是不一样的,这种情况下如何保证均衡性及技术上的普惠性,就比较重要。发达地区可以帮助不发达地区,比如可以在中、英文的大模型基础上,通过模型迁移,加快小语种的训练,更好地提供小语种的对话、翻译能力。

应用方面,人工智能如今在数字人、无人驾驶、元宇宙等方面都有很强的应用场景,但实际上,以无人驾驶为例,并不是所有地区或国家都需要无人驾驶,可能经济发达地区更需要一些。对于经济欠发达地区,可能更关心一些民生方面的问题,制药、医疗等。因此,要保证每个地区都可以根据自身需要去应用人工智能的场景。

最后,人工智能一定要做到技术向善,提倡普惠AI,让技术普惠到更多的人,更多的地区。

把创新研究和商业变现结合的人才难找

中新经纬:华为“天才少年”“顶级薪酬”的话题常常引发关注,在您看来,中国的AI人才缺口如何?您也是从学界到企业界,您怎么看这两种土壤对人才的培育和影响?

田奇:不管是在学术界还是企业界,都有大量优秀的AI人才,学术界的人才更偏重于创新,企业界的人才更偏重应用,目标的不一致,导致他们之间存在区别。从人才方面讲,单方面优秀的人才很多,但具备跨域型及全能型的,能把创新研究与商业变现结合在一起的人才就比较难找。

也正因为如此,找到了这类人才,就需要把他们安排到具备高价值的场景中去。高价值意味着它需要有大的创新突破和技术变革,比如元宇宙、新能源、无人驾驶等,它们也都是具有巨大潜力的市场。华为云也希望,将高价值场景与创新型人才结合在一起,实现一些突破。

中新经纬:“工匠精神”“匠心精神”常常被提到,我想科技行业也需要这样的精神。从您自身的经验来看,您认为做一个优秀的前沿科技者,最重要的是什么?如何在喧嚣的外界中静下心来呈现“工匠精神”?

田奇:百米赛跑是有终点的,冲一冲可能就能取得不错的成绩,但人生的赛道是漫长的,甚至可以说是没有终点。

优秀的人才早一点经历挫折,可能会是好的,会让人有更多的思考。一些优秀的学生,之前的学业也是一帆风顺,但也因为过于顺利反而会产生无所不知、无所不能的想法。年轻的时候,你可能被别人称为“天才”,但过了这段时间,这种优势就会慢慢丧失。在这个时候,就需要让他们有更多的磨练。

而且,研究不是简单的螺旋式上升,而可能是大起大落,有可能这几年思维清晰,研究推进得很顺利,但再过几年,遇到了瓶颈,就不顺畅了。因此,做研究要有持之以恒、精益求精的心态。人要有长远目标、正确方向的牵引,没有方向与目标,就只会原地踏步。

至于压力,在一个优秀的团队内自然会有竞争、有压力,但自身能力也会快速提升,并且会终身受用。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。