人工智能到了“青霉素时刻”？一批顶尖科学家分享智能计算的现在和未来

2024年诺贝尔物理学奖和化学奖均花落AI领域，无疑是近日科学界最热新闻。

“人工智能的青霉素和X射线时刻。”日前，在由之江实验室和Science/AAAS联合举办的第四届智能计算创新会议上，中国工程院院士、之江实验室主任王坚引用了一篇媒体报道的标题来描述今年的诺奖。在这场汇聚了来自中国、美国、德国、日本等全球智能计算领域的科学家的会议上，大家不约而同地提到了诺奖，以及它带来的振奋。这次会议也因“特别”的诺奖擦出了不一样的火花。

中国工程院院士、之江实验室主任王坚

智能的本质是什么，AI如何推动科学发现，智能计算将走向怎样的未来？在为期两天的会议中，各细分领域的顶尖专家学者们聚焦计算主题分享研究进展，碰撞交流，智能计算的潜力被充分呈现。

之江实验室党委书记佟桂莉

“‘计算依靠智能，计算为了智能’既是本次会议的主题，也是实验室围绕智能计算布局科研工作的核心理念。我们热切地期盼与会者们共同丰富智能计算的技术内涵，携手推进智能计算的国际合作，合力促进智能计算的广泛应用，为推动人工智能更好服务全球发展、增进人类福祉，构建更加紧密的人类命运共同体贡献智慧和力量。”之江实验室党委书记佟桂莉在开幕致辞中说道。

关键词：数据&模型

中国工程院院士、之江实验室主任王坚带来了会议的第一场主旨报告。从1947年艾伦·图灵在公开演讲中首次提到人工智能，到AlphaGo、Transformer、ChatGPT的相继出现，王坚回顾了人工智能发展史上的里程碑事件，指出“人工智能有着很长的过去，却只有很短的历史”。“从2017年Transformer出现，人工智能的历史才真正开始，有了这个架构才能够把算力用起来。”

王坚表示，我们已经进入了“计算密集、数据驱动、基于模型”的第三范式，人工智能可以拓展人类的创新能力。数据很重要，然而计算不仅仅是帮助研究者“算”模型，更能帮助我们重新思考如何构建模型，在此基础上，我们还要特别关注“规模”这一重要因素，几个要素的叠加、融合是发展人工智能的关键。他以地学领域模型GeoGPT为例阐述了之江实验室对于第三范式的探索。王坚特别强调了开放科学的重要性，“科技问题绝非某一家单位能够单独干成的，需要开放资源，探索开源创新的合作机制，让不同主体共同合作，推动开放科学基础设施建设。”

关于数据，美国国家工程院院士、香港浸会大学&清华大学教授C. Mohan分享了他在数据库领域超过45年的研究和实践经验，介绍了与智能计算相关的数据管理领域最新研究进展，包括全球数据立法以及政策趋势、多模态集成数据库管理系统、AI与数据库的更深层次整合等内容。他指出，核心数据库系统工作仍处于活跃且蓬勃发展的阶段，学术界、工业界的各类机构都在从事相关工作，数据库管理系统的进步将高效且经济地支撑智能计算的发展。

斯坦福大学教授叶荫宇介绍了用于线性规划（Linear Programming）、半正定规划（Semidefinite Programming）以及大模型训练优化（LLM Training Optimization）的通用数值算法方面的最新研究进展，展现了这些算法在解决特定问题上的强大加速作用。伊利诺伊大学芝加哥分校教授俞士纶从图基础模型的视角出发，介绍了几何深度图学习。他提出，允许采用不同曲率的空间表示图上的多种结构是图基础模型的发展方向。

圆桌讨论

关键词：智能

什么是智能？香港大学教授马毅从生命和智能的进化讲起，阐述了过去十年机器智能的发展所取得的成就。随着数据和算力的发展，深度神经网络发展得越来越强大，也带来一个巨大的问题，现在基于深度神经网络的人工智能系统都是基于经验和试错设计出来的黑盒模型，黑盒无法解释、无法保障安全、难以优化改进、无法持续学习，甚至容易被人利用制造恐惧。马毅从“学什么”“怎么学”“学正确”三个层面阐述了如何将黑盒变成白盒。他强调，要理解智能，必须理解如何通过计算实现智能。智能系统要具备自我纠正和自我改进现有知识的机制，无论多大的系统，如果没有这样的机制，就不具备智能。

清华大学&北京大学教授、北京通用人工智能研究院院长朱松纯在报告中重点介绍了通用人工智能测试评级的标准与平台TongTest。他指出，传统的人工智能测试面临着任务复杂度不够、存在主观偏见、缺乏量化、缺少价值测试等问题。而TongTest参考人类婴幼儿发育的测试标准，研究总结出一种基于能力（U系统）和价值（V系统）的UV通用人工智能的评测方法，刻画了通用人工智能的3个基本特征，绘制了5个带有里程碑意义的通智测试等级（Level 1-5），为通用人工智能的科研及发展路径提供了重要参考。

关键词：AI for Science/Scientists

智能计算改变了什么？中国科学院院士、北京大学教授鄂维南从“AI for Science”革命的起源开始，回顾了迄今为止取得的一些主要进展。他指出，我们正在经历一场范式变革，人工智能将改变做研究的方式，为此，我们需要构建支持科学研究的人工智能基础设施。鄂维南介绍了基于第一原理的模型/算法、新的实验工具和准则以及新的文献/数据/知识平台，提出了一个新的科研模式——“安卓模式”，建立一个包含理论工具、知识库、AI驱动的实验设施、高度集成的计算系统的大科学平台，在此基础上开发针对特定问题的应用。

在地球系统科学领域，阐明大气圈、水圈、岩石圈和生物圈之间的复杂相互作用、理解极端事件的原因和精确预测、探索地球系统的长期演变，都是科学家们面临的巨大挑战。中国科学院院士、中国地质大学（北京）教授成秋明在报告中介绍了从板块构造理论到地球系统理论的发展，结合案例分享了奇异性理论等数据驱动地球科学研究的进展。他介绍了由国际地质科学联合会（IUGS）领导的“深时数字地球”大科学计划（DDE），以及GeoGPT利用AI技术推动地学科研范式变革的有关探索，指出大数据、大模型和强大计算能力的融合为地球系统科学的研究突破提供了新的机遇。

两天的时间，模型、系统、算法、应用……关于智能计算的一切在之江实验室被密集输出。阿里云首席技术官周靖人从企业实践出发，介绍了构建大语言模型的经验以及面临的挑战和机遇。清华大学教授李升波分享了基于强化学习的自动驾驶系统的最新研究成果。京都大学教授、日本ART计算神经科学实验室脑机接口系负责人Jun Morimoto分享了用于人形机器人运动学习的层级学习框架。清华大学教授李菂回顾了近年来天文学研究所取得的重大成果，并介绍了由智能计算驱动的相场望远镜。科隆大学教授、德国天文协会主席Stefanie Walch-Gassner展示了如何高分辨率地研究分子云形成的过程。中国科学院国家天文台研究员、LAMOST望远镜运行和发展中心主任罗阿理介绍了将多波段巡天数据与多模态人工智能相结合的探索。香港大学教授陈冠华介绍了解决密度泛函理论（DFT）中交换-相关（XC）泛函未知且需近似问题的两种方法。围绕智能计算的过去、现在和未来，C.Mohan、成秋明、StefanieWalch-Gassner以及浙江大学教授王灿展开了热烈的圆桌讨论。

两天的会议为智能计算领域的科研工作者搭建了交流的平台，更给未来深入合作提供了可能。之江实验室相关负责人表示，将坚持“共商共建共享共发展”理念，积极践行“开放科学”行动，与全球同仁一道，深化智能计算领域的国际合作与交流，携手打造智能计算创新生态。

（本文图片由之江实验室提供）