以下文章來源于母基金研究中心 ，作者戴瓊海

圖為清華大學(xué)信息科學(xué)技術(shù)學(xué)院院長(zhǎng)、中國(guó)工程院院士 戴瓊海

清華大學(xué)信息科學(xué)技術(shù)學(xué)院院長(zhǎng)、中國(guó)工程院院士戴瓊海認(rèn)為，通用人工智能技術(shù)面臨廣闊的發(fā)展前景。目前，AI大模型雖然備受矚目，但存在過度依賴大數(shù)據(jù)、不可解釋和安全性較差的問題。而搭建出低功耗、小模型、可解釋的腦模型，是下一步實(shí)現(xiàn)整體人工智能通用的前提和關(guān)鍵。

(資料圖片僅供參考)

如今，AI大模型備受矚目。大家一定要明白大模型的核心是什么，其關(guān)鍵是依賴于大規(guī)模數(shù)據(jù)和強(qiáng)大的算力。首先，大規(guī)模數(shù)據(jù)是模型運(yùn)行的基礎(chǔ)，沒有足夠的數(shù)據(jù)，模型將無法進(jìn)行有效的訓(xùn)練和交互。語言數(shù)據(jù)和圖像數(shù)據(jù)是目前數(shù)據(jù)交互的主要類型。同時(shí)，在應(yīng)用大模型時(shí)，我們必須考慮數(shù)據(jù)的充足性，因?yàn)橹挥性谀骋惶囟▓?chǎng)景下?lián)碛凶銐虻臄?shù)據(jù)，才能實(shí)現(xiàn)廣泛的應(yīng)用。

然而，大模型也存在一些問題。首先，由于大模型是基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建的，其可解釋性較差，我們難以理解模型是如何做出決策的，這也影響了安全性。另外，大模型對(duì)數(shù)據(jù)的依賴性很高，沒有充足的數(shù)據(jù)支持，模型將無法運(yùn)行。此外，它對(duì)于環(huán)境的變化邏輯處理能力較弱，當(dāng)環(huán)境發(fā)生變化時(shí)，模型的構(gòu)建可能不足，導(dǎo)致容易出現(xiàn)錯(cuò)誤。決策問題也是大模型的短板，它可以提供建議，但無法進(jìn)行實(shí)際決策。

目前，通用人工智能的發(fā)展有幾條路徑。一是不斷挖掘深度大模型的潛力，解決其不可解釋性和數(shù)據(jù)依賴性的問題，以實(shí)現(xiàn)通用人工智能。另一條路徑是借鑒生物智能，通過精準(zhǔn)的方法，無需大量算力，構(gòu)建模型訓(xùn)練，例如美國(guó)的阿波羅項(xiàng)目就想做生物智能。大模型性能的快速發(fā)展將帶來某些應(yīng)用領(lǐng)域的變革， 但通用人工智能的關(guān)鍵仍在于認(rèn)知智能 。

大模型能解決什么問題？已知場(chǎng)景和規(guī)則的問題，大模型可以解決；但已知場(chǎng)景未知規(guī)則的、已知規(guī)則未知場(chǎng)景的、規(guī)則和場(chǎng)景都未知的，大模型則無法處理。事實(shí)上，只有人腦智能能夠在復(fù)雜的、未知的情境下進(jìn)行判斷和決策，其適應(yīng)性和創(chuàng)造性是當(dāng)前大模型所無法比擬的。這也是我們需要深入研究的一個(gè)重要方向。

關(guān)于人工智能接下來的發(fā)展，我們需要關(guān)注應(yīng)用方面。如何通過算力與功耗的瓶頸突破，如何應(yīng)對(duì)倫理與法律挑戰(zhàn)，如何對(duì)待發(fā)展與公平的問題，這都是需要解決的問題。同時(shí)，我們需要探索如何使我國(guó)的大模型發(fā)展在國(guó)際上保持領(lǐng)先地位。這需要從應(yīng)用場(chǎng)景上考慮：已知規(guī)則和場(chǎng)景、已知規(guī)則和未知場(chǎng)景這些是可以用大模型做的，但其他的要考慮腦模型。實(shí)現(xiàn)腦模型需要感知與計(jì)算等方面的顛覆技術(shù)，主要包括以下三項(xiàng)。

第一種顛覆性技術(shù)是波動(dòng)光場(chǎng)視覺雷達(dá) 。 我們是否可以通過波動(dòng)光場(chǎng)形式來改善對(duì)所謂場(chǎng)景的感知？在過去，某些地方的可視性有限，但通過自適應(yīng)技術(shù)，我們現(xiàn)在可以在一些區(qū)域獲得更清晰的信息。這種場(chǎng)景定位技術(shù)在無人駕駛、機(jī)器人等領(lǐng)域具有廣泛的應(yīng)用潛力。

第二，人工智能光場(chǎng)元顯示原理的發(fā)展也值得關(guān)注 。 我們都知道，現(xiàn)在的AR眼鏡在大場(chǎng)景使用時(shí)可能引起眩暈，不過在這方面相關(guān)技術(shù)已經(jīng)有了突破，我們能夠?qū)崿F(xiàn)從靜態(tài)顯示到動(dòng)態(tài)顯示、光遷移顯示甚至多視點(diǎn)顯示的轉(zhuǎn)變，從而解決AR/VR領(lǐng)域的問題，也能夠?qū)崿F(xiàn)更清晰的裸眼顯示。這些技術(shù)在端側(cè)顯示、混合現(xiàn)實(shí)和大屏幕展示方面引發(fā)了立體的革命性變化，因此也是值得密切關(guān)注的顛覆性技術(shù)。

第三種顛覆性技術(shù)，正如前面所提到的，涉及到腦智能 。 大家知道，人腦可以在不到30瓦的功耗下做出決策和判斷，進(jìn)行感知。腦智能低功耗，小模型，可解釋。相比之下，大數(shù)據(jù)、大算力和大模型不可解釋。因此，為進(jìn)一步實(shí)現(xiàn)工業(yè)制造、醫(yī)療健康、智能輔助駕駛等領(lǐng)域的技術(shù)突破，我們需要進(jìn)一步研究小型、低功耗、可解釋的腦模型，這將為整體人工智能通用提供重要支持。算法和通用的前提應(yīng)該在腦模型與腦智能這一領(lǐng)域，不管美國(guó)還是中國(guó)，都有團(tuán)隊(duì)在做相關(guān)的基礎(chǔ)研究，希望大家能夠更多關(guān)注這方面的發(fā)展。

有這樣三個(gè)關(guān)鍵性顛覆性技術(shù)出現(xiàn)， 大家可以看到人工智能未來場(chǎng)景就是從真實(shí)的腦到虛擬的腦構(gòu)建，這是現(xiàn)在目前正在研究的最重要的方向 。

我們清華大學(xué)的成像與智能實(shí)驗(yàn)室，目前已經(jīng)形成了“兩芯一器”的研發(fā)成果：“一器”是顯微儀器RUSH，“兩芯”的第一芯，指的是人工智能光電芯片；第二芯，指的是光場(chǎng)智能成像芯片。“為中國(guó)成為世界科學(xué)中心和創(chuàng)新高地作出自己的貢獻(xiàn)”，而打造科學(xué)中心和創(chuàng)新高地的過程，顯然離不開資本界朋友的參與。

標(biāo)簽：