 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 3 | 1/1 | 返回列表 |
| 查看: 2715 | 回復: 2 | |||
yexuqing木蟲之王 (文學泰斗)
太陽系系主任
|
[交流]
人工智能何以成為今年諾獎“大贏家”
|
|
2024年諾貝爾三大科學獎項中，兩大獎項與人工智能研究相關，先是物理學獎頒給了曾獲圖靈獎的機器學習先驅，緊接著化學獎也將一半頒給了“程序員”。 不僅諾獎得主在接到獲獎電話時表示大感意外，就連諾貝爾獎官方也就此發(fā)起兩起投票，強調人工智能與基礎科學的互動。一則是：你知道機器學習的模型是基于物理方程的嗎? 另一則是：你知道人工智能被用來研究蛋白質的結構嗎? 不少人疑惑，人工智能這一近年來才頻頻進入公眾視野的技術熱詞，何以俘獲諾貝爾評獎委員會的“芳心”，并一舉成為本年度科學獎項的“大贏家”？ 助力解決傳統(tǒng)科學方法難以應對的問題 諾貝爾物理學獎和化學獎獲獎成果不僅是基礎科學的突破性進步，更顯示出人工智能已成為推動基礎科學的重要工具。利用這一技術，科學家得以基于此前研究構建新型模型，得以處理海量數據，更新傳統(tǒng)的方法，得以加速研究，推動多領域基礎科學實現新的進展。 得益于今年諾貝爾化學獎得主——谷歌旗下“深層思維”公司的德米斯·哈薩比斯和約翰·江珀在前人研究基礎上設計的人工智能模型“阿爾法折疊”，人們現在已可以預測出自然界幾乎所有蛋白質的三維結構。 另一名對計算蛋白質設計作出突出貢獻的獲獎者、美國華盛頓大學西雅圖分校的戴維·貝克在談到人工智能技術時指出，蛋白質結構預測真正凸顯了人工智能的力量，使人們得以將人工智能方法應用于蛋白質設計，大大提高了設計的能力和準確性。 人工智能正幫助科研人員解決傳統(tǒng)科學方法難以應對的問題。曾作為“阿爾法折疊”早期測試人員的英國倫敦國王學院分子生物物理學教授麗夫卡·艾薩克森說：“我們傳統(tǒng)上采用費力的實驗方法來分析蛋白質形狀，這可能需要數年時間。這些已解析的結構被用于訓練‘阿爾法折疊’。得益于這項技術，我們能夠更好地跳過這一步，更深入地探究蛋白質的功能和動態(tài)，提出不同的問題，并有可能開辟全新的研究領域�！� 基礎科學與人工智能“碰撞”產生巨大能量 本年度兩大科學獎項不僅是對獲獎者和他們成就的肯定，更向人們展示出基礎科學的深刻洞見與計算機科學創(chuàng)新“碰撞”可以產生的巨大能量。 2024年諾貝爾物理學獎獲得者約翰·霍普菲爾德和杰弗里·欣頓是兩名機器學習領域的元老級人物。他們使用物理學工具，設計了人工神經網絡，為當今強大的機器學習技術奠定了基礎。與此同時，相關技術已被用于推動多個領域的研究。 “正是物理學原理為兩名科學家提供了思路，而另一方面，研究成果又被用于推動多個領域的研究，不僅包括粒子物理、材料科學和天體物理等物理學研究，也包括計算機科學等其他領域的研究�！敝Z貝爾物理學委員會秘書烏爾夫·丹尼爾松在接受新華社記者采訪時說。 在談到諾貝爾化學獎成果時，歐洲分子生物學實驗室副主任兼歐洲分子生物學實驗室－歐洲生物技術研究所主任埃旺·伯尼強調，這一人工智能工具建立在數十年的實驗工作之上，得益于分子生物學界內部在全球范圍內公開共享數據的文化。 改變科研范式推動突破學術邊界 人工智能技術俘獲諾貝爾評獎委員會的“芳心”更反映出人工智能與多學科融合，推動科學研究突破邊界這一重要的探索趨勢。 諾貝爾化學委員會評委鄒曉冬表示，技術與基礎科學的交叉融合未來將成為常態(tài)，而人工智能技術作為這一融合過程中的核心驅動力之一，將推動科學研究不斷突破傳統(tǒng)框架，實現更加深遠、更加廣泛的創(chuàng)新。 另一方面，人工智能的快速發(fā)展也引發(fā)人們對未來的擔憂。諾貝爾物理學委員會主席埃倫·穆恩斯說，人類有責任以安全且道德的方式使用這項新技術。諾獎得主欣頓在接受電話連線時也表示，相關技術將對社會產生巨大影響，但也必須警惕技術可能構成的威脅。 毋庸置疑的是，傳統(tǒng)科學研究的范式正在轉換。從問題出發(fā)，通過人工智能技術尋求解決方案，這不僅將在生物、化學和物理等領域中發(fā)揮革命性作用，更將推動眾多不同學科的融合，推動科學研究突破邊界，并對人類未來產生深遠影響。 英國研究與創(chuàng)新署工程與物理科學研究委員會執(zhí)行主席、牛津大學結構生物信息學教授夏洛特·迪恩表示，能在當今從事科學工作是一件令人興奮的事情，特別是在這些跨學科領域，因為人工智能不僅開始解決真正困難的問題，而且還改變了我們從事科學研究的方式。 正如伯尼所說，“大數據與人工智能和技術發(fā)展的潛力是無限的——而這，只是一個開始”。 |
回復此樓» 猜你喜歡
求調劑，不管什么專業(yè)，我是可塑造的人才一枚，希望遇到知己老師撈撈我
已經有5人回復
-
0703求調劑
已經有6人回復
-
一志愿211 化學305分求調劑
已經有3人回復
-
085701環(huán)境工程317分求調劑
已經有6人回復
-
化學290求調劑
已經有4人回復
-
298求調劑
已經有5人回復
-
新疆大學地質與礦業(yè)工程學院招生
已經有18人回復
-
材料325求調劑
已經有12人回復
-
0307化學求調劑
已經有6人回復
-
070300化學求調劑292分
已經有3人回復
» 本主題相關商家推薦: (我也要在這里推廣)
yexuqing
木蟲之王 (文學泰斗)
太陽系系主任
- 應助: 11 (小學生)
- 金幣: 199893
- 散金: 5
- 紅花: 127
- 沙發(fā): 742
- 帖子: 168041
- 在線: 4862.3小時
- 蟲號: 88288
- 注冊: 2005-08-23
- 專業(yè): 數論
|
2024年的諾貝爾化學獎一半授予大衛(wèi)·貝克（David Baker），“以表彰在計算蛋白質設計方面的貢獻”；另一半則共同授予德米斯·哈薩比斯（Demis Hassabis）和約翰·M·詹珀（John M． Jumper），“以表彰他們在蛋白質結構預測方面的成就”。 David Baker 是華盛頓大學蛋白質設計研究所所長，被譽為蛋白質設計領域先驅。2003年起，他成功設計出全新的Top7等多種創(chuàng)新蛋白質，廣泛應用于藥物、疫苗、納米材料、微型傳感器等領域。并在1999年就提出了蛋白質結構預測算法RoseTTA，早于Deepmind的AlphaFold。 另兩位獲獎者就更不陌生。Demis Hassabis是Google DeepMind聯(lián)合創(chuàng)始人兼CEO，John M． Jumper現任Google DeepMind總監(jiān)。兩人通過領導團隊開發(fā) AI 模型 AlphaFold 2，解決了困擾科學界50年的難題：從氨基酸序列預測蛋白質的復雜結構。 蛋白質是生命的基礎化學工具，它們控制并推動著所有生物化學反應，擔任激素、信號物質、抗體和組織構建的關鍵角色。在蛋白質中，氨基酸以長鏈的形式連接在一起，并折疊成三維結構。自上世紀70年代以來，研究人員一直嘗試根據氨基酸序列預測蛋白質結構，無奈進展緩慢，直至四年前DeepMind帶來的驚人突破。 2020年，Demis Hassabis和John Jumper在初代 AlphaFold 的基礎開發(fā)了AlphaFold 2。它幾乎能夠預測所有已被研究人員識別的2億個蛋白質的結構，至今已被引用超過2萬次，被來自190個國家200多萬人使用，在推動包括瘧疾疫苗、癌癥治療、酶設計和抗生素耐藥性研究等領域取得了巨大進展。實際上在諾獎以前，兩人已于去年獲得素有“科學界奧斯卡”之稱的生命科學突破獎和“諾獎風向標”拉斯克獎，以表彰他們?yōu)榛A醫(yī)學研究做出的突出貢獻。 瑞典皇家科學院在聲明中稱，“沒有蛋白質，生命無法存在。如今我們能夠預測蛋白質結構并設計自己的蛋白質，這為人類帶來了巨大的福祉�！� 得知獲獎消息后，Google DeepMind官方第一時間發(fā)文“報喜”。 Demis Hassabis也發(fā)表聲明稱： “獲得諾貝爾獎是我一生的榮譽。感謝瑞典皇家科學院，感謝John Jumper和AlphaFold團隊，感謝更廣泛的DeepMind和Google團隊，以及所有為這一時刻做出貢獻的同事。我將我的職業(yè)生涯奉獻給AI的進步，因為它擁有無與倫比的潛力，能夠改善數十億人的生活。AlphaFold已經被200多萬研究人員用于推進關鍵工作，從酶設計到藥物發(fā)現。我希望未來我們能將AlphaFold視為AI加速科學發(fā)現巨大潛力的第一個實證�！� John Jumper隨即表示：“這是AI能夠加速科學研究并最終幫助理解疾病和開發(fā)治療方法的一個重要證明。這項工作歸功于Google DeepMind的優(yōu)秀團隊，這個獎項也認可了他們的杰出貢獻�！� 至此，加上此前率先獲得物理學獎，并引發(fā)高度討論度的“AI教父”杰弗里·E·辛頓（Geoffrey E． Hinton），這些今年最受關注的獲獎者背后，共同的交集很明顯——辛頓是承載Google早期AI野心的Google Brain的核心人物，而Demis Hassabis是承載Google近年來AI研究任務的Google Deepmind的靈魂。 怪不得連“諾貝爾派對”都直接在Google園區(qū)舉辦了。 在諾貝爾獎連續(xù)發(fā)給AI科學家背后，Google也“贏麻了”。 Google的進攻 從時間線上來看，谷歌絕對是最早入局人工智能的大公司玩家。 盡管在許多故事版本中，都將2012年冬天那場發(fā)生在美國太浩湖旁賭場酒店里的秘密競拍，描述為Google、微軟、百度三家科技巨頭與DeepMind之間，圍繞Hinton剛成立、除了幾篇論文外沒有任何實質產品的小公司DNNResearch的公平競爭。但事后回看，這場競拍的結局其實早已注定。因為它的起源之一，正是來自6個月前Google的推動。 2012年6月，Google Brain公開啟動“谷歌貓（The Cat Neurons）”項目，用算法識別YouTube視頻中的貓。由吳恩達領導，Jeff Dean參與，并獲得公司創(chuàng)始人Larry Page的大力支持。 項目構建了一個擁有10億個連接的大型神經網絡，使用來自YouTube的1000萬段未標注視頻，在16，000個CPU上進行訓練。通過無監(jiān)督學習，該系統(tǒng)成功自主學會了識別貓臉，準確率達74.8%，并能識別人臉等其他物體。 不過，吳恩達在項目后期選擇了激流勇退，臨走前向Google舉薦了自己的老師Hinton接替工作。Hinton表示自己不會離開大學，只愿意去Google“待一個夏天”。就這樣，他成為Google歷史上最年長的實習生。 作為深度學習領域的權威，Hinton很快就意識到項目的缺陷，指出谷歌貓“運行了錯誤的神經網絡，并使用了錯誤的計算能力�！庇谑窃诙虝旱摹皩嵙暺凇苯Y束后，Hinton馬上召集學生Ilya Sutskever和Alex Krizhevsky組建團隊，開發(fā)了新的神經網絡架構AlexNet。并帶著僅4顆英偉達GPU訓練出來的成果參加了2012年ImageNet圖像識別比賽，最終以84%的準確率取得顛覆性勝利。 同年10月，Hinton團隊在佛羅倫薩計算機視覺會議上正式介紹了冠軍算法AlexNet。一支學界團隊逆襲擊敗硬件和研發(fā)資源對比懸殊的Google，引發(fā)學術界和產業(yè)界徹底轟動。AlexNet論文也成為計算機科學史上最有影響力的論文之一，被引次數超過12萬。 接下來，三人的DNNResearch公司注冊成立。后續(xù)競拍的發(fā)展就更加順理成章，當身價被提高到4400萬美元時，Hinton叫停了拍賣，與兩名學生一起正式加入谷歌，擔任Google Brain副總裁和工程研究員。 當時的Hinton在一篇聲明中寫道：“我會繼續(xù)在多倫多大學兼職任教，但在Google，我能夠看到我們如何處理超大型計算�！� 在直到2023年5月的十年谷歌生涯中，Hinton繼續(xù)參與大規(guī)模人工神經網絡研究，為Bard和ChatGPT等現代AI系統(tǒng)的底層技術奠定了基礎性貢獻。他也參與開發(fā)了開源機器學習軟件庫TensorFlow，推動了圖像識別、語言理解等AI應用的能力提升，并將深度學習技術廣泛應用于Google的各類產品和服務中。 Google對人才和技術的聚集從未放緩。在收購DNNResearch僅兩年后，當年參與競拍的對手之一， Hassabis創(chuàng)立的DeepMind也被它納入囊中。 據悉，Google當時還專門包了架私人飛機帶Hinton去倫敦”驗貨“，并且專門改造了座椅，解決他背痛不能坐飛機的問題。而當時被Google擠走的Facebook在錯失DeepMind后，則轉而高價挖走了“深度學習三巨頭”之一的Yann LeCun。 Deepmind的故事 來到DeepMind這邊，其實被Google收購前，DeepMind已經在財務方面遇到了困難，公司一直在燒錢，卻未能找到可持續(xù)的商業(yè)模式，甚至瀕臨破產。 谷歌的6億美元收購拯救了DeepMind，不僅保留了核心技術團隊，還為其提供了強大的計算資源，包括云計算平臺和數據中心支持。這讓DeepMind能夠利用更強的算力來訓練深度神經網絡，特別是在AlphaGo的開發(fā)中，大幅提升了計算速度和模型精度。除此之外，谷歌還提供了專門設計的TPU（張量處理單元），進一步優(yōu)化了深度學習模型的訓練和推理效率，AI基礎工具TensorFlow也被廣泛應用到DeepMind的研究之中，協(xié)助加強AlphaGo的表現。 AlphaGo是DeepMind團隊開發(fā)的一款人工智能圍棋程序。它通過分析數百萬局棋譜，用自我對弈進行強化學習，掌握了復雜的圍棋策略，能夠超越人類頂尖圍棋選手。2016年，AlphaGo在與圍棋世界冠軍李世石的比賽中取得了4比1的勝利，從此一戰(zhàn)成名，震驚全球。 然而在Hassabis眼中，通過棋盤游戲驗證AI解決復雜問題的潛力只是開始。更重要的是用它來引導通用學習系統(tǒng)，應對現實世界的挑戰(zhàn)，從而真正改善人類生活、革新行業(yè)并推進科學發(fā)展。 于是在幾個月內，DeepMind便迅速雇傭生物學家，組建了一支跨學科團隊，專注于解決蛋白質折疊難題，最終在2018年促成了AlphaFold項目誕生。經過多次迭代，AlphaFold已憑借其突破性的蛋白質結構預測能力，徹底改變了生物學研究，展現了AI在科學領域的強大應用前景。 就在今年5月，Google Deepmind再次官宣，與Isomorphic Labs聯(lián)合推出新一代蛋白質預測模型AlphaFold 3，相關論文一舉登上《Nature》雜志。 與之前的版本相比，AlphaFold 3不僅在蛋白質折疊預測上取得了進展，還首次實現了對蛋白質、DNA、RNA及配體等生命分子的結構及其相互作用的高精度預測。這一突破幫助科學家更深入地理解疾病機制和生命過程，同時大幅縮短了研發(fā)時間和成本。無論是開發(fā)可再生材料，還是加速藥物設計和基因組學研究，AlphaFold 3都為生物分子領域打開了更廣泛的應用空間。 不僅如此，團隊還基于AlphaFold 3推出了一個名為AlphaFold Server的免費平臺，供全球科學家進行非商業(yè)性研究，進一步推動科學探索的普及。 通過DeepMind，Google不斷吸引著全球頂尖的科研人才，并提供長期的資金支持，使其能夠專注于突破性研究，而不必依賴短期的商業(yè)回報。Google還賦予了DeepMind高度的戰(zhàn)略自主權，使其能夠自由選擇研究方向。正是這種獨立性和長期支持，為DeepMind進行前瞻性研究奠定了堅實基礎。 除游戲領域和生物學突破外，DeepMind還開發(fā)了用于谷歌助手的逼真語音合成模型WaveNet，提升了語音交互體驗。通過視覺-語言-動作模型RT-2增強了機器人在多樣環(huán)境中的任務執(zhí)行能力。其研究還涉及天氣預測、核聚變反應堆等復雜問題，并通過AlphaCode和AlphaDev等項目推動了計算機算法的進一步發(fā)展。 Google的“家底”依然深厚 在今天的人工智能競爭中，OpenAI和Anthropic等明星公司的迅速崛起、ChatGPT、Claude之于Gemini的“碾壓”，一度讓人們對Google的AI策略產生了質疑。特別在生成式AI產品和開發(fā)者工具的商業(yè)化進程上，OpenAI們的快速發(fā)展與Google相對緩慢的步伐形成了鮮明對比。 然而眼前的兩項諾貝爾獎似乎在提醒我們，Google深厚的科研土壤和技術積累仍是其他公司難以復制的優(yōu)勢。 在2006年之前，深度學習的現狀可以用開爾文男爵的那句名言來概括：“深度學習的大廈已經基本建成，只不過在陽光燦爛的天空下，漂浮著三朵小烏云�！� 這三朵小烏云分別是算法、算力和數據。 而Google恰恰在這些關鍵領域擁有明顯優(yōu)勢。首先，它掌握了全球領先的龐大數據資源，依托YouTube、Google Scholar和Google Search等平臺，Google為視覺、語音識別和自然語言處理等AI模型提供了豐富且多樣化的訓練數據。 其次，Google在計算資源方面具有顯著優(yōu)勢。其自主開發(fā)的TPU硬件大大加快了深度學習模型的訓練速度，Google Cloud不僅為內部研究提供了強大的計算能力，還為全球開發(fā)者提供了工具，幫助他們快速構建和部署復雜的AI應用。 在算法研發(fā)領域，Google也處于行業(yè)前沿。誕生于Google Brain團隊的Transformer架構奠定了現代自然語言處理的基礎，推動了今天幾乎所有前沿AI模型的發(fā)展。這些技術不僅推動了學術界的進步，還廣泛應用于Google的核心產品中。 2024年，AI領域依然面臨著算法、算力和數據挑戰(zhàn)。盡管許多公司也各自在某些領域有所突破，但相比之下，似乎同時具備三方面優(yōu)勢并持續(xù)有效結合的，還是Google。 在與OpenAI、微軟等公司的競爭中，Google的“家底”依然厚實，在AI競賽中也并未被打敗。人工智能的潛力遠未被充分挖掘，而在這場長跑中，或許技術創(chuàng)新的深度和廣度才決定了最終的勝者。 |
2樓2024-10-13 15:37:55
yexuqing
木蟲之王 (文學泰斗)
太陽系系主任
- 應助: 11 (小學生)
- 金幣: 199893
- 散金: 5
- 紅花: 127
- 沙發(fā): 742
- 帖子: 168041
- 在線: 4862.3小時
- 蟲號: 88288
- 注冊: 2005-08-23
- 專業(yè): 數論
|
“超越人類智慧的AI可以用語言操縱我們，或許會試圖說服我們不要關掉開關。” 今年3月，由ChatGPT掀起的AI（人工智能）技術革命背后的奠基性科學家、被譽為“AI教父”的杰弗里·辛頓（Geoffrey E. Hinton），曾對媒體提及他對AI“反噬人類”的擔憂。如今，在他心中“危險和機遇并存”的AI，為他帶來了諾貝爾物理學獎的榮譽。 當地時間10月8日，瑞典皇家科學院宣布，將2024年諾貝爾物理學獎授予美國普林斯頓大學的約翰·霍普菲爾德（John J. Hopfield）和加拿大多倫多大學的杰弗里·辛頓，以表彰他們“為推動利用人工神經網絡進行機器學習作出的基礎性發(fā)現和發(fā)明”。 諾貝爾化學獎則部分授予了谷歌旗下DeepMind公司AI科學家德米斯·哈薩比斯和約翰·江珀，以表彰他們研發(fā)出的“Alpha Fold2”模型在蛋白質結構預測方面的成就。 當AI首次成為諾貝爾獎的主要元素，這不僅是對科學家的認可，也是對“AI輔助科學研究”這一應用趨勢的肯定，“諾貝爾物理學獎和化學獎都花落AI，既在意料之外，又在情理之中�！睆偷┐髮W計算機科學技術學院教授、上海市數據科學重點實驗室主任肖仰華告訴澎湃新聞記者。 在他看來，AI在諾貝爾獎當中占據相當比重，釋放出傳統(tǒng)的自然科學國際性的獎項向新興學科遷移的信號。傳統(tǒng)上人們認為，諾貝爾獎主要授予在傳統(tǒng)自然科學領域做出杰出貢獻的個人或組織。此次諾獎對人工智能等新興學科的傾斜，標志著以人工智能驅動的科研方式已不再是“偏門”而是逐漸走向“主流”，并獲得傳統(tǒng)自然科學領域的廣泛肯定。 AI“攻占”諾貝爾獎意味著什么？ “我做了這么一輩子科研，從來沒見過AI這么一個行當。每三個月就有新突破，每半年就要翻天覆地了�！眹H著名計算生物學家、復旦大學復雜體系多尺度研究院首任院長、上海人工智能實驗室領軍科學家馬劍鵬向澎湃新聞記者坦言。 在他看來，過去50年中，“蛋白質折疊問題”一直是生物學界的重大挑戰(zhàn)。此前，生物學家主要利用X射線晶體學或冷凍電鏡等實驗技術來破譯蛋白質的三維結構，耗時長、成本高。幾年前，科學家用計算機預測復雜的蛋白質折疊結構，正確率還不到40%。Alphafold出現后，奇跡出現了。 2020年11月30日，Alphafold 2在蛋白質結構預測大賽CASP 14中，對大部分蛋白質結構的預測與真實結構只差一個原子的寬度，接近達到了人類利用冷凍電子顯微鏡等復雜儀器觀察預測的水平，這是蛋白質結構預測史無前例的巨大進步。 “預測蛋白質結構，向來被認為是‘太陽底下最難的科學問題之一’。”馬劍鵬表示，他和好朋友、諾貝爾化學獎得主邁克爾·萊維特都曾認為，這一問題在他們的有生之年恐怕很難完全解決，“但沒想到人工智能‘Alphafold 2’的出現了，讓這個問題向前邁進一大步，真正體現了算法的力量，將諾貝爾化學獎頒給人工智能，是一個理所應當或者非常恰當的決定�！� 馬劍鵬認為，人工智能可以將求解的準確率大幅提升，顯示了“科學智能”研究范式的強大。雖然“Alphafold 2”和“Alphafold 3”并未完全解決蛋白質折疊問題，但它給科學界帶來了啟示：可以通過數據驅動，將人工智能應用于更多的科研領域，讓AI助手破解各種難題。 “人工智能現在已經成為一場新的技術革命，或者可以稱之為工具革命�！毙ぱ鋈A告訴記者，在科學研究領域，AI已成為推動社會進步和研究發(fā)展的最重要引擎。 肖仰華認為，諾貝爾獎授予人工智能相關研究實際上起到一個風向標的作用，這意味著傳統(tǒng)自然學科一定會掀起努力擁抱和學習人工智能、積極把人工智能的很多工具和方法融入到科學自身的科學研究中的熱潮�！按蠹移毡檎J為，獲得諾貝爾獎的科學家需要經過幾十年的研究，而AI打破了這一定律。未來可能會有越來越多年輕學者使用AI工具在傳統(tǒng)自然科學做出巨大貢獻，在短短幾年之內獲得諾獎，三四十歲左右的諾獎者可能會大量涌現，這個風向標的意義十分重大，也會對傳統(tǒng)的自然科學研究造成巨大沖擊。” “這次的諾獎授予情況，可以說是打破了一直以來的評獎傳統(tǒng)，可以說是諾貝爾獎評選的一次自我改革。一方面，這反映了諾貝爾獎委員會對于該獎項意義的反思，之后的授獎會更加地關注技術的現實影響，而非絕對意義的學術前沿�！敝醒胴斀洿髮W經濟學院教授、清華大學中國經濟思想與實踐研究院研究員徐翔告訴澎湃新聞記者。 另一方面，這反映人工智能技術帶來的巨大沖擊與科技界對這項技術的無限期待，說明科技界把人工智能看成了科學研究的底層技術，這是過去很多年的獲獎成果沒有做到的。 “此次AI在諾獎獲得成功，表明了學科大交叉、深交叉是趨勢，AI改變了科研范式，突破了傳統(tǒng)科研方式天花板。通過量變推動質變，AI有望在未來助力更多學科領域取得突破�！眹鴥热斯ぶ悄軐＜覐埓糊埾蚺炫刃侣動浾弑硎�，對于網友們的“ChatGPT獲得諾貝爾文學獎”等期待，他認為，科學（科技）工程類學科可以由大系統(tǒng)AI助力，文學創(chuàng)作類的可能還是需要人文和情感底蘊支撐。 AI發(fā)展有什么風險？如何利用好？ “假設青蛙創(chuàng)造了人類，那么你認為現在誰會占據主動權，是人，還是青蛙？” 去年，辛頓本人在北京智源大會提出的問題仍在耳畔回響，在諾獎“爆冷”頒給AI后，人們也在質疑，AI是否正在奪走科學家最重要的榮譽，AI的高速發(fā)展，真的不會帶來取代人類的風險嗎？ “最后獲獎的是AI算法背后的科學家和工程師，而非人工智能本身，目前的人工智能技術也未能達到脫離數據+算力+算法獨立運行的程度，本質上還是人類的智慧，但是我們需要對于人工智能下一階段的發(fā)展抱有審慎態(tài)度，用客觀的眼光看待并做好治理介入的準備�！毙煜杼寡�。 “從來不是AI可能取代人類，而是掌握了AI這種先進工具的擁有者在淘汰沒有掌握先進工具的人，歷史車輪的發(fā)展軌跡一直如此，任何一次技術革命都是先進技術的擁有者去淘汰沒有獲得先進技術的人，形成了相對的競爭優(yōu)勢�！� 在肖仰華看來，要看到AI在科學研究發(fā)展上的巨大潛力，也要意識到AI背后潛在的風險和問題，以目前AI的能力，即便將來發(fā)展很完善，本質依然是工具，是對人類的輔助，需要人類科學家去引導、規(guī)范和糾正，“因為AI很難具有人類科學家的原始創(chuàng)新能力，它不具備像愛因斯坦那樣提出這種相對論，去解釋物理現象，突破傳統(tǒng)牛頓力學對于這個世界的機械力學的解釋，從零到一的原始創(chuàng)新仍然還是人類科學家才有可能完成。” 肖仰華表示，目前AI發(fā)展存在兩大主要弊端，第一是AI會放大科技的兩面性，當AI驅動科學研究之后，這意味著雙刃劍的劍鋒恐怕要更加鋒利，需要積極管理和管控其可能帶來的風險。 更嚴重的是價值觀念和倫理道德的挑戰(zhàn)，“科技是火車頭，整個人類社會是車身，目前火車頭動力十足，速度越來越快，越來越加速。但是整個人類社會是由一個個鮮活的個體組成的，是由還在遵循著傳統(tǒng)倫理和價值觀念的家庭組成的，一個個社區(qū)及小型社會群體構成的。我們還在遵循著幾千年未變的文化價值、倫理、情感觀念，這些是不可能做那么快的調整的�！� 在科技的強勁的帶動下，生產力會快速發(fā)展，生產力快速發(fā)展就勢必要求整個社會的上層建筑、倫理價值和情感觀念跟著去做適應和調整，緩慢調整的社會上層關系和在科技帶動下快速發(fā)展的生產力之間可能會誕生新型的矛盾。 今年6月，2024年諾貝爾經濟學獎得主麻省理工學院（MIT）教授達龍·阿西莫格魯（Daron Acemoglu）在接受澎湃新聞記者專訪時表示，對于人工智能，非常擔心它成為將財富和權力從普通人轉移到一小群科技企業(yè)家的方式，“問題是我們沒有任何必要的控制機制以確保普通人從AI中獲利，比如強有力的監(jiān)管、工人參與、公民社會和民主監(jiān)督。我們看到的‘不平等’是‘煤礦里的金絲雀’，意味著更糟糕的事即將到來。” 國產大模型如何騰飛超越？ 在360創(chuàng)始人周鴻祎看來，這一次諾貝爾物理學獎頒給計算機科學、頒給人工智能，具有標志和代表性的意義。 “從諾貝爾獎評審的角度來講，可能都已經開始相信物理學的前沿靠人類是不夠的，要靠AI。未來所有學科的發(fā)展都離不開AI，將來可能生物學、化學、數學等其他科學的獎項也會發(fā)給計算機科學家，會發(fā)給對AI產業(yè)具有貢獻的人�？赡芤院蟾鱾�科學的突破，都要靠AI來推動。AI會成為人類科學研究的重要的工具，”周鴻祎表示，AI正在改變這個世界，首先改變的是諾貝爾獎發(fā)獎的方式。 AI成為諾獎主流，無疑給AI產業(yè)發(fā)展帶來了積極信號，中國AI科研和大模型企業(yè)又該如何對標？ “中國從來不缺優(yōu)秀的工程師�！瘪R劍鵬告訴記者，“但是如果要走向高精尖，還有很大的難度，能出現在概念上起引領作用的突破最好，因為人工智能領域確實具有廣泛的應用前景。坦白講，中國在這方面已經取得了不錯的成績，如果討論的是我們是否能在世界范圍內達到諾貝爾獎級別的成就，我想在這方面可能還存在一定差距。” 馬劍鵬提到，在AI領域的競爭，需要借鑒國外的經驗，不能只在高校里依靠教授單兵作戰(zhàn)。有些工作，需要大兵團作戰(zhàn)，需要高校、大企業(yè)等各類資源的融合。谷歌的突破就是一個明顯的例子。最近AI方面的巨大突破，幾乎全都是科技公司做出來的。 此外，在AI教育的短板也需要加強彌補，“高等教育機構中的學科分類，包括學院的劃分，都是基于傳統(tǒng)學科體系而設立的，現在必須改革，加強對AI教育的培訓。例如，復旦大學2024年招生培養(yǎng)政策發(fā)布會上發(fā)布的信息，從2024年秋季學期開始，復旦大學將在2024-2025學年推出至少100門AI領域課程。AI大課將納入所有復旦學生的學業(yè)安排。” 值得注意的是，此前國產大模型大多聚焦在通用大模型、行業(yè)大模型上，“專業(yè)大模型，尤其是與自然科學相結合的專業(yè)大模型，將來其實同樣重要，甚至更加重要。比如蛋白質大模型會大量用在生命科學醫(yī)療產業(yè)，這關系到健康福祉和國家科技競爭�！毙ぱ鋈A表示。 他建議，這對國產大模型未來發(fā)展具有重要啟示，未來大模型在To B（企業(yè)端）行業(yè)專業(yè)場景的應用要更多和更快，“To B的應用需要有更多的資源力量和人才資本投入，而這些都和諾貝爾獎傳統(tǒng)自然科學和AI深度融合是密切相關的。如果能借這個契機，推動更多的資源進入到專業(yè)場景，那么對大模型產業(yè)而言會產生更巨大的推動作用�！� |
3樓2024-10-15 13:15:57
相關版塊跳轉
我要訂閱樓主 yexuqing 的主題更新
| 3 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 材料專碩323求調劑 +5 | 李白26 2026-03-07 | 5/250 |
|
|---|---|---|---|---|
|
|
[考研] 一志愿中石油，化學工程，301求調劑 +4 | 豚饅枳枳 2026-03-04 | 4/200 |
|
|
|
[考研] 一志愿211，0860總分286食品工程專業(yè)求調劑 +6 | 林林Winnie 2026-03-05 | 6/300 |
|
|
[考研] 材料與化工354調劑 +4 | Lucy-xiao 2026-03-06 | 7/350 |
|
|
|
[考研] 化工282求調劑一志愿211 +5 | NA0912 2026-03-05 | 6/300 |
|
|
|
[考研] 334求調劑 +3 | Trying] 2026-03-03 | 4/200 |
|
|
|
[考研] 求調劑 +3 | 泡了個椒 2026-03-04 | 4/200 |
|
|
|
[考研] 中國科學技術大學材料與化工281求調劑，有科研和獲獎經歷 +11 | wsxw 2026-03-02 | 12/600 |
|
|
|
[考研] 293求調劑 +3 | 是樂渝哇 2026-03-04 | 3/150 |
|
|
|
[考研] 0854總分272 +5 | 打小就是老實人 2026-03-02 | 6/300 |
|
|
|
[考研] 環(huán)境調劑 +8 | chenhanheng 2026-03-02 | 8/400 |
|
|
|
[基金申請] 請問大家，研究風險與應對措施那里， 大家都怎么寫呢 ？ +3 | cauasen 2026-03-02 | 3/150 |
|
|
|
[考研] 一志愿中科大能動297求調劑，本科川大 +3 | 邵11 2026-03-03 | 3/150 |
|
|
|
[考研]
 計算機學碩 分數285求調劑
+4
|
glwshine 2026-03-02 | 5/250 |
|
|
|
[考研]
材料工程專碩283求調劑
 5+8
|
，��？ 2026-03-02 | 10/500 |
|
|
|
[考研] 化工京區(qū)271求調劑 +7 | 11ing 2026-03-02 | 7/350 |
|
|
|
[考研] 275求調劑 +3 | L-xin? 2026-03-01 | 6/300 |
|
|
|
[考研] 322求調劑 +3 | 熊境喆 2026-03-01 | 3/150 |
|
|
|
[考研] 279求調劑 +3 | dua1 2026-03-01 | 4/200 |
|
|
|
[考研] 311求調劑 +6 | 亭亭亭01 2026-03-01 | 6/300 |
|