在今天的上海,世博中心的四周都在热议AI、大模型,当AI成为街头小巷的话题,治理问题就摆在了台上。7月4日开幕的世界人工智能大会暨人工智能全球治理高级别会议,“以共商促共享,以善治促善智”,围绕AI出现的问题展开,产学研直面问题,给业界更坚定的态度,善用AI,用好AI,才是当下最应该面临的问题。
拥抱AI ,今天的问题以后都不是事
世界人工智能大会暨人工智能全球治理高级别会议上,治理的问题被旗帜鲜明的提了出来,AI带来的风险是无可回避的问题。
清华大学苏世民书院院长、清华大学人工智能国际治理研究院院长薛澜提出,AI的风险表现出的问题,主要体现在三个方面。第一,技术内在问题,包括所谓幻觉,另外自主人工智能系统长远来讲,受到自主发展可能,对人类社会的威胁;第二,基于技术开发带来风险,包括数据安全问题、算法歧视、能源环境等等问题;第三,技术应用,包括误用或者滥用,长远对社会就业带来影响。这些问题都是不可忽视的。
面对这些问题,有的人悲观,有的人乐观。
上海人工智能实验室主任、首席科学家、清华大学惠妍讲席教授周伯文提出人工智能的45度平衡率。也就是说,需要找到AI安全优先,但又能保证AI能力长期发展的技术体系,把这样一种技术思想体系叫做AI45度平衡率。AI45度平衡率是指长期角度来看,要大体上沿着45度安全与性能平衡发展,所谓平衡是指短期内可以有波动,但不能长期低于45度,如同我们所处的现在。45度平衡的技术体系要求强技术驱动、全流程优化、多主体参与,以及敏捷治理。
中国工程院院士、之江实验室主任、阿里云创始人王坚相信,AI是革命性的技术,新的技术出现,一定会伴随有大公司的涌现,看这波浪潮是不是有颠覆性的公司出现,否则就不是革命性的技术。比如当年的GE,是因为电的诞生,有了GE公司的出现。还有,近期苹果Siri语音助手,在iOS 18系统与AI的深度整合,Siri现在能够更智能地理解用户的意图和需求,提供更精准的语音助手体验,这不是苹果服务了AI,而是因为有了AI,苹果应该不一样。一个技术多活几年,多用几年,跟着技术,就会随之让变成另外一家公司。互联网时代的公司,和今天的AI时代是有不一样的地方,互联网时代是草根创业,对技术的依赖性很少,AI时代是不一样的,对技术的依赖性更大。
AI素养才是AI时代的最大差距
尽管AI扑面而来,但仍然要看到,一部分在热火朝天的讨论着AI,还有一部分人却还与AI遥不可及。
目前的基础设施鸿沟我们必须正视,全球还有25亿人属于脱线状态。清华大学苏世民书院院长、清华大学人工智能国际治理研究院院长薛澜表示,全世界还存在公民素质数字素养鸿沟,另外就是人工智能发展和素养的鸿沟。这些是要全球共同努力发展,不但阻碍全球发展,也对全球治理带来很大影响,而且在今天国际社会里面,一个国家带来的风险就是全球的风险,所以这些问题必须得共同努力解决。
擅长使用 AI 的人,一定会替代不擅长使用 AI 的人,就像当年擅长使用计算机的人,会取代不擅长使用计算机的人。这也是在世界人工智能大会上,几位嘉宾异口同声的观点。
让更多的人先尝到AI的“甜头”
早在去年3月文心一言发布会上,百度创始人、董事长兼首席执行官李彦宏就曾明确表示:大模型时代,真正最大的机会既不在基础服务,也不在行业服务,我觉得恰恰是在应用。这次,世界人工智能大会上,李彦宏再次强调,没有应用,光有基础模型,不管是开源还是闭源都一文不值。李彦宏表示,AI永远只是工具,只有在被人类所使用的时候才有价值。
李彦宏最看好的AI应用发展方向是智能体。搜索则成为智能体分发的最大入口,“智能体+搜索”能够为用户提供更好的内容和服务。夏天火热的高考季,考生高考之后要报志愿,要选学校,选专业,在高峰时期,百度的高考智能体每天要回答超过两百万个考生的问题。根据百度官方数据显示,近八成的考生使用了AI志愿填报服务,通过 AI 辅助报志愿,不用花费高价也能得到个人专属的“AI指导老师”,真正实现教育的普惠。
无独有偶,阿里巴巴在世界人工智能大会的展台上,也展示了智能体应用。基于通义千问大模型底座及智能体插件能力,可以实现复杂任务的决策和执行。提供海量工具一站集合,满足用户在特定场景下的任务需求。还为可以提供简单易上手的智能体创建能力,可以精准匹配需求,快捷创建用户需要的工具。通义星尘大模型智能体创作平台,具有Agent配置调度、长短期记忆、知识情感、多模态插件功能,实现高度拟人化互动、决策、执行任务。
好文章,需要你的鼓励
当前AI技术正引发一场"认知迁移",重新定义专业价值和工作方式。不同于以往技术革命,AI不仅自动化任务,更开始承担判断、语言和创意表达,模糊了人机界限。面对这一转变,专业人士呈现五种态度:积极拥抱者、被动适应者、主动抵制者、未受影响者和边缘化群体。AI采用速度超越理解速度,重塑认知领域的同时也带来身份认同危机。这场迁移将重新定义角色、价值观和整个职业阶层,需要制度层面的具体应对措施。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
企业持续投资云优先战略,但大型数据库云迁移面临复杂挑战。通过"规划-构建-运行"结构化方法,IT领导者可成功完成本地系统云迁移。关键包括:制定迁移策略、评估环境复杂性、选择数据传输和同步工具、创建测试计划、执行迁移并保持同步,最后优化云运营、确保安全合规。云迁移不仅是数据搬迁,更是创新增长平台的构建过程。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。