在人工智能领域，前沿话题络绎不绝。最近，由某人工智能实验室发起主办的首届“浦江AI学术年会”聚集了全球150余名专家深入讨论了多个关键议题。
智能新定义与技术路线探讨
人工智能的演进：尽管人工智能概念源自1956年达特茅斯会议，但其定义至今仍在不断演进。麦卡锡，会议的发起者之一，更倾向于追求“真正的智能”。自ChatGPT问世以来，智能的“涌现”成为讨论点，但香港大学马毅认为其仅展现知识而非智能，强调智能系统应具备自我纠正和完善能力。
马毅研究聚焦“白盒大模型”，与基于深度学习的“AI黑盒说”相对立。白盒模型旨在清晰解释深度学习模型的决策过程，解决Transformer等模型难以预测的问题。与ChatGPT不同的是，白盒模型旨在构建一个可解释的框架，并通过这个框架设计出能解释的网络和模型，从而减少试错成本，解决数据和算力限制。
智能定义广泛性与模型应用：稀宇科技闫俊杰认为，智能定义很广泛，黑盒模型在某些应用中足够，而白盒模型有助于理解人类智能，并预计未来将有更多创新出现。
解读“尺度定律”与面临挑战
在“浦江AI学术年会”中，学者们探讨“尺度定律”还能走多久的问题，许多学者关注数据枯竭与算力成本。以海量数据支撑的预训练模型正面临挑战。全球有效数据清洗后大约仅有20万亿Token。计算量与人类大脑功能相匹配需求巨大，让深度学习能力受限。
大模型发展趋势：大模型规模增加的速度伴随着明显的归纳能力提升，但其演绎能力却在下降。当前全球AI公司和科学家探索新路径。近期OpenAI和谷歌推出新模型，尽管在视觉和推理上有突破，但与真正的AGI技术仍有距离。
2025年中国AI领域的突破方向
面对2025年，中国科学家们如何应对AI领域的挑战？发展方向呈现出分化，一部分专注于科学问题的探索，另一部分关注大模型落地和稳定性。
上海人工智能实验室推动通专融合AGI路径，发布推理模型书生InternThinker，其解决问题的方法更接近人类学习方式路径。实验室还关注多模态大模型，探索通专融合技术路线，以及模型能力和多模态的集成。清华NLP实验室提出的大模型密度定律，意味着模型能力随时间指数增长，揭示了终端智能的巨大潜力。
人才培养与科研合作
上海人工智能实验室举办学术年会旨在推动以问题为导向的学术讨论，提升研究团队创造力和协作能力，实现产业合作和协同创新。此次大会发现，中国在人工智能人才培养方面已到转折点，需加大对年轻科研人员的培养力度。通过“浦江AI学术年会”，期望激发更多创新灵感，合作解决问题，促进人工智能事业进一步发展。
相关文章
