當(dāng)前，以大模型為代表的生成式人工智能等前沿技術(shù)加速迭代，如何將認(rèn)知智能與產(chǎn)業(yè)結(jié)合，成為擺在各行各業(yè)面前的一個(gè)問題。

論壇現(xiàn)場。主辦方 供圖

7月4日，2024世界人工智能大會(huì)暨人工智能全球治理高級(jí)別會(huì)議在上海開幕。7月5日，在“認(rèn)知世界·智創(chuàng)未來”論壇上，多位專家學(xué)者們探討了關(guān)于認(rèn)知智能的最新發(fā)展及認(rèn)知智能如何與產(chǎn)業(yè)結(jié)合落地等問題。

數(shù)學(xué)深刻影響了物理學(xué)的發(fā)展，作為基礎(chǔ)學(xué)科的數(shù)學(xué)，又能如何與人工智能及產(chǎn)業(yè)結(jié)合？

論壇上，圖靈獎(jiǎng)獲得者、美國三院院士Manuel Blum帶來了他在意識(shí)圖靈機(jī)領(lǐng)域的最新研究成果。Manuel Blum介紹，意識(shí)的本質(zhì)能夠且應(yīng)當(dāng)通過經(jīng)典確定性物理學(xué)的框架來闡釋，意識(shí)圖靈機(jī)類似一個(gè)做上行數(shù)的競賽，所有的信息像競技比賽一樣，經(jīng)過層層比賽達(dá)到最頂端，最后成功攀頂?shù)男畔⒕蜁?huì)被向下“廣播”，這一過程正是意識(shí)圖靈機(jī)運(yùn)作的核心所在。

Manuel Blum表示，在這一體系中，每一條信息都承載著各自的權(quán)重，這些權(quán)重不僅客觀存在，而且嚴(yán)格遵循比例原則，確保了信息在上升過程中的公平性與效率性。這種機(jī)制賦予了意識(shí)圖靈機(jī)的靈活性與適應(yīng)性，每一個(gè)處理器無論身處何位，都能以最優(yōu)化的模式持續(xù)向上攀升。

由此，Manuel Blum提出意識(shí)圖靈機(jī)不僅是對(duì)意識(shí)本質(zhì)的探索，更是對(duì)未來人工智能尤其是通用人工智能（AGI）發(fā)展路徑的啟示，將為AGI領(lǐng)域的技術(shù)創(chuàng)新與突破開辟新的道路。

牛津大學(xué)DeepMind人工智能教授Michael Bronstein帶來了關(guān)于“幾何深度學(xué)習(xí)——從歐幾里得到藥物設(shè)計(jì)”的主題演講。他表示，從數(shù)學(xué)的角度出發(fā)，通過對(duì)稱性揭示深度學(xué)習(xí)的幾何統(tǒng)一，從而引入“幾何深度學(xué)習(xí)”數(shù)學(xué)框架，可以將其應(yīng)用到生物學(xué)、醫(yī)學(xué)和藥物設(shè)計(jì)等新領(lǐng)域。他進(jìn)一步提出，可以通過幾何深度學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)等方法，協(xié)助人類賦能藥物開發(fā)。

在國家提出新質(zhì)生產(chǎn)力與新型工業(yè)化戰(zhàn)略的大背景下，多位專家學(xué)者也提到了認(rèn)知智能如何與大模型結(jié)合并在產(chǎn)業(yè)落地的實(shí)踐。

復(fù)旦大學(xué)計(jì)算機(jī)專業(yè)博士王曉梅認(rèn)為，多模態(tài)大模型的應(yīng)用極其廣泛。她以多模態(tài)大模型在工業(yè)中的應(yīng)用為例，在工業(yè)領(lǐng)域中，傳統(tǒng)的表面缺陷檢測(cè)模型一般是人工對(duì)采集數(shù)據(jù)進(jìn)行標(biāo)注，然后進(jìn)行訓(xùn)練和推理，通過不斷增加人工標(biāo)注數(shù)據(jù)來微調(diào)模型逐步提升性能。而多模態(tài)大模型可以顯著提高數(shù)據(jù)標(biāo)注的效率，通過自動(dòng)生成多數(shù)模態(tài)數(shù)據(jù)來提高模型的準(zhǔn)確性，緩解長尾分布對(duì)模型的負(fù)面影響。