“什么是AGI（通用人工智能）？形象地说，它就像是AI（人工智能）的爱因斯坦。
”

7月4日，在2024天下人工智能大会“人工智能：科研范式变革与家当发展”主题论坛上，上海科学智能研究院（以下简称上智院）院长、复旦大学浩清特聘教授漆远谈到了贰心目中AGI和AI4S（AI for Science，科学智能）的未来形态。

在大模型如雨后春笋、百模大战风起云涌确当下，不仅家当界和学术界的一线专家和研究者聚焦AI最新技能，高校整体也在探索如何搭建更好的人才培养体系。
在论坛现场，来自普林斯顿大学、北京大学、瑞士人工智能实验室、之江实验室、英矽智能、晶泰科技、无限光年等的AI专家和复旦大学、同济大学、中国科学技能大学、上海科技大学等大学校长齐聚一堂，共同探索AI带来的新机遇和寻衅。

打造“灰盒”可信大模型

在带领团队搭建阿里巴巴大规模分布式机器学习平台PAI、蚂蚁集团的超大规模图神经学习与隐私打算平台后，漆远从家当界重返学界，来到复旦，磋商通往AGI的道路。

“从微不雅观的分子，到宏不雅观的人体表型、到更宏不雅观的气候景象和繁芜的经济金融系统，我们须要AI大模型做出精准预测，给出靠谱的答案，乃至创造未知的规律。
”漆远说，“在本日的AI 2.0时期，大模型有更好的泛化能力，可以在很多领域或某一类垂直领域的多项任务中发挥靠近或超越人类的能力。
我们看到了通用人工智能的火花。
”

“所有的大模型都是‘做梦的机器’，都有幻觉的特点”，漆远坦言，“幻觉和抱负类似，在情绪对话和艺术创作里可以发挥浸染。
但是如果想把大模型作为生产力工具，在科研、医学、金融等领域的核心业务里发挥主要浸染，大模型的幻觉便是个大问题，可能会违背根本规律，导致差之毫厘，谬以千里。
”

幻觉的问题仍待办理，而Scaling law（尺度定律）的红利也不会一贯下去，仅依赖海量数据的压缩和归纳总结不敷以达成AGI 。
“AGI的最高表示之一便是理解繁芜天下、创造未知规律。
大略的说，便是打造‘AI爱因斯坦’。
这也是AI for Science的关键目标。
要实现这一目标，我们须要结合快思考的‘黑盒’预测和慢思考的‘白盒’逻辑推理，打造‘灰盒’可信大模型。
”漆远说。

目前，上智院正在这条道路上不断探索。
气候领域，发布了面向新能源、航空运输、城市管理等家当运用的伏羲系列气候大模型2.0，基于人工智能技能极大提高了景象预报的准确性，并能提前预测极度景象征象。
同时，伏羲次时令气候大模型将景象预报周期延长至60天，并入选成为中国气候局的三个官方气候大模型之一。
医药领域，在DNA长文本分析和蛋白质动态建模上取得打破，并将与企业互助研发RNA大模型，预测RNA构造和功能，加速RNA疫苗研发，促进核酸药物设计。

在诺贝尔经济学奖得主、北京大学汇丰商学院名誉教授 Thomas J. Sargent看来，真正的AGI该当像人类婴儿一样，同时拥有两种创造力类型：运用创造力和问题探求创造力，能够通过自主实验理解天下。

而在实现路径上，阿卜杜拉国王科技大学（KAUST）人工智能操持卖力人、瑞士人工智能实验室（IDSIA）研发主任Juergen Schmidhuber认为，目前传统强化学习存在局限，利用天下模型不仅能够基于天下认知预测行为，而且可以让AI形成自主学习机制。

他认为，未来，天下模型须要新的算法机制，该当更加关注褒奖组合的设计，不仅包括外部环境给予的褒奖，也包含仿照对付人类追寻好奇心的内部褒奖。
通过褒奖机制组合优化模型，让模型追寻外部目标，也让AI理解科学家内在对付实验的设计和处理，终极通过AI自己设计目标实现天下模型的升级。

大学和企业是一个***的两面

AI时期，我们看到越来越多的重大创新成果是率先出自于企业界。
在这个背景下，大学能否仍旧站在科技创新的最前沿？AI for Science的代价如何表示？大学如何培养AI人才？

在复旦大学校长、中国科学院院士金力看来，AI对付科学假设（Hypothesis）的提出至关主要，当今科学可以分成两部分，一是基于传统范式提出好的假设，一是科学智能（AI for science）驱动的假设。
人工智能可以基于数据高效产生假设并辨别其是否靠谱，高校科研职员能挑、会挑，可以判断假设的质量，可以通过AI大幅提升其判断假设质量的效能。
这正是科学智能的核心代价所在。

“复旦大学的决定是，不仅要发展AI学科，更要把人才培养起来。
”金力表示，人工智能时期须要更多年轻人，须要“技能颠覆者”，因此也须要更多远见者的辅导，这也是复旦的精良教授们在人才培养方面发挥的浸染。

AI赋能学科的发展，多学科交叉成为大学关注的核心议题之一。
金力指出，“学生培养是学科交叉的核心”，高校要培养交叉学科的学生，同时给他们创造物理上面对面相互谈论互换的平台。

同济大学校长、中国工程院院士郑庆华认为，高校之以是能够成为科技创新的策源地，缘故原由有三：第一，大学具有多学科交叉领悟的上风，目前很多科学研究已经很难依赖某个学科和专业办理。
这一点企业很难具备，但却是大学的显著特色。

第二，大学宗旨便是创造知识。
创新可以说是大学永恒的追求和代价，没有创新大学就没有用武之地，或者没有它的地位和影响力。
第三，大学永久充满一批以科技改变天下为义务的人。
比如，谷歌的创始人是当年斯坦福的三位博士生，而本日很多大模型核心算法、技能亦根植于大学。

“从AlexNet到SORA的DiT，学界一贯以来都是AI的策源地”，上海科技大学副教务长虞晶怡认为，学术界追求的长期主义对付工业界来说是非常有寻衅的。
然而，要实现包括AI在内的科学问题的打破则非常须要长期主义。
因此大学应保持长期主义的特质，并与时俱进的和工业界紧密互助，武断做好长期主义的堡垒，成为AI打破的真正策源地。

中国科学技能大学副校长吴枫同样认为，做学科交叉、做科学智能，是高校的上风所在，也是企业现在相对较少关注的。
实际上，回顾18世纪、19世纪，科学技能发展险些每一次都是随着数学、物理等学科的打破而来的。
然而，“企业做的多数AI，并不是瞄着科学，而是瞄着运用”。

从这个角度而言，现在的AI还处在一个初期阶段，而如果AI跟物理、生命、化学、数学等学科产生交叉，那么AI对人类社会的发展、影响可能好比今看到的要大得多。
吴枫认为，高校更该当在管理体系、环境氛围等方面，鼓励学生做科学智能的研究，培养AI人才。

不过，AI时期也须要产教领悟、科教融汇。
在吴枫看来，“对高校而言，要做好跟企业的互助，要矗立在研究前沿，要培养人才真正知足家当须要、知足研究创新须要”。

大学和企业是一个***的两面，相互依赖、相互赋能、相互造诣，郑庆华表示，做出真正能够知足西席和学生科研须要、人才培养须要的算力平台，是企业的强项。
同时，“企业在需求感知上更敏感，它对市场很敏感、对用户需求很敏感，对若何开拓新的运用处景很敏感，这些敏感的需求实在为高校科技创新供应了方向和目标，也是高校科学研究的出发点和落脚点。
”

论坛上，由上智院和复旦大学共同主理的第二届天下科学智能大赛宣告启动，旨在进一步推动科学智能人才培养和生态培植。
大赛由上智院和复旦大学共同主理，设置百万奖金在上智院·天池平台上向环球发起选手招募，共同探索科学智能前沿领域。
去年首届大赛共吸引环球1万余名选手参赛，今年大赛新增社会科学、逻辑推理两大赛道，推进更广泛的科学智能创新生态发展。

由上智院主导开拓的全新科学数据平台也正式发布，为探索繁芜科学场景供应新线索和新假设，以科学数据平台为核心的环球科学数据生态同盟同步启动。

该同盟旨在通过政府、企业、高校、研究机构等多方互助，构建环球性、多领域的科研大数据资源开放与共享平台。
同盟将致力于开拓和整合科研数据资源，供应前辈的数据剖析技能支持，搭建高效的数据共享平台，为传授教化、实践、科研和业务拓展供应强有力的数据支持。