参与这次论坛的两院院士、国内外有名科学家也认为，AI必须具备超越大略数据处理的能力，结合创造力、探索精神和新的学习机制，推动各学科领域的不断打破和自我学习与创造。

【需结合“黑盒”和“白盒”，打造“灰盒”可信大模型】

漆远教授认为，大模型领域的“金科玉律”——尺度定律改变了AI，然而仅依赖海量数据的压缩和归纳总结不敷以达成通用人工智能。
就像AlphaGo通过学习海量的人类棋谱降服李世石那样，我们看到了机器超越人类认知的可能性。
但更主要的是我们须要像AlphaGo Zero那样，从围棋本身出发，具备自我学习、推理和创新能力，这样才可以达到通用人工智能。

要实现这一目标，一是须要结合快思考的“黑盒”预测和慢思考的“白盒”逻辑推理，打造“灰盒”可信大模型；二是领悟系统一（直觉性思考）和系统二（推理性思考），摆脱数据依赖。
科学智能的最高表示便是“AI爱因斯坦”，通过领悟科学规律、不雅观测数据和合成数据，创造繁芜天下的未知规律。

上智院正在这条道路上不断探索。
在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，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；在医药领域，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。

【AI须要探索未知，而不仅仅是运用已知的方法】

是非期影象网络（LSTM）之父、阿卜杜拉国王科技大学人工智能操持卖力人、瑞士人工智能实验室研发主任尤尔根·施米德胡贝教授，与漆远教授的不雅观点不谋而合。
他认为AI须要探索未知，而不仅仅是运用已知的方法。
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，同时可以让AI像人类婴儿一样在设定目标下进行学习和发展，这种学习模式在通往通用人工智能的道路上是非常必要的。
在他看来，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不仅能让模型追寻外部目标，也能让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。

诺贝尔经济学奖得主、北京大学汇丰商学院名誉教授托马斯·J·萨金特在演讲中深入磋商了AI创造力和学习机制的领悟。
他提出了两种创造力类型：运用创造力和问题探求创造力，强调真正的通用人工智能应像人类婴儿一样，通过自主实验理解天下。
此外，他还比较了物理学和经济学中的模型构建方法，强调了从描述性模型到构造性模型的演进过程。
他以开普勒模型和牛顿模型为例，阐述了如何在经济学中实现类似的理论打破。
他强调，虽然AI工具强大，但经济学家的理论洞察仍旧不可或缺。
这种平衡方法为办理繁芜的经济问题供应了新的视角，也为未来的经济研究指明了方向。

中国工程院院士、之江实验室主任、阿里云创始人王坚博士磋商了AI在科学研究中的新范式，紧张包括规模、AI天生假设和自动验证三个方面。
他强调数据、模型和算力规模的指数级增长，及数据驱动的研究假设对科学研究的深远影响。
他认为推动科学发展的应是基于理科数据的模型，并呼吁更多关注理科根本模型的研究。

这次论坛由天下人工智能大会组委会办公室、上智院、复旦大学共同主理。

题图来源：受访者

来源：作者：黄海华