总统辩论AI人才培养
“什么是AGI（通用人工智能）？形象地说，它就像AI（人工智能）界的爱因斯坦。”
7月4日，在2024世界人工智能大会“人工智能：科研范式变革与产业发展”主题论坛上，上海科学技术情报研究院（以下简称上海科学技术情报研究院）院长、复旦大学郝庆特聘教授齐源谈到了他心中的AGI及AI4S（AI for Science）的未来形态。
在大模型如雨后春笋、百模大战如火如荼开展的当下，不仅产学研一线专家、科研人员聚焦人工智能最新技术，高校也在探索如何构建更好的人才培养体系。论坛上，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、芯智科技、水晶石科技、无限光年等高校的人工智能专家，以及复旦大学、同济大学、中国科学技术大学、上海科技大学等高校校长齐聚一堂，共同探讨人工智能带来的新机遇与挑战。
创建可靠的“灰盒”模型
在带领团队打造了阿里巴巴大规模分布式机器学习平台PAI、蚂蚁集团超大规模图神经学习与隐私计算平台后，袁奇从工业界回归学术界，来到复旦探索AGI之路。
“从微观分子到宏观人体表型，甚至更宏观的气象气候、复杂的经济金融系统，都需要AI大模型做出精准预测、给出可靠答案，甚至发现未知模式。”袁奇说，“在今天的AI 2.0时代，大模型具有更好的泛化能力，可以在很多领域或者某个垂直领域的多项任务上接近甚至超越人类的能力。我们已经看到了通用人工智能的火花。”
“所有大模型都是‘造梦机器’，都具有幻觉特性”，齐源坦言，“幻觉类似于幻想，可以在情感对话、艺术创作中发挥作用。但如果你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中发挥重要作用，大模型的幻觉化是一个大问题，它可能会违背基本规律，导致巨大的失误。”
幻觉问题仍需解决，缩放定律带来的收益也不会永远持续下去，单纯对海量数据进行压缩、汇总还不足以实现 AGI。“AGI 的最高体现之一，就是理解复杂世界，发现未知规律，简单来说就是打造一个‘AI 爱因斯坦’，这也是 AI for Science 的关键目标。要实现这个目标，我们需要将快速思考的‘黑箱’预测和慢速思考的‘白箱’逻辑推理结合起来，打造一个‘灰箱’可信的大模型。”齐元说。
目前索菲亚研究院也在不断探索这条道路。在气象领域，伏羲系列气象大模型2.0已面向新能源、空中交通、城市管理等行业应用发布，基于人工智能技术，大幅提升气象预报准确率，可提前预报极端天气现象。同时，伏羲分季节气象大模型将天气预报周期延长至60天，入选中国气象局三大官方气象大模型之一。在医学领域，在DNA长文本分析、蛋白质动态建模等方面取得突破，并将与企业合作开发RNA大模型，预测RNA结构与功能，加速RNA疫苗研发，推动核酸药物设计。
在诺贝尔经济学奖得主、北京大学汇丰商学院名誉教授托马斯·萨金特看来，真正的AGI应该像人类婴儿一样，同时具备两种创造力：应用创造力和解决问题的创造力，并能通过自主实验来理解世界。
至于实现路径，阿卜杜拉国王科技大学（KAUST）人工智能项目负责人、瑞士人工智能实验室（IDSIA）研发总监Juergen Schmidhuber认为，传统的强化学习目前存在局限性，利用世界模型不仅能够基于世界认知预测行为，还能让AI形成自主学习的机制。
他认为，未来的世界模型需要新的算法机制，更加注重奖励组合的设计，不仅包括外部环境给予的奖励，还包括模拟人类好奇心的内部奖励。通过奖励机制组合优化模型，使模型可以追求外部目标，AI可以理解科学家内部对实验的设计和处理，最终通过AI自身的设计目标升级世界模型。
大学和企业是同一枚硬币的两面
在AI时代，我们看到越来越多的重大创新首先由企业界产生。在这样的背景下，大学是否还能站在科技创新的前沿？AI for Science的价值如何体现？大学如何培养AI人才？
在复旦大学校长、中科院院士金力看来，人工智能对于科学假设的形成至关重要。当今的科学可以分为两个部分，一个是基于传统范式提出好的假设，另一个是科学智能驱动的假设（AI for science）。人工智能可以基于数据高效生成假设，并识别其是否可靠。大学科研人员可以自行选择和判断假设的质量，通过人工智能可以大大提升科研人员判断假设质量的能力。这是科学智能的核心价值。
“复旦的决策不仅仅是发展人工智能学科，更是培养人才。”金力说，人工智能时代需要更多的年轻人、需要更多的“技术颠覆者”，因此也需要更多有远见卓识者的引领，这也是复旦优秀教授在人才培养中发挥的作用。
人工智能赋能学科发展，多学科交叉成为高校关注的核心问题之一。金力指出，“学生培养是多学科交叉的核心”，高校应培养多学科交叉的学生，并为他们创造面对面探讨交流的平台。
同济大学校长、中国工程院院士郑庆华认为，大学之所以能成为科技创新策源地，原因有三：第一，大学具有多学科融合的优势，目前很多科研课题依靠单一学科或专业难以解决，这是企业难以具备的，但却是大学的显著特点。
第二，大学的目的是创造知识。创新可以说是大学永恒的追求和价值。没有创新，大学就没有用武之地，就没有地位和影响力。第三，大学里总是充满了以科技改变世界为使命的人。比如谷歌的创始人都是斯坦福的三个博士生，今天很多大模型的核心算法和技术也根植于大学。
“从AlexNet到SORA的DiT，学术界一直是AI的源头”，上海科技大学副教务长余静怡表示，她认为，学术界追求的长期主义对产业界来说非常具有挑战性，但长期主义对于包括AI在内的科学问题取得突破是非常必要的。因此，大学应该保持长期主义的特质，与时俱进、紧密结合产业，牢牢筑起长期主义的堡垒，成为AI突破的真正源头。
中国科学技术大学副校长吴锋也认为，跨学科研究和科学智能是大学的强项，现在企业相对不太关注。其实，回顾18、19世纪，几乎每一次科技发展都伴随着数学、物理等学科的突破。但“企业做的AI，大多不是面向科学，而是面向应用。”
从这个角度看，人工智能还处于早期阶段，如果人工智能与物理学、生命科学、化学、数学等学科交叉，那么人工智能对人类社会发展的影响可能比我们现在看到的要大得多。吴锋认为，高校应该在管理制度、环境氛围等方面，鼓励学生进行科学、智能化研究，培养人工智能人才。
但AI时代也需要产教融合、科教融合。在吴锋看来，“对于高校来说，要和企业合作好，站在科研的最前沿，培养出真正满足产业和科研创新需要的人才。”
高校与企业是同一枚硬币的两面，相互依存、相互赋能、相互成就。郑庆华表示，做出真正能满足师生科研需求、人才培养需求的计算平台，是企业的强项。同时，“企业对需求感知更加敏感，对市场非常敏感，对用户需求非常敏感，对如何开拓新的应用场景非常敏感。这些敏感的需求其实为高校科技创新提供了方向和目标，也是高校科研的出发点和落脚点。”
论坛上，由索菲亚研究院和复旦大学联合主办的第二届世界科学智能大赛正式启动，旨在进一步推动科学智能人才培养和生态建设。大赛由索菲亚研究院和复旦大学联合主办，设置百万奖金，在索菲亚研究院天池平台上面向全球招募选手，共同探索科学智能前沿。去年首届大赛吸引了全球1万余名选手参赛。今年大赛新增社会科学和逻辑推理两个赛道，推动更广泛的科学智能创新生态发展。
索菲亚研究院研发的全新科学数据平台也正式发布，为探索复杂科学场景提供新线索、新假设，以科学数据平台为核心的全球科学数据生态联盟同步启动。
联盟旨在通过政府、企业、高校、科研机构等合作，打造全球性、多领域的科研大数据资源开放共享平台。联盟将致力于开发和整合科研数据资源，提供先进的数据分析技术支持，构建高效的数据共享平台，为教学、实践、科研和业务发展提供强有力的数据支撑。
