日前,北京智源人工智能研究院理事长张宏江博士出席HICOOL 2021全球创业者峰会,并做了《AI研究与创业新机遇》的主题演讲,同沈南鹏、李开复等全球顶尖投资人、独角兽企业创始人、行业领袖和行业专家一道畅论AI发展趋势及产业潜能,分享创新前沿洞见。
张宏江博士在演讲中介绍:“即将到来的人工智能大模型时代,为我们创造了时不我待的AI新机遇!”
张宏江博士出席HICOOL 2021全球创业者峰会畅谈AI新机遇
他从人工智能技术发展趋势、智源“悟道”人工智能大模型生态构建、“自由探索与目标导向相结合”的智源模式等方面,宏观概括了AI研究与发展的崭新机会点,呼吁年轻人、创业者、科学家与智源一道,刷新人工智能科研与产业的新高度。
最后,张博士指出,北京创造了AI领域的“17项中国第一”,是得天独厚的AI高地——AI人才在北京,AI未来看北京。呼吁一起站在北京高地,抓住新机遇,打造新高点!
从少数精英发明期进入遍地开花应用期,AI或将成下一个发展支配定律
回顾历史进程,人类从21世纪进入到“互联网+人工智能”驱动的历史时期,数据成为核心生产资料。根据ARK的预测,深度学习将会产生比互联网更大的经济价值。张宏江博士认为:“摩尔定律之后,AI和数据极有可能成为下一个支配定律。”
AI技术的发展现状也佐证了这一结论。张宏江博士详细阐述道:“现阶段,AI技术已经准备好从少数精英的发明期进入遍地开花的应用期,不仅软件、硬件、集成等技术方面,已经进入相对成熟阶段,成本大大降低,而且人才储备方面,也从单纯的科研人才丰富阶段进展到工程、产品、商业人才全面出现的阶段。我们预计,未来4波AI浪潮将最终重塑各行各业,分别实现互联网智能化、商业智能化、实体世界智能化、全自动智能化,传统行业将被AI大大赋能,实现数据化、IT化、云端化的一步到位。”
而目前AI到产业界仅4%的渗透率,留给大家极大的想象空间。
人工智能大模型时代到来,为进入AI赛道提供极佳机会点
人工智能大模型时代的到来,为进入AI赛道提供了机会点,“超大数据+超大算力+超大模型”的大模型可应对多种任务。未来,大模型会形成类似电网的智能基础平台,像发电厂一样为全社会源源不断地供应“智力源”。
张宏江博士指出:从“大炼模型”到“炼大模型”,智能研究院成为“人工智能大模型”发展转折的推动者,悟道系列大模型成为这一进程中的标志性成果。
大模型时代到来
悟道1.0 发布,成为“中国首个”大模型,悟道2.0又创造了“世界最大”纪录,拥有1.75万亿的参数量,是GPT-3的10倍,而中国首个清华虚拟学生“华智冰”,作为人格化的悟道成为科研爆款,一经发布即登上抖音热搜,这也是AI技术与大众智能交互的经典案例。
此外,悟道2.0的各种应用任务已逼近图灵测试,不仅在9项国际公认的Benchmark上达到国际顶尖的基础能力,还一举推出了3个全球最大数据集。悟道2.0的问世将中国AI技术推到一个新的历史水平。
大模型、大平台、大数据的系统性生态蓬勃发展的势头,验证了在AI研究与创业领域,一个即将爆发的新机遇正在降临。
从悟道1.0到悟道2.0
智源研究院的创新探索:自由探索+目标导向
智源作为成立不到3年的创新型研究院,成为大家探究“创新型研究院”可能性的代表作,这离不开其“自由探索+目标导向”的核心模式。
对此,张宏江博士解释道,智源将人工智能领域最牛的学者汇集到一起,以“小同行自治”的方式对几大研究方向充分自由探索,而“悟道模式”的成功也验证了突破传统科研机构局限,把不同院校单位、复合背景人才汇集,用系统方法做AI,以目标为导向的正确性—— 短短几个月,就连创“中国第一”和“世界最大”。
“自由探索+目标导向”的智源模式
“两相结合,我们可以对科研保持更长期的耐心,同时在效率提升上力求再快一点。”张宏江说。
在科研创新方面,智源鼓励大胆的想法,并且乐于把最具创新的想法变成最有效的算法。在科技成果转化方面,智源要把最具商业潜力的技术,变成最具核心竞争力的生意。智源所做的一切,都是为了建设一个更加有活力的系统环境,促进更多源头创新。
AI发展离不开人才:“人工”在哪里,智能就在哪里
在本届全球性的人才峰会上,张宏江还表达了对优秀人才的渴求与尊重,他认为:“AI发展离不开人才,人工智能——“人工”在哪里,智能就在哪里。找到最好的人,并且相信他,卓越人才的使命感就是最好的KPI。”
智源不看title,不看论文数,不看很多复杂评价标准,只看是否取得标杆性成就,这种“代表作文化”是遴选相同信念人才的标准。张宏江也在本届峰会上发出对优秀人才的热烈邀请:“50多个岗位虚位以待,希望与科学家、创业者、年轻人一起,创造经得起时间检验的代表作,刷新人工智能科研与产业新高度!”
AI人才在北京,AI的未来一定看北京
最后,张宏江博士表达了对北京成为世界级AI高地的信心,“AI人才在北京,AI的未来一定看北京!”
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。