谷歌云(Google Cloud)首席技术专家马特·兹沃伦斯(Matt Zwolenski)参加了社区组织举办的TEDx Talks,在节目中,Matt认为,AI技术的发展和应用将深刻影响多个行业,提高效率和生活质量,并强调了AI与人类合作解决复杂问题的重要性。

Matt在演讲中强调了人工智能技术发展的重要性,特别是它使非专业人士也能够利用强大的机器学习工具。他提到,仅仅在几年前,AI技术的应用还仅限于拥有博士学位和数据科学背景的专家,然而,随着生成式AI的出现,现在任何能够进行谷歌搜索的人都可以编写提示(prompt),从而利用地球上最强大的机器学习AI。
在医疗领域,AI技术的应用正在彻底改变医患体验。通过智能手表或智能戒指等可穿戴设备,可以持续监测我们的健康数据,这些设备甚至能在我们自己意识到之前预测疾病,他提到,现在有初创公司正在开发个性化医疗的概念,未来每个人都将拥有一个“个人医生”,它能够整合所有健康信息,分析数据,并在需要时提供最佳决策建议,这种个性化医疗服务的前景是真实的,并且正在迅速向我们走来。
Matt强调了蛋白质折叠对于维持人类健康和生命活动的核心作用。他解释说,蛋白质是构成人体细胞和组织的基本成分,它们执行着广泛的功能,从催化生化反应到构建细胞结构,再到传递信号和调节细胞活动。蛋白质的功能很大程度上取决于其三维结构,这种结构是由氨基酸链按照特定的顺序折叠而成的,这种折叠模式是精确而复杂的,对于蛋白质的功能至关重要。当蛋白质不能正确折叠时,它们可能会聚集在一起,形成有害的团块,这些团块与多种神经退行性疾病有关,例如阿尔茨海默症和帕金森症,这些疾病不仅对患者个人造成巨大的痛苦,也给家庭和社会带来沉重的负担。他还指出,蛋白质折叠的问题不仅限于人类健康,在农业领域,作物病害和牲畜健康问题往往与蛋白质功能异常有关,例如,某些作物病害是由病原体中的蛋白质异常折叠引起的,这不仅影响作物产量,还可能通过食物链影响到人类健康。
Matt提到了传统蛋白质折叠研究方法的局限性。他指出,这些方法非常手动,需要大量的时间和精力,使得研究进展缓慢,效率极低,如果按照目前的研究速度,即使全球所有的博士生都投入到这项研究中,也需要长达55000年的时间来解决所有蛋白质的折叠问题,这个数字不仅令人震惊,也凸显了传统方法在面对如此庞大和复杂的任务时的无力感。他提到,幸运的是,随着人工智能技术的发展,尤其是谷歌DeepMind团队开发的AlphaFold,我们有了一种全新的工具来应对这一挑战。AlphaFold利用计算机模拟和人工智能技术,能够预测蛋白质的折叠结构,极大地缩短了研究时间,从原来的数年缩短到几小时,这无疑是一个巨大的突破。
通过云技术的应用,AlphaFold还能够并行处理多个蛋白质,这使得研究者能够同时研究多个蛋白质的折叠问题,这种并行处理能力极大地提高了研究效率,使得科学家们能够在短时间内探索更多蛋白质的结构,从而加速了对疾病机制的理解以及新药的开发,这种技术的应用,不仅加速了单个蛋白质研究的进程,还促进了全球科研社区的合作,为解决全球性的健康挑战提供了一个全新的解决方案。

在教育领域,AI技术的应用同样具有革命性。传统的教育模式几十年来变化不大,通常是一个老师面对30名学生,很难满足每个学生的个性化需求,但现在,AI可以被用来创建定制化的测验和学习计划,适应每个学生的学习速度和风格。Matt描述了一个场景,其中老师更像是一个控制塔,监督学生的参与度和学习进度,而AI则负责制定学习计划和教学内容,这种模式有潜力让教育更加包容,确保每个学生都能得到他们需要的关注和资源。他还提到了AI技术在全球范围内的潜力,特别是在那些最需要教育资源的地区,他分享了在摩洛哥的经历,那里的孩子们尽管生活在极度贫困中,但仍然能够通过智能手机接触到技术,通过创新和AI技术的应用,我们有可能重新激发全球范围内的学习者,为他们提供更加公平的教育机会。
Matt强调了AI技术发展对创新速度的推动作用,他指出,随着技术的不断进步,创新的周期正在以前所未有的速度缩短,过去可能需要20年才能实现的创新,现在可能在几年甚至几个月内就能完成,这种快速的变化给组织带来了挑战,它们需要跟上技术发展的步伐,才能有效地将新技术应用到业务中,许多组织在适应这种快速变化的技术环境方面存在困难,这不仅影响了它们的竞争力,也影响了它们的生存能力。
对于年轻人来说,Matt建议他们在选择职业道路时,应该寻找那些能够适应并乐于接受快速变化的组织,那些已经存在了10年或15年的组织可能并不适应当前快速变化的环境,而那些能够灵活调整结构、产品和服务的公司,以及那些能够迅速调整战略以适应新技术的公司,更有可能在未来的市场中取得成功。他进一步解释说,在AI技术不断进步的今天,即使是最新的技术产品也可能在6个月内过时,因此,持续学习和适应新技术的能力变得至关重要,他鼓励年轻人建立终身学习的心态,准备好在技术产品完成后不久就面对新的、意想不到的挑战。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。