以人工智能为代表的新一轮产业革命的序幕正徐徐展开。从ChatGPT兴起引发百模大战,到Sora的惊艳表现,AI技术的迅猛发展不断刷新着我们的认知边界。这也引发了人们对于未来的深思:在AI的智能化浪潮中,人类是否将被取代?随着AI能力的日益增强,它是否会失控,甚至威胁人类? AI未来将会向哪个方向发展?
在3月15日举行的“华为云&华为终端云创新峰会2024”期间,华为常务董事、华为云CEO 张平安,微博COO、新浪移动CEO 王巍、CSDN创始人蒋涛等行业大咖业就AI大模型的趋势、热点和产业落地展开了一场精彩的思维碰撞,共探AI技术的未来发展之路。
B端还是C端:AI将在哪个方向首先获得大规模成功?
2023年被视为大模型元年,2024年则被称为应用元年。在这一背景下,B端和C端的应用与发展成为讨论的焦点。究竟哪个方向会首先获得大规模的成功?
王巍认为,从规模来讲,依托庞大的用户群体,大模型更容易在C端获得成功。AIGC将在C端引领一种全新的交互方式,这种交互方式将超越传统的社交平台,更加注重个性化和智能化。同时,设备形态也可能发生变化,不再局限于手机端,会出现多种更适合大模型应用形态的硬件设备,再融入如模型参数整型化等先进的模型轻量化技术,AIGC会快速广泛融入多类型硬件生态中,苹果的Vision Pro便是一个例子。而微博此前上线了一个用AIGC开发的评论机器人-评论罗伯特,也引发了广泛关注,频繁登上热搜。
张平安则认为,从大规模来看,AI在各个领域都能成功。但人工智能在B端的价值、发挥的作用、带来的商业成功或超C端。
“过去一年,各领域都通过AI的方式、大模型的方式思考行业的创新,积极拥抱AI。去年华为云发布面向气象、金融、政务、制造、矿山、铁路等行业的盘古大模型后,很多客户已经接入并取得了很快的增长。”张平安说。
例如三峡在气象领域关注的是能否对来年的区域气象环境、降雨量进行更加准确的预测以提前做电量筹划,而航空公司则关注是否可以对航线沿途的抖动和颠簸做精确的监测,进而完成载油量的调节及路线规划。
华为云盘古气象大模型研究成果去年在《Nature》正刊发表,是近年来中国科技公司首篇作为唯一署名单位发表的《自然》正刊论文。此外,盘古气象大模型入选了国家自然科学基金委员会发布的2023年度中国科学十大进展并位列第一。
张平安认为,五年内千行万业都将用AI进行重塑,这是确定趋势。对于以数字技术为引擎的科技公司来说,如果不能及时引入AI思维,可能会被竞争对手抛在后面。未来,大模型在B端的应用将变得更加广泛和深入,将成为各行业提升效率、优化流程、创新业务模式的重要工具。
AI与人类关系之辩:控制or合作?
人工智能的迅猛发展正改变着我们的生活与工作方式,然而,这场技术革命也带来了不少疑虑。
对于未来的人工智能是否会受人类的掌控,与会者普遍保持乐观,认为在可见未来,人类依然有能力掌握其发展。王巍指出,技术带有价值观,人工智能还是要为人服务的,至少可见的未来,人类还是可以掌控人工智能的。
张平安还从技术的角度出发,提出了确保人工智能受控的关键措施。他强调,我们在AI系统设计时,需要在人工智能的所有自闭环中加入控制的环节;此外,电力等关键控制权也不能交给人工智能,以确保其始终在人类的掌控之中。
AI在写诗、绘画等领域逐步取代人类已经成为共识。然而,当我们将目光转向程序员、设计师、医生等更为复杂和高端的脑力工作领域时,不禁要问:未来三年,大模型会取代这些脑力工作者吗?
王巍表达了他的观点,未来三年内,在基础工作方面,尤其是涉及感知能力的任务,AI尚不能完全替代人类。
“技术发展的本质是帮助人类更好地完成工作,比如电网巡检、煤矿井下作业,制造业工艺优化等,AI可以让工作更安全高效。”张平安说,“但对于工程师这类工作,代码编写可能会被AI取代,但工程设计和创新思维仍需要人类为主。
AI的尽头是基础设施,中国的综合算力设施具有竞争力
今年以来,关于中美两国人工智能发展的差距讨论不断。
张平安从数据、算法、算力这三个AI发展的核心维度进行了深入的分析。
他认为,虽然目前中国算力与美国还略有差距,但AI的尽头是电力、网络基础设施等资源,中国在电、5G、光纤网络上具有优势,可以换条路从综合算力设施来竞争。在算法方面,中国的学生是非常优秀的,Sora背后就有很多中国研发人员,他相信在算法上不会输。而从数据维度来说,中国在数据公开和共享方面还有待加强,随着企业的数字化、智能化转型,未来数据质量有望提升。
在张平安看来,通过发挥在电力、网络等基础设施方面的优势,加强算法研究和人才培养,中国有望在人工智能领域实现更大的突破和发展。
好文章,需要你的鼓励
最新调查显示,近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点,同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点,但投资回报率仍不明朗,近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
红帽公司宣布收购伦敦AI公司Chatterbox Labs,该公司专注于模型测试和生成式AI护栏技术。此次收购将为红帽AI产品组合增加自动化AI风险评估、安全测试和治理功能。Chatterbox Labs的AI风险指标帮助企业验证数据和模型是否符合国际法规,提供模型无关的稳健性、公平性和可解释性测试。收购将增强红帽的AI安全能力,包括生成式AI护栏、模型透明度和预测性AI验证等功能。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。