漆远认为,scaling law还有红利,但是基于transformer(注:变压器)自回归架构的大模型不足够走到通用人工智能,无论是从AI技术本身角度还是从能耗的角度而言。未来要要把人工智能的逻辑推理为代表的符号主义和深度学习为代表的联结主义结合在一起,融合知识规则、数字世界与物理世界里的数据,去探索与发现世界里的未知规律。今天的深度学习是对数据的模拟和压缩,擅长对观测数据的概率内插预测,并不擅长对数据之外的外插推演,更不擅长多步的逻辑推演。而爱因斯坦的大脑,作为人类智能一个巅峰体现,结合有限的物理观测数据、自己的“合成数据”和黎曼几何等数学工具,提出狭义和广义相对论,适用于广阔的宇宙。漆远认为实现通用人工智能的最好标志之一就是实现 “AI爱因斯坦”,发现复杂世界的未知规律。 今年9月新学期复旦将推出“AI大课”,漆远参与打造“AI-BEST”课程体系中的“AI-T”垂直领域应用课程,上智院6楼将成为课程实训主要空间。“我们在项目实习中培养学生。不是传统的‘拿着锤子找钉子’,而是在项目中提升学生人工智能的实践能力和理论知识。”漆远介绍,“只有知识还不够,要真正地理解社会、产业的需求在哪里,以逆向思维牵引底层能力的培养,比如新能源、新材料、金融、健康、农业等等。从这些领域倒推、打造AI工具,构建垂直领域的可信大模型,这是未来越来越重要的方向。”详情