□相关新闻

N福建日报

作为我国最早发起举办的国际化人工智能会议，中国人工智能大会自2015年创办以来连续举办八届，已成为我国人工智能领域规格最高、规模最大、影响力最强的学术交流活动之一。今年大会吸引了众多行业专家学者、产业领袖相聚榕城，共话人工智能新技术、新思路，共享人工智能新成果、新未来。

“美国方案”的大模型，对我国形成了严峻挑战

22日，国务院参事、中国工程院院士、中国人工智能学会理事长戴琼海表示，当前，从中央到地方、从部委到机构、从研究到产业，全国联动正在推动人工智能技术和产业发展。

在戴琼海院士看来，大模型成为迈向通用人工智能的可能路径之一，采用“预训练+任务微调”方式，可以在无标签数据上进行学习，降低对标注数据的要求，实现性能突破性提升。但他也认为，以“美国方案”为主的大模型技术对我国形成了严峻挑战。

“已发布的国内外部分大模型技术，都是基于谷歌的Transformer技术。截至2023年5月，大模型和Transformer相关的知识产权总数有2899项，美国占据71%，我国仅占据25%。我国的大模型虽在模态类型或数据类型上有所扩展，但依旧面临严峻的知识产权壁垒问题。”戴琼海院士表示，人工智能技术的复杂度正在快速增加，大模型的训练代码量从2019年的万级增长到2021年的十万级。“留给我国的窗口期是有限的，形成‘中国方案’的通用人工智能技术已迫在眉睫。”

单纯基于数据驱动，ChatGPT模型具有局限性

同济大学校长郑庆华教授认为，以ChatGPT为代表的单纯基于数据驱动的模型具有局限性。“第一，过度依赖数据，可确保数据广度但无法保证细节；第二，过度消耗算力及能源，且内容难以保证意识形态安全；第三，它不知道自己错了，也做不到知错就改，知错能改。”

郑庆华表示，当前的人工智能技术还不适应边界不确定性、博弈强对抗性、响应高实时性、环境高复杂性、信息不完整性等场景，而这正是从“弱Al”向“强AI”甚至“超Al”发展进阶的引航。

郑庆华提出了“大数据知识工程”的概念，认为其将为“知识引导+数据驱动”的新一代人工智能提供技术支撑。“大数据知识工程的根本目的是实现知识生产自动化，将大数据转换为结构化知识库，破解信息爆炸、消除数据孤岛、持续释放数据红利。”

构建工业元宇宙，助力制造业升级

中国工程院院士、东北大学学术委员会主任柴天佑表示，工业人工智能还面临三方面挑战：复杂工业环境下多元信息的动态感知；让建模具备预测能力；决策与控制过程集成优化。对此，他提出通过工业人工智能、工业互联网等新一代技术与自动化系统技术紧密融合与协同，构建工业元宇宙。“构建和真实工业场景一样甚至更好的虚拟场景，不仅可以做到比人更快更好发现问题，还能代替工程师，将现场跟踪情况等迅速分析规划，使得决策能力更强。”

“基于此，未来制造企业将由资源计划、制造执行、控制系统三层结构变革为两层结构——底层是智能自主控制系统，上层是人机合作的智能化管理与决策系统。”柴天佑说。