返回首页
您的位置:首页 > 新闻 > CCF新闻 > CNCC

CNCC2024第三日,聚焦发展新质生产力,计算引领未来

阅读量:62 2024-10-28 收藏本文



10月26日,CCF常务理事,联想集团副总裁王茜莺主持上午报告。黄铭钧院士、Jan Peters、郑志明院士、冯登国院士、周俊先生、盛克华先生、王小川先生作特邀报告。吴飞教授主持大会论坛,侯万军研究员、陈熙霖研究员、王延峰教授、汪素南教授共议AI赋能新质生产力发展。




图片



特邀报告




特邀报告:黄铭钧《数据价值创造:从零到一,再到无穷》



黄铭钧

CCF会士,中国科学院外籍院士,新加坡国立大学李光前百年纪念讲席教授,浙江大学长江讲座(adjunct)教授


数字经济已成为把握新一轮科技革命、重塑全球经济结构的关键力量。数据作为数字经济的核心,被视为新型的生产要素,越来越多的国家正在积极推动其市场化流通,以期充分发掘并释放数据的潜在价值,实现数据驱动创新。然而,当前以数据管理为中心的数据库系统在面向数据要素流通和数据价值创造的目标时面临诸多挑战,包括难以高效地从海量数据中提炼出高质量且有价值的数据要素、难以确保数据要素在流通过程中的完整性和可信性、以及难以有效应对数据价值共创过程中的隐私风险等。在此次报告中,我将结合团队的研究工作,探讨面向数据要素流通与价值释放的新一代数据库系统。首先,我将介绍如何通过数据库与人工智能技术的深度融合,实现数据要素的智能提取。接下来,我将阐述如何构建可信的数据要素溯源机制,以保障数据要素的完整性、准确性和透明度。随后,我将进一步探讨如何安全高效地进行数据要素的共享与协作,进而有效释放数据的价值。最后,我将分享我们在科研成果转化领域的数据要素流通方案。


图片



特邀报告: Professor Jan Peters: Inductive Biases for Robot Reinforcement Learning



Jan Peters

德国达姆施塔特工业大学教授,德国人工智能研究中心(DFKI)部门负责人


能够在日常生活中帮助人类的自主机器人一直是机器人技术、人工智能和认知科学的长期愿景。实现这一目标的第一步是创造能够学习由环境背景或更高级别指令触发的任务的机器人。然而,学习技术尚未实现这一指令,因为只有少数方法能够扩展到高维操纵器或类人机器人。在这次演讲中,我们研究了一个适用于学习机器人运动技能的一般框架,该框架基于许多分析机器人方法背后的原理。为了完成机器人的强化学习,学习系统不能再探索所有可学习的解决方案,而是必须优先考虑一个解决方案,而不依赖于观察到的数据。这种优先排序需要明确或隐含的假设,在机器学习中通常被称为“归纳偏差”。推断新的机器人学习任务需要深深植根于一般原理和领域知识的归纳偏见,从机器人,物理和控制。对几个机器人系统的经验评估表明了拟人机器人手臂学习控制的有效性和适用性。这些机器人运动技能的范围从玩具例子(例如,划球,球在一个杯子里)到玩机器人乒乓球,杂耍和操纵各种物体。


图片



特邀报告:冯登国院士《机密计算:进展与展望》



冯登国

CCF会士,中国科学院院士,中国科学院软件研究所研究员


冯登国在演讲中分享了他对机密计算的认识与思考,他的报告主要包括以下四部分内容:机密计算发展历史:冯登国回顾了机密计算的发展历程,将其分为三个阶段:TPM/TCM阶段、TEE阶段和CC阶段。他强调了机密计算的两大基本功能:基于硬件的隔离保护和提供丰富的安全功能。机密计算研究现状:他分析了机密计算硬件安全、架构、关键技术、应用研究以及标准与测评等方面的当前研究现状。项目组成果:冯登国介绍了他的项目组在机密计算方面的成果,特别是弹性机密计算的概念。他提出了弹性机密计算的四个基本特点:防篡改能力、可证明性、机密互联和可恢复性,并详细介绍了这些特点。


他对机密计算的未来发展进行了展望,强调了弹性机密计算平台和TEE的重要性,机密计算在网络安全和企业隐私合规性中的潜在作用,机密计算应用的发展趋势,以及构建国产机密计算体系的可能性。


冯登国的演讲强调了机密计算在保护数据安全方面的重要性,并提出了弹性机密计算作为一种新的发展方向,以应对未来可能出现的各种安全挑战。他还提到了机密计算平台的技术实践,展示了其安全性、信任性和兼容性,并对未来的发展趋势进行了预测。


图片



特邀报告:周俊先生《蚂蚁集团基础AI技术的革新与应用探索》



周俊

蚂蚁集团智能引擎技术事业部副总裁


周俊在演讲中代表蚂蚁集团汇报了在基础人工智能领域的最新进展和探索。他强调了支付宝在提供便捷服务的同时,积累了深厚的技术能力,包括风控、绿色计算和智能助理等。蚂蚁集团在人工智能领域的技术创新主要集中在三大核心领域:连接技术、决策技术和大模型技术。


1.连接技术:以图神经网络为核心,提升了风控和推荐的精度和效率,通过高效的图采样机制和可解释的注意力机制,实现了对复杂关系的精准刻画。


2.决策技术:结合自动学习和因果推断,改变了处理复杂问题的方式,提供了深入理解复杂场景背后关系的能力,并支持精细化决策。


3.大模型技术:通过优化规模、效率和可信度,致力于打造高效、可靠的大模型。蚂蚁集团自主研发的千亿级百灵MoE混合专家模型,采用了路由专家与共享专家相结合的架构,提升了模型的浮点利用率和训练效率。


周俊还提到了后训练阶段的技术优化,以及如何提升大模型的效率和可信性。他强调了大模型技术在提升服务质量和推动行业发展中的作用,并展望了大模型技术的未来,提出了提升可靠性、经济性和易用性的重要性。


图片



特邀报告:盛克华先生《让出行更美好2.0—Robotoxi迭代之路》



盛克华

滴滴自动驾驶技术副总裁


盛克华分享了滴滴在基础人工智能领域的最新进展,特别是在自动驾驶技术方面。他介绍了滴滴的使命—让出行更美好,以及滴滴如何通过移动互联网技术改善打车难的问题。滴滴的发展沿着两个轴进行:地域扩展和连接不同的交通工具。


盛克华详细介绍了滴滴在自动驾驶领域的三个发展阶段:


1.技术关:滴滴正在构建全栈能力,包括硬件、软件、车端、云端、算法和工程。滴滴已经能够实现快速迭代,每天一个小版本,每周一个大版本。AI技术是L4自动驾驶发展的关键,滴滴正在利用端到端技术的优势,同时解决其安全性和解释性的问题。滴滴在北京、广州、上海进行路测,并逐步推进测试阶段。


2.量产关:为了实现规模化和商业化,滴滴需要实现车辆的量产。滴滴正在与合作伙伴广汽埃安共同设计和研发下一代量产车型,预计明年开始适配和使用。


3.运营关:运营一个大规模的无人车队是一个复杂的问题,涉及运营区域选择、车辆管理、人员管理等。滴滴通过三张地图选择运营区域,并建立运营中心来管理无人化车队。


盛克华还提到了滴滴在产学研合作方面的重视,以及滴滴如何通过合作解决实际业务问题和培养人才。最后,他展示了滴滴在自动驾驶方面的一些挑战性场景和测试视频,并期待未来能为更多用户提供Robotoxi服务。


图片



特邀报告:王小川先生《通用人工智能时代的展望与百川实践》



王小川

百川智能创始人、CEO


王小川分享了百川对通用人工智能(AGI)和AI医疗之路的思考。他首先回顾了从工业时代到智能时代的转变,并认为我们正在进入一个新的智能时代。他强调了语言变成数学的重要性,这是一个新的范式转移,因为语言是人类认知、理解和沟通的工具。


王小川提出了DIKW模型,解释了从信息时代到知识时代的转变,以及大模型如何帮助表达和沟通知识。他预测,未来20年内,生命科学也会变成数学问题,这将带来新的起点。


他讨论了技术的发展,特别是大模型时代的来临,我们正在创造能够替代人的智能。他认为医疗行业是AI应用中最重要的领域之一,能够充分发挥AI的潜力。王小川提到,医疗行业需要严谨性、推理能力、思考能力、多模态数据处理能力和人机交互,这些都是大模型可以提供的。


他介绍了百川的两个主要产品:AI全科医生和AI儿科医生,并强调了与北京儿童医院的合作,旨在院外为儿童提供全科医生和保健医生服务。王小川认为,这些产品能够帮助医学发展,推动从循证医学向精准医学的转变,并期待实现居家健康管理和医学科研服务的同步发展。


图片



大会论坛



图片


大会论坛由浙江大学求是特聘教授吴飞主持。吴飞介绍到介绍了大会论坛背景,并提到了诺贝尔经济学奖得主索洛的研究。索洛研究了国民经济发展到一定阶段后进入稳态的现象,并指出科技生产力,尤其是通用目的技术(GPTs)在推动经济增长中的关键作用。人工智能(AI)被视为一种通用目的技术。


吴飞强调了本次大会的主题:“发展新质生产力,探索计算的无尽未来”,并提到了历史上的其他通用生产力,如蒸汽机。蒸汽机经过长时间的发展,与纺织、交通和冶金工业结合,推动了工业革命。当前,我们尚未完全进入人工智能时代,而是处于“人工智能+”的时代。在“人工智能+”时代,新质生产力成为了一个重要的技术领域。演讲者提出,当天的讨论将围绕新质生产力的“新”、“质”、“力”的道与术展开,探讨这些概念的含义和实践方法。这表明大会将聚焦于AI如何作为一种新的生产力,推动社会和经济的发展,并探索AI技术的潜力和未来方向。


图片


本次大会论坛邀请到原国务院研究室科教文卫司原司长、浙江大学中国科教战略研究院副院长、浙江大学北京研究院副院长侯万军研究员;CCF会士、中国科学院计算技术研究所所长、国务院学位办智能科学与技术学科评议组召集人陈熙霖研究员;上海交通大学人工智能学院执行院长王延峰先生;上海浦东发展银行股份有限公司上海分行行长、正高级工程师汪素南行长。他们讲围绕四个议题进行讨论。


讨论议题1:如何理解新质生产力中的新、质、力的含义?人工智能是新质生产力的重要驱动力,加快发展新一代人工智能,对于抓住数字经济时代的机遇,加快形成新质生产力具有重要的意义。


陈熙霖在讨论中分享了他对新质生产力的理解,特别是从“新”和“质”两个方面。


陈熙霖提到,我们正处于一个百年未有之大变局中,工业社会经过数百年的发展,现在已经全面进入了信息社会,人工智能成为了主导力量。因此,“新”体现在需要使用新的信息技术和智能技术。他强调“质”的变化,生产力(productivity)在新质生产力(new quality productive forces)中被翻译,这里的“forces”强调了作为新生产力发展的推动力。发展的新技术旨在改变传统的生产模式,不是完全摒弃过去,而是要提升到一个新的台阶。陈熙霖提到,智能技术,特别是人工智能+,需要渗透到各行各业,这是新质生产力的核心。这种生产力是推动生产发展的重要力量,也是人工智能技术受到高度重视的原因。


陈熙霖认为新质生产力强调了信息技术和智能技术在推动社会发展和改变传统生产模式中的关键作用。


王延峰在讨论中分享了他对新质生产力的理解和认识,他将新质生产力分为“新”、“质”和“力”三个方面:


新(创新):技术创新:王延峰强调人工智能(AI)作为通用目的技术(GPT)在推动社会进步中的作用,认为AI带来的革新和变化是新质生产力的重要组成部分。模式创新:他提到资源要素的重新配置或优化配置是模式创新的一种方法。思维和思想创新:面对新的形势和挑战,需要在思维和思想层面进行创新。


质(质量与效能):王延峰认为新质生产力应该追求更高的质量和效能,这与传统模式不同,需要提高投入产出比,提升经济推动的效率。


力(推动力):他强调新质生产力需要对实体经济和整个经济产生最大的推动力,形成强大的动力,推动经济发展。


王延峰提到AI技术经历了多次起伏,特别是从2022年ChatGPT带来的大模型变化,预示着AI技术可能即将进入一个新的发展阶段。


对于新质生产力的“力”方面,需要坚持长期主义,推动AI与实体经济的深度融合,从而在长期内为实体经济带来更大的动力和助力。他引用了比尔盖茨的话,提醒人们不要高估新技术短期内的创造力,同时不要低估其长期内的破坏力。


汪素南提到生产力的大小可以通过四个主要参数来衡量:土地、劳动力、资本和技术。他强调,虽然土地、劳动力和资本与生产力的关系不一定是完全线性的,但技术变量对生产力的影响是指数级的。他认为新质生产力可以通过高新技术和绿色发展来推动经济发展。在这个定义中,高科技和绿色发展是新质生产力的关键组成部分。汪素南进一步狭义化新质生产力的定义,认为AI+各行各业构成了新质生产力。他引用了高盛的预测,说明AI对全球GDP增长的潜在影响,特别是在美国经济中AI可能带来的GDP增长。他提到英伟达的销售预测和其对GDP增长的潜在贡献,以此来说明AI技术如何推动经济增长。


汪素南强调,从经济学的函数定义出发,到新质生产力的狭义定义,再到最狭义的AI+各行各业,AI技术是推动新质生产力增长的关键因素,特别是在银行业等各个行业中。


议题2:在促进基础科学研究范式变革与赋能实体经济发展的过程里,人工智能所起的作用是否不同,如何发挥人工智能的最大作用。从不同的角度看,基础科学研究和实体经济如何被人工智能拥抱,如何被人工智能触发它的范式变革。


陈熙霖在讨论中提到了今年诺贝尔奖对人工智能领域的影响,他指出物理学奖和化学奖的颁发显示出科学界对人工智能研究的启发和贡献的认可,这是Science—AI的一个例子。诺贝尔奖强调了在基础研究方法上的贡献以及这些方法在预测上的应用,展示了Science—AI在科学研究中的重要作用。人工智能被视为一种强大的引擎,能够加速科学研究的进程,类似于微积分在科学技术发展中的作用。与过去提升人类体力的技术不同,人工智能的目的是提升人类的脑力,这在科学研究和工业生产中都有应用。人工智能已经在无人工厂和黑灯工厂中得到广泛应用,并且随着技术的发展和成本的降低,它将对更多实体经济产生影响。对于同类型的企业,那些率先拥抱人工智能的企业可能会在下一轮竞争中获得优势。


陈熙霖认为人工智能不仅在科学研究中发挥着重要作用,而且在实体经济中也具有巨大的潜力,能够推动各行各业的发展和创新。


王延峰在讨论中提到了今年诺贝尔奖对人工智能领域的影响,他指出:物理学奖和化学奖的颁发给了从事AI研究的科学家,这表明了科学界对AI领域的认可,也给了AI领域从业者更高的期待。这被视为人工智能技术发展的一个重要里程碑。王延峰提到,物理学奖更多地体现了Science—AI,即人工智能在基础科学研究中的应用,尤其是在物理学领域的启发作用。他强调了AI在推动科学研究方面的重要性,认为AI不仅是一个工具,而是能够加速科学研究进程的新质生产力。王延峰提到,尽管AI在基础研究中的作用已经得到了认可,但在实体经济中的应用还需要时间来发展和成熟。他提到了全球在算力方面的投入与生成式AI产生的价值之间的反差,暗示了AI技术在实体经济中应用的潜力和挑战。长期主义的推动:他认为,要实现AI在实体经济中的广泛应用,需要耐心、耐力和长期主义的推动,以及对AI+赋能各行各业的长期投入。王延峰认为人工智能作为一种新的生产力,正在推动科学研究和实体经济的发展,但这个过程需要时间和持续的努力。


汪素南在讨论中提到了诺贝尔奖在物理学和化学领域授予AI专家的现象,并从物理学和化学研究的成熟度和AI领域的热度两个角度进行了解释。汪素南比喻说,物理和化学的研究已经达到了一个高度成熟的阶段,就像一座大楼已经建造完成并且装修好了,暗示这些领域的研究可能已经接近饱和,难以有更大的突破。他指出AI是一个非常热门的领域,其对经济的贡献巨大,例如通过AI技术,美国每年可以将GDP提高3个百分点,并且在未来20年内都将持续保持这种增长势头。


汪素南以一个旁观者的角度,提出了自己对诺贝尔奖授予AI领域专家的看法,认为这反映了AI作为一个新兴且具有巨大潜力的领域,正在得到科学界的高度认可。


议题3:全面建设社会主义现代化国家的进程之中,我们已经知道教育是基础、科技是关键、人才是根本,如何理解教育科技人才三位一体的发展与现在我们需要的发展新质生产力和形成新质生产力的关系?


陈熙霖在讨论中强调了教育、科技、人才一体化发展的重要性。陈熙霖认为,人才是推动科技发展的关键,而人才的培养依赖于教育。教育需要满足社会和科技发展的需求,形成相互依赖的循环关系。他指出,教育、科技、人才的一体化发展是历史的趋势。现代大学的发展与工业社会的需求紧密相关,而在信息社会中,科技的发展也对教育模式提出了新的挑战。陈熙霖提到,AI+的发展需要相应的人才支持,教育体系需要进行变革以适应这一需求。人工智能教育可能成为新的数学,需要解决基础教育问题。他认为人工智能教育有不同的相关侧面。对于研究者来说,人工智能是一个研究对象,而对于其他专业则是一个应用工具。陈熙霖强调,科技与教育的协调发展是避免人工智能发展起伏的关键。只有协调发展,才能在新质生产力上发挥有效作用。他提到中央政府反复强调教育、科技、人才需要一体化推进和发展,以实现新质生产力的提升。


陈熙霖认为教育、科技、人才的一体化发展是实现新质生产力发展的关键,需要教育体系的相应变革和各方面的协调发展。


王延峰在讨论中强调了教育、科技、人才一体化推进的重要性,这是二十大提出的高瞻远瞩的战略。他认为,教育、科技、人才的联动和转换需要加速,这不仅仅是部门间的协调,而是需要相关部委之间的一体化推进。特别是在AI领域,顶级人才的培养和科技创新需要更好的教育体系。他指出,天才式选手能够创造科技突破,这些突破又能快速反馈到教育中,形成良性循环。王延峰认为,面对新的重大形势和战略目标,教育科技人才的一体化加速转换和协同对于推进新质生产力的发展至关重要。


汪素南在讨论中提出了两个关于人工智能(AI)的哲学和生产力问题。第一个问题是关于AI的哲学基础,他通过银行信任的例子来说明哲学基础的重要性,并询问AI的哲学基础是什么。第二个问题是关于AI在精神产品生产上的优势,他指出现代社会对物质的需求有限,而精神需求无限,询问AI如何在精神产品生产上发挥作用,以及如何帮助精神产品成为主要的产品。汪素南希望听到专家们对这两个问题的看法。


议题4:三位一体前提下,我们要一体推进教育、科技、人才改革,最大的难点是什么?


陈熙霖在讨论中回应了汪素南提出的关于人工智能信任基础的问题,他认为人工智能的信任可能类似于人们对保险公司的信任。他还提到人工智能在精神产品生产上的优势,如便捷性、易用性和个性化。陈熙霖强调了人工智能在教育和各行各业的应用,提倡“人工智能+”和“+人工智能”的模式。


王延峰补充了对人工智能哲学基础的看法,认为目前以大模型为代表的人工智能发展阶段可能还无法完全回答这个问题,但人工智能可能已经到了可以探索其基本原理的阶段。他提到上海交通大学人工智能学院的成立,旨在探索人工智能的基本原理,并邀请有兴趣的人才加入。


主持人吴飞总结强调了计算机角度考虑的问题引起社会共鸣的重要性。


图片

陈熙霖研究员


图片

王延峰教授


图片

汪素南教授