中国移动集团首席科学家冯俊兰博士日前出席中国科学院大学经济与管理学院举行的“MBA数字经济发展与治理论坛”系列讲座，并作《漫谈大模型的本质》主题报告。
当前，人工智能技术在通往通用智能的路上突飞猛进，核心技术加速突破，智能化应用更是日新月异。在这种形式下，应该如何更好地成为智能化时代的创造者和弄潮儿？冯俊兰博士在报告中从分析大模型的哲学基础出发，讨论当代人工智能技术的特色、演进方向、以及人工智能深层落地的范式。
人工智能哲学基础
人工智能的发展始终与哲学思考交织，符号主义、联结主义、行为主义三大哲学学派，构成了AI技术的理论底座。以联结主义为基础构建的深度学习是当代AI技术的主要特征，2021年后与符号主义结合的趋势显著增强。
冯俊兰博士指出，中国哲学中的去具象化、包罗万象、能力提升、出淤泥而不染等思想，与大模型“无预设目标却涌现全能”的特性高度契合：既需空掉具象化任务束缚，又要囊括海量各种数据；既要实现智能泛在，又要保持核心稳定。
当前大模型存在多种问题，例如人机协作不够顺畅，存在幻觉，稳定性有待加强，模型间合作存在阻碍，能力广却不够专精等等。通用智能的发展演进将是一个长期过程，首先从单点的智能化走向系统的智能化，尤其是复杂系统的智能化，例如在农业、石油化工、医院等行业领域的深入智能化；然后走向宏观系统的智能化，例如社会治理与经济决策的智能化；再走向具身世界的智能化，突破“虚而不具”的困境，向物理世界渗透，最终实现人类文明的升级。
当代人工智能技术的特色
当代人工智能技术以大模型为基础，大模型与小模型的本质区别远不止参数规模的差异。可以用“无限任务承载者”来描述大模型的本质：其突破在于构建通用智能基座，实现文科（文案创作、政策分析）、理科（代码生成、数学推理）、艺术（多模态生成）、道德（价值观对齐）的全域能力融合，实现“文理兼修，德艺双馨”。
冯俊兰博士以中国移动九天大模型为例，介绍了典型的基础大模型体系。九天大模型包括语言大模型、深度思考大模型、视觉大模型、语音大模型、结构化数据大模型、多模态大模型等六个系列，提供全规格参数量版本，适用于云边端各类应用场景。九天基座模型作为业界首个直接面向行业构建的L0基础大模型，展现出四大特色：
一是自主创新，九天善智多模态基座大模型是以长期深厚技术积累为依托，自主训练的生成式人工智能大模型，实现了大模型数据构建、预训练、微调、推理等全链路核心技术自主创新；
二是全栈国产化，九天善智多模态基座大模型是基于万卡国产算力集群和国产算法框架训练的全栈国产化全模态基座模型，适配了11个厂家17款国产AI芯片，支持模型在异构芯片间的平滑转化和续训；
三是体系化AI原创技术，面向日益丰富的智能化业务需求，依托算力网络禀赋优势，在开放环境中可实现AI能力的灵活高效配置、调度、训练和部署；
四是复杂系统智能化能力，对于通信、能源等重点行业的关键生产、管理、运营环节，可深度理解复杂业务逻辑，将智能与行业应用进行有机深度融合。
大模型技术的突破带来生产力重构。长文理解与生成能力可理解超十万字文档并生成专业报告，大幅提升信息处理及决策效率。全双工语音交互能力支持方言翻译与即时打断，可广泛应用于智能客服及个人助理等场景，为用户带来全新的交互及服务体验。多模态创作能力通过少量提示词（可多语种）即刻创作出高质量、高清晰度、高创意性的图片与视频，实现“东方美学理解”。结构化数据的深度洞察能力支持大规模多类型结构化数据分钟级处理分析，具备复杂数据理解和逻辑推理能力，服务复杂系统智能化，为业务决策提供前瞻性依据，推动产业向着更加智能化的方向发展。
人工智能深层落地的范式
冯俊兰博士指出，人工智能落地范式从X+AI向AI+X转变，二者在作用、构建方式、驱动模式、效果各方面具有显著差异。X+AI侧重于点状赋能，面向单个任务构建，由底向上驱动，局部提质增效；而AI+X核心是以通用人工智能技术重构业务内核，实现全新业务形态与模式。AI+X在生产领域，能够重塑生产方式、再造生产流程；在生活领域，能够促进产品形态、交互方式、客户体验等全方位系统性变革；在治理领域，能够助力实现泛在可及、智慧便捷、公平普惠的智能服务。
报告最后，冯俊兰博士分享了人工智能深度落地面临的五大难点。一是如何让AI的落地价值远远大于研发投入。二是AI的智能化转型是一个中长期过程。三是AI行业落地商业模式需要突破。四是现有行业的核心生产系统复杂繁杂、多代技术并存。五是如何高效低成本地产生AI应用和智能体。要理解并推动解决这些难点，才能真正实现AI+X的深度赋能及价值闭环。
报告过程中，冯俊兰博士与国科大师生进行了广泛的互动交流，她鼓励青年学生要积极主动学习，做好准备迎接和拥抱通用智能时代。
问答环节
问题1：怎样看用大模型促进超大规模、超高速网络的规划？
回答：一是考虑怎样做到在降低费用的同时保持好网络的质量，我们通过大模型来解决网络运营运维的问题。二是考虑怎样赋能通信网内核的变化，我们把对无线信号的仿真和AI的仿真放到一个系统里，对传统的人工规划进行升级，实现AI智能化网络仿真。接下来，5G-A和6G将成为智能化、天地一体、通感一体的智能网络，通信网络会演进成智能原生的网，以后的AI计算会是在网计算，我们希望通过智能化的网络基础设施助力各个产业升级。
问题2：AI的应用可能会被用于诈骗等风险行为，怎样减少或规避这样的问题？
回答：AI确实带来了一些安全方面的风险和挑战，需要从两个方面共同推进解决。一是从AI安全技术的角度，需要不断提升对AI生成内容及AI伪造行为的检测能力。二是从法律法规的角度，要求对AI生成的内容打上标记，现在国家也出台了这方面的规定。
问题3：作为使用AI的企业，怎样避免由于AI技术的快速迭代导致前期技术投资浪费或贬值的风险？
回答：其实不管是企业内部的投资，还是风投企业都面临这样的问题。快速变化就是这个时代的特征，要去适应技术的变化。一方面，要尽量降低基座模型的替换成本，建立稳健的平台层，底层模型的替换不影响上层的业务应用。另一方面，要控制对新技术效果的预期，一个新技术未必能够解决企业应用落地中的实际问题，因此不必盲目跟风新技术的升级，而是要基于技术创新与业务场景结合，深入打磨构建切实有效的智能应用。
问题4：AI技术在不断的演进升级，未来人类要确保自身的安全，对AI的核心控制力是什么？是控制它的能源、控制它的算力，还是其他要素？
回答：AI虽然很强大，但它有算力、算法、数据等各种要素，因此它并不是一个失控的问题，有很多方法可以解决。一是利用SFT、RLHF等对齐技术强化AI与人类的偏好、三观以及安全理念进行对齐；二是构建人机协同的模式，将人类想做的和机器想做的事情融合起来。我相信AI的发展会促进社会更加平等，会向好的方向演进，在这个过程中需要通过各种技术和工具将它变得可控。
问题5：AI会不会发展出创造力，实现类似人类的探索和发明能力？现在感觉AI还没有那么智能，还是在基于人类已有的知识体系进行计算？
回答：我觉得AI会发展出创造力。要看创新的本质是什么，有很多种创新，目前组合式创新已经做的很好了，比如让AI生成图片或者做方案；但有些创新模式它还没有掌握。由于AI和人类大脑的构造不同，可以理解为一个是硅基生命、一个是碳基生命，AI的智能和人类的智能有差异，因此需要考虑怎样是更好的人机协同方式。相信AI的发展会让更多人成为创造者，去做创新、创作类的工作。
AI现在还没有那么智能，是因为它只“读了万卷书”，还没有“行万里路”，而具身智能的发展会帮助它“行万里路”，进而提升它的智能水平
