在今天的主旨报告环节，我们邀请到人工智能领域的重磅学者与资深专家，相信通过各位精彩的报告，会给大家带来深刻的启发。下面让我们有请今天的第一位演讲嘉宾，2007年图灵奖得主，中国科学院外籍院士约瑟夫·希发基斯先生，他将为我们带来主题为《工业人工智能的机遇和挑战》的线上演讲，请看大屏幕！[ 2024-11-05 15:26 ]
很高兴在这里跟大家分享工业人工智能的挑战与机遇。首先，信息通信技术和人工智能一直平行发展，几乎没有互动，直到本世纪初。大家看到的这页PPT是关于数字融合的，这是把系统和服务集成到计算机的趋势。预计人工智能将在建立物联网和自主系统方面发挥重要作用。我认为，人工智能的成功与否取决于它在构建智能系统和实现终极数字融合方面的贡献。[ 2024-11-05 15:27 ]
人工智能作为科学学科出现是在1956年，目的是研究和开发模仿人类智能的系统。研究方法有两种：一种是基于逻辑和语言的符号化的、理性的方法，另一种是“连接”方法，灵感来源于人类大脑的人工网络，这种方法后来过时了。现在，人工智能的重大飞跃莫过于大语言模型，简称LLM，例如 ChatGPT，这是市场范式的转变，因为它给一个延续了几十年的问题提供了务实的解决方案，该问题就是自然语言的处理。我想强调，像ChatGPT这样的大语言模型擅长回答宽泛的问题，但在面对非常具体的问题时，可能无法提供准确的答案，进而产生错误的结果。它的可靠性不够高，无法完全智能。[ 2024-11-05 15:27 ]
此外，关于人工智能的终极目标，还有很多疑惑。媒体和大型科技公司宣扬只需数年便可实现人类水平的人工智能，这加剧了大家的疑惑。有些人认为通用人工智能（AGI）就是人工智能的终极目标。我想说，通用人工智能这个术语定义不清晰。我们不知道它的确切含义。不管怎么说，这一观点是：机器学习就是终极目标，不需要更多了。还有一部分人包括我，认为人工智能的终极目标是能达到人类水平的智能机器，也就是说有能力理解世界并根据目标而行动。我认为，现有的一些机器在执行特定任务方面超越了人类，令人惊艳。然而，它们在情景意识、适应变化和创造性思维方面无法超越人类。在我看来，人工智能还处于初级阶段，尽管取得了进展，我们也看到了生成式人工智能的出色表现，但现在只有构建智能系统的积木，没有建立复杂智能系统的原则和技术。[ 2024-11-05 15:28 ]
人工智能目前专注于辅助。就我个人而言，我看到了人工智能系统的三种不同用途：一是助手，也就是对话系统，你提问题，它回答；二是监控，监控系统行为并预测或分析，三是自主系统的智能体，也就是控制器，能够持续与环境交互。我认为自主系统是人工智能发展的终极阶段。人工智能的产业进化才刚刚开始，我们成功与否将取决于我们开发人工智能体和建立自主系统的能力。这张幻灯片展示了Gartner于2023年7月研究的炒作周期（Hype Cycle）。这本质上说明没有单一的人工智能，而是有许多不同成熟度的人工智能。这条曲线是人们在时间纬度上对创新技术的期待，例如，大家可以看到，计算机视觉正在成为一项较为成熟的技术。而其他不太成熟的人工智能应用，甚至还处在这条曲线的起始阶段。[ 2024-11-05 15:28 ]
下面我谈一谈自主系统。我认为，这个概念现在已经很好理解了。自主系统会逐渐用自主智能体取代人类，在复杂的组织中执行各项任务，正如物联网所设想的那样。这些自主系统支持智能系统的范式，远超我们现在的机器学习系统，机器学习系统只是一个专门的系统，例如，你现在不能用大语言模型安全驾驶汽车。它们只是智能体的分布式系统，应该展现出更广泛的智能，当然它们通常也是关键系统。目前自主愿景的实现遇到一个阻碍，即人工智能系统的不可解释性以及棘手的系统工程问题，之所以棘手是因为自主系统非常复杂。[ 2024-11-05 15:28 ]
目前，建立这样的系统有两种不同的技术路径：一种是传统的基于模型的关键系统工程，一种是端到端工业人工智能解决方案，比如特斯拉正在使用一个巨大的神经元网络来建立自动驾驶汽车的自动驾驶系统。这两种路径都不令人满意。传统的基于模型的方法面临着复杂性问题，端到端的人工智能方法又不够安全。现在，人工智能还面临着其他障碍。重点是我们能在多大程度上信任人工智能系统。这其中也牵涉重要问题，如我们是否认为人工智能系统足够安全。我希望大家能认真理解人工智能安全这个概念，这是国际首脑会议和联合国审议的议题。[ 2024-11-05 15:28 ]
另一个问题是人工智能系统是否满足主观的、以人为中心的属性。有人建议人工智能应与人类价值观一致。如果你去看大型科技公司的网站，会发现他们提到负责任的人工智能，其特征是一系列属性，如公平，诚实，问责。但这些属性现在无法评估。把这些属性归属于人工智能系统固然合理，但问题是我们能否严格检查这些属性。我们对此没有任何理论。自动驾驶汽车什么时候才能足够安全？我们不知道。我们需要一些理论。模拟几十亿个思维是不够的。这还不够。此外，我们必须使用基于知识的技术来弥补缺乏更强可信度保证的不足。还有其他技术挑战，例如，我们需要为人工智能系统提供认证标准的标准，我们现在还没有。[ 2024-11-05 15:28 ]
人工智能面临的另一个障碍是：很多公司投入了大量资金开发人工智能系统，但投资回报并不令人满意。我们是受限的，为什么？因为人工智能受限于应用程序——需要人参与的对话型应用程序，还有巨大的潜力没有开发出来。企业投入了大量资金，例如，ChatGPT每天的成本超70万美元，值得较大的回报。但我不认为它现在做到了。分析师表示，如果商业回报一直像现在这么少，巨大的人工智能泡沫将破裂。接下来谈一谈挑战和机遇。[ 2024-11-05 15:28 ]
我认为，人工智能现在面临的最大挑战是系统工程，因为我们必须引入、整合服务、电器、设备和人工智能系统。问题是怎么做？我刚才说了，我们不知道人工智能系统是如何工作的，所以原则上我们无法信任它。因此，问题是如何用不可信的部件组成可信的系统，组成一个我们说的混合架构？另一个问题是如何将符号知识和非符号知识联系起来？人工智能系统处理传感器信息，也就是基于数据的知识，但对于决策或者接近人类意图，需要符号知识。这是一个待解决的问题。[ 2024-11-05 15:28 ]
我们在构建人工智能系统和智能系统时，面对的另一个问题是如何从设计时的正确性转移到运行时的正确性，具备这样的适应性。对于传统系统，我们建立一个系统，就能保证生产完它是正确的。但对于智能系统、自主系统，我们希望它是开放的。是可以更新软件的，可以实现适应性的，这意味着它不是保持不变的。它总在进化，这是一个问题。另一个问题是系统验证。目前，我们没有能够保证系统属性的技术，因为人工智能系统的行为方式是无法解释的。现在存在从理性主义到经验主义的转变。[ 2024-11-05 15:29 ]
值得指出的是，美国在标准问题上是持反对立场的，因为美国认为标准是创新的障碍。美国接受自我认证。如，一些测试是自我认证的。我认为我们需要阐述广泛的技术愿景，涵盖广泛的系统、类型和特定领域的技术。只有一个超越人类的超智能系统是不够的，因为人类的智能包含很多方面，必须通过结合不同类型的人工智能和信息通信技术来实现，而我们不知道如何做到这一点。而且我认为，自动驾驶汽车行业经历的挫折表明，要弥合自动化和自主性之间的差距，还有很长的路要走，当然，工业人工智能的发展将需要新的科学和技术基础。这需要一些时间。[ 2024-11-05 15:29 ]
现在，应该强调的另一点是，接受人工智能，使用人工智能，也将取决于其他技术的发展，我称为互补技术。如，我们要用到特定的人工智能硬件，如GPU、FPGA、张量处理单元来训练人工智能系统。此外，我们要用到特定的储存技术来存储知识和向量检索。但我们现在没有。所有的元宇宙技术都将从人工智能中获益，因为它是为虚拟环境配备人工智能功能。此外，建模和模拟技术与人工智能的交互将非常非常重要，以评估系统的安全性，并建立我们所说的数字孪生。数字孪生是非常非常复杂的系统模型，它可以是智能系统，或是有用的预测和控制系统。另一个会用到人工智能并从中获益的是人机交互系统。有两种方法可以从人工智能中获益或者用大语言模型在人类操作员和系统之间进行通信。此外，我认为，人工智能将提供知识管理和决策支持，以做出预测和了解关键情境。[ 2024-11-05 15:29 ]
最后，通信网络无疑会受益于人工智能。说到服务于人工智能的网络（Network for AI），那么如何利用网络开发智能系统呢？说到万物互联的基础设施以及服务于网络的人工智能（AI for Network），如何通过加速人工智能与网络的融合来构建自主网络呢？另外一个影响人们接受和发展人工智能的因素是监管框架。我说过有很多关于人工智能风险的讨论，特别是安全的人工智能。如今，全球的政府和机构都有意愿对人工智能进行监管。至于什么可以监管、什么应该监管，还没有达成一致。[ 2024-11-05 15:30 ]
增加人工智能会带来哪些风险，在实践中如何规避风险？举个例子，目前在人工智能监管方面，欧盟和美国之间存在差异。大家知道去年年底欧洲投票通过了人工智能监管政策，涉及两个文本，其认为人工智能系统应通过风险管理办法进行评估。如果现在实施该办法，很多系统都不合规。相比之下美国的指导方针则不那么强制，不要求、不强加任何限制。因此我认为，现在就联合国所倡导的全球监管框架达成一致的可能性非常非常小。[ 2024-11-05 15:30 ]
最后，还有一个重要的问题：中国能否在工业人工智能领域领先？我认为中国比任何国家都有条件实现工业人工智能。我解释下原因，中国应该提出一个不同的愿景，不仅专注于对话式人工智能系统和其他类型的系统，还应该利用自身强大的工业基础。这是显而易见的。中国应该专注于每个行业的核心技术，应该从其庞大而多样的工业基础中汲取大量数据。中国应该协同每个行业的国有企业，为每个行业构建特定的智能系统和特定技术。最后，我认为中国应该更多地参与到全球标准制定的讨论中来。我就讲到这里，谢谢大家！谢谢！[ 2024-11-05 15:30 ]
接下来进入论坛下一阶段——实践与探索。我们邀请到国内外人工智能领域的企业代表，分享各自在人工智能赋能新型工业化过程中的实践经验。新质生产力倡导以科技创新赋能企业高质量发展。充分发挥创新主导作用，以科技创新推动产业创新，加快推进新型工业化，提高全要素生产率，不断塑造发展新动能新优势。首先，有请SAP全球副总裁骆才先生分享SAP如何发挥数字化领域优势，利用商业AI等创新技术，为企业注入增长新动能，开拓全球化运营新模式，共筑可持续发展的新未来。[ 2024-11-05 15:54 ]
大家下午好！非常感谢主办方的邀请，我将跟各位讲一下我们如何用AI赋能企业的数字化转型。首先，SAP在AI领域已经做了很长时间的努力了，从1972年就开始，做了数字AI分析、机器学习等等。今天我们进入了AI时代，我们称之为企业级AI，为什么这么说呢？因为我们是使用我们自己的软件。麦肯锡和摩根士丹利的调查显示，新的生成式AI在未来两到三年，产值将大幅增长。这种生产力大幅增长的优势，是我们可以利用的。早期，在全球只有33%的企业在定期使用生成式AI，且只在一个职能部门使用AI。因此，今后，生成式AI对企业来说有很大的机会与潜力，这也是SAP在这方面可以提供的价值，我们可以让企业利用数据来作出更好的商业决策，带来更多的效率。[ 2024-11-05 15:54 ]
如果我们来看一下企业端的话，看它们的营收和利润，我们可以看到使用AI带来可以给企业带来大幅增长，使用技术会影响企业的方方面面，不管是供应链管理、风险管理，还是采买、研发、人力资源，一个企业的各个职能部门都能使用AI去优化流程，我们在机器学习阶段就已经做到了这一点，把所有的流程，还有生产力变得更加高效。[ 2024-11-05 17:06 ]
AI给我们带来什么呢？AI训练了我们的系统，对于我们的营收起到了很大的提升效果，带来额外营收，在To B领域也带来利好。如果你使用SAP系统的话，它们已经有很多内嵌的技术了，我们不断地更新技术，用更多有意义的数据训练我们的算法，带来更多的价值，获得更多的能力，这样可以更进一步地驱动我们营收的增长。那么，在人工智能方面，SAP在做哪些工作呢？[ 2024-11-05 17:06 ]
首先，企业的利润和营收会有所增加。在未来两年，我们会投入10亿多美元来增强AI解决方案的能力。我们有嵌入型AI、生成式AI，也有企业级AI解决方案。这将会带来经济方面的增长。我们也有大语言模型，大语言模型我们不从头做起，我们和合作伙伴，如微软、AWS等企业合作，我们在中国大陆也用了一个大语言模型，使用了本地化的数据和本地化的解决方案，在系统中部署各种各样的数据。除了ERP，我们可以把受信任的数据整合起来，赋能未来战略性投资的效率，我们可以看到，客户在这方面的采纳也变得越来越快。在过去的几年，我们可以看到每个月，甚至每个季度企业对AI的采纳是非常快的，不管是对企业级AI，还是对生成式AI的采纳，采纳方面的速度是越来越快的。[ 2024-11-05 17:06 ]
对于SAP来说，这一切意味着什么呢？我们的数据必须有相关性、责任性，也必须是可靠的。为什么说是相关性的呢？因为你的这个决策是基于数据的，这个数据是嵌于系统中的，你必须要用数据帮助你作出正确的决策。可靠性也是非常重要的，因为我们用企业级的AI做商业决策的基础，我们必须要让这个数据变得有意义，才能作出正确的决策。负责任意味着我们的AI是符合道德和隐私的。未来我们推出解决方案的时候，我们会遵守各国相关的AI监管规则，确保我们的数据有相关性、可靠，也是负责任的。[ 2024-11-05 17:06 ]
如果有中国客户想要“出海”，我也跟他们做过了很多讨论，他们要如何去应对目标市场的监管要求呢？这个就是我们“三个R”的魅力所在了。在海外监管领域，我们的SAP有一个标准的流程，使用我们的SAP系统，可以非常快速地以合规的方式，快速地售卖你的产品和服务，这样也会非常快地得到投资回报，我在这方面已经看到了各种各样的实践。在全球已经有80-90家企业在大幅投资于AI系统。我们致力于端到端的解决方案，让过程变得更加高效。对于这些有相关、负责和可靠的数据，我们在不断地发力。[ 2024-11-05 17:11 ]
现在看一下SAP企业级AI的能力，我们已经在整个产品线中都赋能了AI。我们的系统中有积累了数十年的数据，它们是可靠的数据。我们还有一个生成式AI工具，可以通过平台判断数据源是否可靠，然后用系统把数据变得更加有意义。这种嵌入式的AI已经嵌入到我们所有的业务线了。AI也能够不断地助力我们的生态系统，从企业或者公司的角度来说，一些新的能力，包括大家的运营也会变得更加简便、高效，这也是由SAP打造的本地解决方案，我们在提供交付的方案之上，也能够帮助大家把业务进行得又快又好。[ 2024-11-05 17:15 ]
我们的Copilot系统，也就是Joule这样的系统，用户访问起来非常方便，他们在任何需要的时候，都可以让Joule回答自己的问题。我们能信任这样的系统，因为它能够作出正确的决策。我们还相信，这些数据能够帮助我们不断作出正确的决策。我们现在在做什么呢？我们有很多客户，他们已经能够用到SAP的企业级AI实现许多可能性。瑞士铁路系统就是个很好的例子，他们现在有99%的入站都能够自动进行匹配，完全实现了通过我们系统做的自动化。我们也帮采埃孚提升乘用车、商用车的工业技术，帮助他们实现售后市场的自动化……[ 2024-11-05 17:21 ]
从机器训练的角度来说，我们去训练模型，让它在正确的情况下，自动作出正确的决策，而且做决策的时间也越来越短，让它们越来越自动化、智能化。我想最后和大家分享一下，凭借我们丰富的行业经验以及专业知识，我们在提供AI方面具有优势，也能够帮助客户更好地利用数据，实现可衡量的业务成果。再次感谢大家的聆听，谢谢大家！[ 2024-11-05 17:23 ]
感谢骆才先生的演讲。他让我们不仅看到了人工智能技术赋能新型工业化，还看到了资源和渠道赋能新型工业化，也看到了整体解决方案，还有我们服务赋能新型工业化。我想赋能新型工业化也是一个整体的解决方案，我们掌声再次感谢一下骆才先生。下一位嘉宾要谈到的是这两年炙手可热的热点话题：人形机器人和机器人。演讲嘉宾是来自宇树公司的王兴兴。最近我们看到很多网络上的机器人和四足机器人在世界多地的荒野和工厂都有体现，它们中的一些就出自王兴兴的企业。掌声有请王兴兴！ [ 2024-11-05 17:25 ]
各位领导、各位专家，大家下午好！非常荣幸在此做一些分享。我们公司在2016年成立，到现在有8年多时间，最开始主要是做高性能四足机器人，从去年年初开始做高性能人形机器人，像四足机器人。人形机器人我们去年年初开始做的，大概一年半多的时间，我们已经发布了两款人形机器人。[ 2024-11-05 17:27 ]
我们去年8月份发布了H1这款机器人，去年下半年小批量量产。H1这款机器人，我们今年也接了不少订单。我在上海大学读硕士期间做的X Dog这款机器人具有低成本、高效能的特点，我当时读硕士期间的研发成本大概只花了一到两万元人民币，2015年用这款机器人参加了上海的比赛，拿了二等奖。[ 2024-11-05 17:29 ]
目前我们公司的四足机器人产品主要有两款。Go2这款机器人无论是运动能力、处理复杂情况的能力都非常领先，而且我们去年发布时已经集成了OpenAI的大语言模型接口，包括多模态接口、语音交互能力，你可以指挥它做一些动作，还有简单避障。但在这个过程中，我们也发现大语言模型对机器人还是有局限性，简单来说，目前你用大语言模型作为一个简单的交互接口或者简单的任务分配还是可以的，但是让它更理解你的动作，或者让它更好地规划，实现过程中还是遇到了很多问题。[ 2024-11-05 17:31 ]
目前最新的这款B2工业级机器狗是我们去年下半年发布的，前段时间比较火，爬泰山的机器狗就是这款。这款机器人最大的特点就是它处理复杂环境的能力和续航能力都非常强，持续复展能力可以达到四、五十千克，短期的续航能力可以达到6、7个小时，而且速度非常快。这款机器人目前主要在工业领域的应用比较多，包括物流领域的应用。去年发布的H1是我们公司的第一款人形机器人，整个开发时间比较赶，因为是我们公司做的第一款人形机器人，可能没有那么完善，去年下半年已经实现小批量量产，已经发货。[ 2024-11-05 17:34 ]
后来我们发布了G1机器人，是在H1的基础上，吸收了客户的反馈，并且迭代了技术。这款机器人无论关节的自由度数量，外观、灵活度都是非常领先的。过去几个月，我们做了很多的软件和硬件，量产的升级，无论是外观，还是灵活性都有了提升，包括整个AI能力。这是我们关节的布置方案，大家可以看到，它们相对整洁、干净、漂亮，这个方案也会成为未来主流人形机器人的配置方案。从我们今年5月发布的机器人宣传视频可以看到它的灵活性还是非常好的。当然现在我们的灵活性和运动能力比当时还要更好。整个机器人是目前直接用端到端的AI深度强化学习，或者模仿学习训练出来的。[ 2024-11-05 17:36 ]
大家也知道目前的AI，画画、写诗这些东西做得比较好，实际上在机器人领域，我感觉未来可能做一些表演，或者刚刚说的体育赛事上，可以让机器人走进家庭。我们今年年初的H1版本也是至今能原地空翻的全尺寸机器人，这款机器人相对来说动力比较强。前段时间我们跟国内的汽车厂家合作，做现场搬运这类事情。[ 2024-11-05 17:38 ]
我们的机器狗也是基于视觉感知的端到端的深度强化做出来的。过去三年以前或者五年以前完全不敢想象机器人能达到这样的灵活性和稳定性。这款机器人目前支持OTA升级，可能每隔一个月左右，我们全球的客户可以支持软件升级。这是我们开源的一套用来做数据采集的遥操作装置，大家也知道，AI数据的采集是非常重要的，为了适配我们的机器人，我们也开源了一套比较方便的数据采集装置，直接使用Apple Vision Pro就可以做数据采集，但它的精度稍微差一点。我们公司希望采用更简单的数据采集方式。[ 2024-11-05 17:41 ]
这款机器人比较小，它的身高只有1.3米，但可以跳1.4米远。 我们目前人形机器人能做一些基本的动作，但是还是需要完善，包括把整个模型规模扩大一点，让它完成更多复杂的任务，希望未来我们研发的人形机器人可以做各种运动，在各种地形情况下。机器能不能说话不是特别重要，但是机器干活是非常重要的，用户对于机器人的手部操作要求非常高，目前机器人在手臂灵巧操作方面还没有达到非常明显的能落地的程度，还有基于端到端建图感知方面，简单说，就像人一样，任何地形下、任何动作都能做，这是未来发展的最主要的方向。[ 2024-11-05 17:46 ]
另外一点，目前对于所有的机器人来说，世界模型是最主要的路线方向。目前世界上顶级的AI学者对世界模型的概念还是非常重视的，不单单只是大语言模型，因为大语言模型对机器人来说，能帮忙做一部分事情，但不解决本质上的问题，需要有更好的模型结构的改进推动整个机器人实现技术进步。简单说，对整个时空和物理规律的理解，包括对碰撞、预知、触觉的反应都非常重要。[ 2024-11-05 17:49 ]
像现在的大语言模型，它没有身体，只有一个大脑，这是远远不够的，你把一个人的大脑装在罐子里，脱离了对整个世界的理解，这其实是远远不够的。举个最简单的例子，小时候一直困扰我的很大的问题，为什么睡觉醒来的时候有种从悬崖上掉下来的感觉？为什么梦里被一些怪物追的时候一直跑不快，这个问题小时候一直很困扰我，直到读大学的时候想通了这个问题，原因比较简单，人在睡觉的时候，大脑和身体是断开连接的，为了安全起见，睡觉的时候身体不乱动，身体和大脑连接是断开的，原本人的认知里和身体感知连在一起，比如跑步的时候脚要踩在地面有个非常明确的感觉，但是在梦里不知道脚踩到地面了，没有感觉，所以脚永远感觉是腾空，没有感觉踩到地面，所以你永远觉得自己跑不快。另外一点，为什么我醒来有一种掉到悬崖的感觉，一样的原因，原本人躺在床上，有支撑力支撑着你，你会感觉很安心，我躺在床上，但是梦里的感觉和身体感知完全断开，你不知道床还支撑着你，大脑以为是悬空的，有一个明显下落的感觉，这表明，目前人体正常的交互理解和身体感受关联密切。[ 2024-11-05 17:51 ]
这也引出一个最关键的点，目前大语言模型都是有幻觉的，它自己说的话也不理解，容易说错，或者没有逻辑，其实原因非常简单，目前大语言模型和真实的世界存在脱离，没有跟真实物理世界的交互，也没有真实物理世界更好地反馈给它。[ 2024-11-05 17:54 ]
像鹦鹉会说话，它为什么会说话？它的舌头比较灵活，可以发出不同的声音，可以模仿声音，像一些狗或者别的动物，它的声纳没有那么灵活，哪怕大脑足够聪明，但是说不了话，没办法交流。为什么鹦鹉的舌头比较灵活？它比较喜欢吃坚果，需要比较灵活的舌头把食物挑出来，这也是非常有意思的点。还有需要有机器人去实物部署一下，实物机器人做训练，小时候学骑自行车，如果只是看别人骑自行车永远学不会，你要拿一辆自行车自己上去试一试，快的话学一两天，简单说一个概念，哪怕以人类的智能，如果单纯看视频，或者单纯看别人怎么弄，永远学不会骑自行车也学不会开车，最好学习AI部署到实物机器人，做到实际的物理训练，这也是未来发展比较重要的事情。[ 2024-11-05 17:56 ]
未来真正的智能是什么样的？目前我们做的很流行的大语言模型神经网络，跟人的神经网络有比较明显的差异，目前的神经网络都是用数学的反向传播算法做训练，但是人脑没有反向传播，这个问题差异非常大，怎么定义AI这个问题，怎样的AI可以定义为一个智能体？我个人感觉，真正的智能有点类似能自我不断学习和自我编程的程序，而不是像现在的AI，现在的AI它的训练都是靠人的大量数据训练好的，训练好就结束了，它不会再后续过程中自我学习，真正的智能需要有自我学习自我编程能力，它可以自己学习新东西，不需要人采集数据。[ 2024-11-05 17:58 ]
在AI领域能做的事情和新的点子非常多，目前只是刚刚开始。世界上AI技术发展迭代速度非常快，在未来三到五年，在机器人AI领域会发生天翻地覆的变化，当下这个时代，与过去十几年不太一样了，最本质的原因，目前有更多的关注、资金、人才进入了。另外，也是对我自己说的，要相信、相信、尽可能相信AI，谢谢大家，谢谢各位领导！ [ 2024-11-05 17:59 ]
感谢王兴兴，我们希望小小的机器人有大大的能量，赋能到各行各业中。刚才兴兴通过动物的解构，人的解构来看AI的解构，同时提出一个问题，什么是智能体？有自我的才是智能体，一个智能体离不开通信、网络、芯片算力等一系列的技术，下一位嘉宾就是我们论坛的老朋友，高通公司中国区董事长孟樸先生，他将为我们分享如何通过强大的连接及计算技术积累、硬件和软件支持组合、异构计算的优势，构建一个由创新驱动的工业新未来，共同构筑全新的产业合作生态。有请孟樸先生！[ 2024-11-05 18:01 ]
谢谢梁秘书长，各位来宾，大家下午好！非常高兴欢聚在这个论坛，这是高通连续七年参加进博会。今天的论坛是聚焦与人工智能和新型工业化，我在这里从高通的角度和大家分享一下，我们如何运用人工智能、5G等数字技术助力新型的工业化发展。在这个过程中，我们同时介绍高通与中国的合作伙伴，我们做的一些实用的在应用里做的实践。随着5G和AI技术的融合，企业数字化转型不断加速，与此同时，包括智能手机、个人电脑、智能网联车，各类智能终端已经融合到我们的生活和规律，成为不可或缺的得力助手。在这个趋势下，AI的应用领域不断的扩展，尤其是生成式AI，在多个行业领域中展现出显著的商业潜力和价值。[ 2024-11-05 18:04 ]
根据预测，在全球范围内，生成式AI每年可创造的经济效益，介于2.6万亿至4.4万亿美元之间，目前我们仍然处在生成式AI应用的初级阶段，接下来随着图像和视频创作，文本摘要、智能体等新兴应用的不断涌现，混合AI模式将成为重要的趋势，即云端与边缘侧终端同时处理AI的工作负载。在终端侧运行生成式AI能够更快地实现响应的速度，更高的准确性，更强的可靠性，以及更安全的隐私保护和数据保护。终端侧高性能及高效的AI处理能力将促进生成式AI的规范化扩展，催生一系列全新的应用，特别是生产力、内容制作、教育研发以及工业制造等领域。随着生成式AI在云端和终端侧的协同运行，我们将比以往任何时候都需要更可靠低时延的端到云的连接，这正是5G能够提供的能力，5G对消费者和企业使用AI工具及其应用至关重要。[ 2024-11-05 18:06 ]
今年我们迎来了一项重要的里程碑，完成了首个5G advanced全球标准版本，这是我们业内常说的3GPP Release-18，这标志着5G十年演进历程正式迈入第二阶段，作为新一轮5G技术创新提供强大的支撑，进而为基于生成式AI的新用例，更高能效的终端以及网络，以及卫星通信带来更优质的连接体验。展望未来，5G advanced还将为下一代的蜂窝连接技术奠定坚实的基础，而6G则被视为一个协同技术的创新品牌，其特性包括AI、通感一体化等先进的功能。一直以来高通公司坚持不懈的创新，致力于让智能计算无处不在，我们拥有业界领先的平台，让众多消费产品和企业级的设备提供非凡的体验，这些设备包括智能手机、个人电脑、可穿戴设备、XR眼镜、汽车等等，同时我们持续推动关键技术的研发和商业化应用，这些技术涵盖了无线技术、高性能低功耗的计算、创新的终端侧AI等等，可以用到智能家居、网络、汽车、工业制造等领域。[ 2024-11-05 18:06 ]
从3G、4G到5G再到生成式AI技术的进步，高通公司相信这些技术将为智能手机、PC、智能网联车及物网联应用领域的中国伙伴们，带来全新的机遇，创造更多的合作机会。如今，终端侧AI已广泛应用于各行各业，包括智能手机、PC、汽车及工业机器人等，其中在手机行业，高通第三代骁龙8旗舰移动平台已经支持许多手机厂商、合作伙伴推出了丰富的终端侧的AI体验。不久前，我们刚刚发布了首个采用第二代定制高通ORIN CPU的移动平台——骁龙8至尊版，可以直接在终端侧实现个性化的多模态生成式AI，支持语音、情境和图像理解，全面增强从生产力到创意任务等各方面的体验，并且将用户隐私保护在首位。在PC领域，我们推出了骁龙X Elite产品系列，我们的合作伙伴已经在他们的电脑上实现了丰富的AI功能，包括实时翻译、实时转译、AI图片编辑、文本总结、实时的写作辅助等等，极大地提升了用户的体验和工作效率。[ 2024-11-05 18:07 ]
在与产业合作伙伴深入合作的过程中，高通公司看到了中国企业强劲创新实力和及其对市场的快速响应能力，我们将持续与中国的合作伙伴紧密合作，通过骁龙技术平台，实现技术和行业的创新。例如，在传统模式下，智能手机的应用程序是用户互动的核心，每个应用都有特定的用途和功能，而生成式AI和多模态AI的融合应用将会使智能手机具有类似人类的能力，这意味着手机能够理解用户的意图，并相应的执行任务，这种变化将在根本上重塑我们的使用体验。不久前，荣耀推出了Magic7系列，基于骁龙8至尊版，在智能手机中实现了用途意图感知和AI的学习，通过荣耀的“优优”（音）智能体，使操作变得更加简单和直观。[ 2024-11-05 18:08 ]
近年来，汽车行业持续向智能化、网联化发展，是新型工业化的代表领域之一，我们见证了汽车网联程度的显著提升，使车辆能够与互联网、无线网络和云端实现高效的连接，同时车内的体验也变得更加丰富和沉浸式。此外，汽车的设计越来越注重安全性，从紧急制动、车道保持、自动泊车等功能，逐步实现辅助变道，交通拥堵辅助系统及特定的时间的自动驾驶，这些创新都在不断的提升驾驶的安全性和舒适型。高通公司是这一转型中的重要参与者，为实现这些体验，我们打造了骁龙数字底盘，致力于提升汽车的连接能力，打造更加沉浸式的座舱体验，并始终以安全为设计核心。随着技术的不断进步，学习和改进，仅在中国市场，在过去三年多的时间里面，我们就已经支持了近60个中国汽车品牌，发布了超过160款智能网联车型。[ 2024-11-05 18:09 ]
如今，汽车不仅仅是交通工具，还是我们数字生活的无缝延伸。我们很高兴看到，中国的汽车市场以其全球领先的发展速度，正在成为技术创新和应用的前沿阵地。而AI正是其中重要的组成部分，比如长城汽车充分利用骁龙8295芯片的高算力，开发出咖啡座舱系统Coffee OS3，以及好看、好玩、好用、好听、好智能的五好智能座舱体验，为用户提供了既有趣，又智能的车内环境。目前基于骁龙8295座舱平台，包括理想、小鹏、极越在内的多家中国汽车企业已经发布了他们打造的车端大模型的功能。随着多模态技术的发展，生成式AI有望在智能座舱、自动驾驶等领域，开辟全新的应用场景。在物联网领域，AI技术的应用也是必然的发展趋势，因此我们也在持续推出全新的物联网产品组合，为物联网各个垂直领域打造优质的连接、高效能的计算和AI技术，并提供一系列的应用处理器、连接芯片以及统一的软件架构，支持我们的合作伙伴、客户和开发者更好的扩展及定制他们的产品。[ 2024-11-05 18:09 ]
目前，高通公司为全球超过16000家客户提供丰富的物联网解决方案，包括家电、显示屏、家用机器人等消费终端，以及零售、无人机、安防摄像头及商业和企业应用，还有控制器，工业机器人、工业PC等工业应用。在中国，高通针对物联网行业的重点发展和亮点的落地场景，连续四年发布了物联网应用的案例集，全面展现了最新的技术发展方向和创新的生态合作模式。在工业制造领域，5G和AI的融合，带来了智能化的飞跃。5G提供的高速连接能力，能够支持AI扩展到边缘侧、终端侧，促进各种智能应用的规模化扩展，并实现了情景数据和云端的实时贡献。2022年，高通公司联合中国工业互联网研究院、中国电信、移远通信等合作伙伴，在通力电梯的江苏昆山工业园，共同开展5G全连接的工产线项目，这个项目采用了中国电信的5G专网和移远通信的5G模组，针对通力电梯工厂的需求，打造了基于高通解决方案的5G专网组网，为工业智能制造，提供了5G的接入能力，实现了基于5G工业互联网平台的生产管理应用。[ 2024-11-05 18:12 ]
此外，高通也在引领终端侧AI，在工业制造领域的应用。通过前面的分享，我们可以看到以5G和AI为代表的关键技术，正在推动很多行业数字化转型和创新的应用。展望未来，我们期待与更多的合作伙伴携手，持续以技术创新为引擎，推动新型工业化的发展进程，共同塑造一个创新驱动的工业新时代，并与各方一起构筑全新的产业生态。在此，欢迎大家前往位于这次进博会的4.1号馆的高通展位，参观并指导。自2018年首届进博会以来，高通公司连续7年参展，并参会。今年我们以“让智能计算无处不在”为主题，全面展示在5G与AI这两大技术领域的最新创新和合作成果，我们期待与行业合作伙伴携手，推动新型工业化的发展，共同迎接数字经济发展的新未来。谢谢大家！[ 2024-11-05 18:13 ]
感谢孟总的精彩演讲。他为我们分享了无处不在的智能计算。新质生产力也是大家关注的重点，下一位演讲嘉宾是百度技术委员会主席吴华女士，她将为我们带来《大模型赋能新质生产力》，有请吴华女士。[ 2024-11-05 18:15 ]
各位领导，各位来宾，下午好！我是百度吴华，我的演讲内容是《大模型赋能新质生产力》。我的内容包括三个部分，首先我介绍大模型的基础能力，然后是文心大模型的进展，以及在产业上的应用。我们知道大模型的能力越来越跟人类相似，我们会问一个问题，人类为什么智力超群？我们知道在生物界有两种学习方式，一种智能，由先天的基因决定的，后天习得的能力非常有限。另外一种除了先天的能力以外，它通过后天不断的学习，智能得到不断的提升。很显然，人类是属于第二种，因此人类智能的第一个基础是拥有良好的学习机制，刚才我们提到动物的智能主要来自于动物本能，它习得的能力非常有限。而人类除了人类的本能以外，通过漫长的童年期，在不断的和环境交互，智能得到了提升，所以创造力非常强。人类智能的第二个基础，之前的王总也提到了大脑神经元的数量。我们知道动物的智能是跟大脑皮层的神经元数量成正比的，但不是重量。[ 2024-11-05 18:17 ]
人类智能的第三个基础是语言。我们知道大约7万年前，人类开始用口语表达思维和交流信息。在大约9千年以前，出现了语言文字，语言文字凝练和传承了人类的知识和文化，促进了人类文明的发展，而且语言是区别人类与动物的很显著的特征。我们看到既然有这样的很先天的基础，就能解释人类为什么智力超群。它除了有很好的学习机制和神经元数量以外，这是大脑具有的硬件基础，除了这个以外，还有不受脑容量影响的知识外存。知识外存是人类世世代代凝练的知识和文化，使得人类在这个过程中，不断的提升和积累。有这样的基础以后，我们看人类学习语言的方式。实际上学习语言，除了天生的学习机制，还有构建的跟语言相关的大脑皮层，和刚才说到的知识这样的外存。有了这样的基础以后，人类在自然环境中不断的交互，获得反馈，不断的提高自己的语言能力。其实我们看大语言模型的学习方式和人类学习语言的方式非常相似，它其实也有一个学习机制。比如说我们现在有大规模的神经网络并行算法，以及支持算法的GPU的集群。[ 2024-11-05 18:19 ]
在这个基础上，我们构建了基于文本的自监督的算法，这个算法可以从知识和数据中融合学习，构建了大语言模型。大语言模型其实也是有后天学习的，它是在做各种任务中，比如说做机器翻译、阅读理解、对话、解题、编程等等，在这样的一些任务中，和外界进行交互，然后不断的获得反馈，提升理解、生成、逻辑、记忆能力。因为有这样的一个学习方式，大语言模型的通用性非常强的。在自然语言处理领域，以前对每一个任务我们需要构建一个模型。但是现在我们只要一个大语言模型，就可以支持所有这些任务。所以大模型具有很强的通用性。因为它的通用性，大模型引领了目前人工智能的发展，它的效果好，泛化性强、研发流程非常标准化。刚才我们提到大模型在任务上具有很强的通用性，除了任务以外，其实在语言、模态、场景中也具有很强的通用性。我们来看语言上的通用性，其实大模型除了从中文、英文这样的自然语言中学习思考能力以外，它同时也能学习编程语言，编程语言是一种形式语言，是计算机可以执行的语言。它的好处是除了模型可以写程序以外，它其实构建了模型和物理世界连接的一种方式。[ 2024-11-05 18:20 ]
我们也看到，现在也有多模态的大模型，它是能够把语言、语音、视觉等等多种模态的学习融入到一个模型中，使得模型具有听、说、读、写、看的能力，这个我们还在初级阶段，但是我相信它会越来越统一和通用。目前人工智能的这些技术，包括大模型的技术已经具有场景的通用性，我们已经在各行各业中应用，在大家的工作和学习中也得到了广泛的应用。接下来我简单介绍一下文心大模型最新的进展。文心是一个产业级的、知识增强大模型系列，它包括文本、视觉、跨模态、生物计算和行业大模型。在这个基础上，我们构建了支持产业化应用的工具平台，我们来看一下文心大模型的演进。我们从2019年3月就发布了文心大模型的1.0版本，在之后的过程中，我们做了知识增强、检索增强、对话增强，同时我们在去年也发布了智能体技术。[ 2024-11-05 18:28 ]
这是文心一言的技术体系，左侧我们能看到的是通常我们说的生成式大模型的技术体系，我们在这个基础上做了知识增强、检索增强和对话增强。右侧是智能体技术。我们在说的知识增强到底包括什么？知识增强其实包括两个方面，一个是知识内化，一个是知识外用。知识内化的意思，是从知识和数据中融合学习，把知识学到模型参数中。而知识外用，我们在模型训练的时候，你的知识可能是当时或者以前的数据，但是知识是不断的积累和发展的。我们需要调用外面的搜索引擎和专业的知识库，提升知识的时效性和专业性。其实很多大模型实际上是一种快思考的模式，所以它有时候会产生幻觉。我们知道在大脑里面，其实有两个系统在合作，一个是系统1，我们在日常生活中，经常用的是系统1，很快。但是我们在处理复杂任务的时候，比如说做规划，写研究报告、做逻辑推理等等任务，我们用的系统2，是慢思考，理性、精确。为了使得我们的大模型体系也具有这样的能力，我们提出了智能体这样的技术体系。这包含了系统1和系统2的能力，系统1是之前的生成模型，系统2在原来的生成模型的基础上，我们提出了思考模型。思考模型的好处是它还能调用外部的工具，拓展大模型的能力。[ 2024-11-05 18:29 ]
思考模型，主要作用是理解用户的需求，并把这种需求拆解成步骤进行规划。通过自己生成模型的回复，进行反思，并且在环境中和用户进行交互，不断的进化。我们来看一下思考模型的一个例子，其实我们人类在使用工具的时候，经常会看一下工具的说明书。对于思考模型智能体来说，在使用工具的过程中，它也会看说明书。我们看底下有各种工具的说明，这个时候模型就会在训练的时候读这些工具。读完了以后，针对用户的需求，要看电影的票房，这个思考模型就开始思考，首先要调用搜索引擎工具，获取最新上映的电影，以及它的票房信息，并对对这些票房信息进行排序，排序完了以后，我调用代码解释器，代码解释器的作用是通过代码能够把这个票房形式化地、图像化地展示。最后提供给用户这样一个图像化的展示。除了这些任务，智能体也可以做逻辑推理。现在大家看到OpenAI发布的O1，就是有思考，慢思考的能力。我们在今年4月份发布的时候，我们其实已经有这样的一个能力，也就是说智能体可以做逻辑推理。针对用户的一个问题，把这种条件进行拆解最后推出来A、B、C、D都在干什么。[ 2024-11-05 18:29 ]
现在文心一言拥有了3亿的用户，日调用量超过7亿，日均处理的文本Token数超过万亿。接着下来我们看一下大模型，或者人工智能的技术在应用中是什么样的状态。我们知道其实在前三次的工业革命中，工业革命的核心技术是具有很强的通用性的。在这些技术变成通用之前，实际上经过了标准化、自动化和模块化的过程。比如说机械技术，从最初的纺纱机，到最后变成在各行各业得到广泛的使用之前，也经过了标准化、自动化、模块化。我们来看人工智能技术，刚才我们说到大模型技术，其实具有很强的通用性。同时我们也有支持标准化、自动化、模块化的深度学习，以及大模型的工程平台，我们正在迈向标准化、自动化、模块化，当然这个过程还需要一个过程。[ 2024-11-05 18:30 ]
既然已经有这样的通用性，我们来看在各行各业中的应用，比如说在制造领域。智能系统能够帮助冰淇淋工厂检测冰淇淋的缺陷，检测的缺陷大概有几十种，但是人类只能做到少数的几种缺陷检测，而且人工智能系统是24小时无休的。在能源行业，充当“电博士”和“数字调度员”，通过学习能源行业的知识、经验、规则、规范等等，辅助人类做电力的运营，充当机器值班员，和人一样做调度。在交通领域，智能系统能够用比较高的准确率识别路上的事故，提升应急处理的效率和信息发布的效率。在创作领域，大模型能够辅助创作很多内容，比如写研究报告，做PPT，思维导图，甚至帮助人类写小说和剧本。现在百度文库实现了100多项的AI创作能力，累计使用次数超过了22亿。同时我们可以看到，在工作中还有很多重复繁琐的工作，比如财务报销，现在的AI系统能整合多个平台的操作，变成报销智能体，秒级报销，效率提升83%。除了这些，人工智能也给科学研究范式带来了很大的变革，刚才也提到今年的诺贝尔物理和化学奖都跟AI相关，AI帮助蛋白质结构预测，气象要素的预测以及核聚变等离子不稳定态的预测等等，我相信将来AI在这样的科学研究范式上能发挥更大的作用。我的汇报结束了。谢谢大家！ [ 2024-11-05 18:30 ]
感谢吴主席精彩分享。下面进入对话环节，主持人是世界共组织联合会前任主席龚克先生，他也是科技界的专家，也是历任校长，龚先生的领带都是化学元素，面向科学，面向产业如何发展，今天龚先生将和几位产业界的同仁们一起讨论这个话题。首先我介绍一下对话嘉宾，他们是：小米集团手机部副总裁、智能制造部经理许多，国家地方共建人形机器人创新中心首席科学家江磊，荣耀终端有限公司高级副总裁徐智煜，科大迅飞副总裁、研究院院长中国电子学会常务理事刘聪，商汤联合创始人大装置事业群总裁杨帆，让我们掌声欢迎！[ 2024-11-05 22:17 ]
这5位刚才梁靓介绍了，我想再重复一句，他们都是来自智能制造方面一线的，既是企业家，也是技术工作者，今天我们想谈什么问题，我们现在从前面都看到，我们谈新型工业化，用人工智能大模型，把它从Chat发展到Product，真正创造价值，在这个过程中，一开始SAP给的报告里，给了一些数据，从这个数据我们看到列出来十来类在工业上的应用，但是大多数都还是非生产过程的，财务的、物流的售后服务的或者辅助的生产环节，我们希望人工智能深入渗透到生产过程中，真正创造价值，特别想请5位嘉宾谈谈你们所在的公司，在这方面做的工作，或者你们这方面有哪些经验教训。[ 2024-11-05 22:17 ]
大家知道，今年下半年我们小米智能工厂发布了，我们的实践，整个工厂每个小时生产600台旗舰手机，我们的实践，第一，要把数据当成一个非常重要的要素，在建厂的时候，要考虑这个东西，数据的上行或者下行事后再考虑，肯定有些断点很难弥补起来，智能需要数据，数据当成很重要的东西去看，才能让我们事半功倍。第二，我们工厂运行了半年，在落地智能化的过程中有另外的思考，工厂现在并不能实现完全的无人化，需要我们考虑在落地的时候，人和机器结合的关键的承接环节是什么，我们过去往往从运营的角度考虑，承接环节设的比较高，一般是工厂的厂长或者车间主任级别，他们去完成自上而下的承接和转换。今天来看，某种程度上这个想的东西可能错了，我们在运营中看到的，转换的关键环节可能是技术员，可能是线长，因为技术员和线长在维护机器的稳定运行，车间主任或者厂长只是在做价值管理，要接订单，谈价格，处理变化和异常，他把这些信息拿到之后再转化，转化的关键环节和技术员和线长，这是我们另外一个思考，我们认为搞新型工业化，搞智能制造，未来可能不能是中专的线长了，因为中专的线长，我们很难培养他处理一条连线数量如此大，一条连线现在可能有30台到50台设备，智能化程度如此高的群。因为原来管人是能有效管理的，现在管理一个设备群，基本没有办法有效管理，我们认为可能未来的线长或者技术员至少都要本科生，这是我们的另外一个思考，分享给大家，因为大家现在做智能化的转型，我们在工厂落地的过程中看到这两个显见的大家要注意的，第一，考虑数据；第二，在落地的转化环节要考虑转换环节的能力怎么设定才能实现有效的转换，其实我们有大量的失败就是转换环节设计不合理，他没有办法管理，最后就失败了。[ 2024-11-05 22:17 ]
感谢龚校长。我们是刚组建，今年在工信部指导下，5月17号刚刚组建的国际共建人形创新中心。首先我觉得大模型会改变整个制造业，两三年前如果没有神经网络，现在的足式机器人不可能跳的比自己的腿还长，这个改变大家注意没有，很多人喜欢把人形机器人归纳到科技产品，但是从基建系统来说是当量多轴驱动的系统。最近在跟海尔、海信、康佳家电3C类，很关注人形机器人在生产线上使用，我们老说一个观点，今天控制理论到现在达到一个巅峰了，上一次产业革命就是在5、6轴的加工机床，以及现在6、7自由度的固定机械臂，这是我们现在控制理论发展的巅峰，我们去了很多生产线，依然在这么高自动化的水平下，还有很多人类在整理线缆，柔性上下料，以及布局很多柔性的贴片，比如电视后面板的固定有很多柔性的环节，这个一定要有大自由度，超过6、7自由度，现在人形机器人达到40-50的自由度，意味着我们现在的控制理论做不了，其实我们不需要设计一个人形，如果一个工厂的机械臂能达到60个自由度，我们会产生很多柔性制造的环节，但就现在的理论达不到，所以我们老说一句话，人形机器人是解决未来问题是很多学科的集大成者，用人形机器人可以把一个科学问题引出来，引出来以后再分解，如果我们把人形机器人看作是一个大自由度基建生产系统，我们的大模型具身智能可能会在生产线上产生巨大的作用。我跟康佳的副总经理聊，现在的电视，如果开源节流已经成为根本了，也提到小米的电视，现在又好又便宜，如果我们穷尽手段，好像现在也很难战胜小米，比他便宜一百块钱，这个产品一下子多两百万台的量，但是这一百块钱怎么省下来，他们的思考可能是多轴的驱动系统，不一定是人形。我往后更想思考的，我们生产50、60轴的系统，换成生产一个跟人类长的特别像的工人，我们不把人形机器人当作工具，当作生产力的伙伴，它真进入生产现场，它是可以从事千行百业的，可能在电视厂家培养家电的制造商，到了小米汽车工厂变成汽车生产商，一款产品面向成千上万的岗位，人形的形态是重要的，短期内人形机器人引出一个科学的问题，我们如何创造比现在7、8轴系统更多的机电控制系统，未来我相信人形机器人可能会真正改变整个智能制造的结构，这是我想起的一个场景。[ 2024-11-05 22:17 ]
江总讲了一个非常重要的观点，把为什么要学人，因为人是非常高的自由度，说不清楚有多少，来解决我们过去固定轴，哪怕到6轴、7轴，仍然跟人不能比，本质上把具身实现高自由度的机械驱动，非常关键的。[ 2024-11-05 22:18 ]
荣耀是2021年从华为剥离出来之后，我们给自己定了“四化”战略，高端化、国际化、智慧化、生态化，智慧化和今天讨论的话题非常强相关，人工智能和应用。我来之前也在思考，在荣耀来讲应该分三层，第一，我们是做智能终端产品的，一定要把人工智能技术应用在终端侧，这个是很重要的，我们在上周刚刚发布了荣耀Magic7，还有Magic OS9.0，这样一个智能体，这个智能体是基于个性化的，全场景化的操作系统，通过这样的操作系统，可以实现我们基于人的意图识别，包括行为习惯的以及所处的场景，包括对于决策的预知和判断，成为人的助手。我们希望把AI的能力应用在大家每一天的生活，每一次出行，每一次使用手机里。第二个层面，因为荣耀本身还是一个社交跨场景的企业，包括AI的手机、AI的PC、平板，包括手表，还有可连接的穿戴，在这种跨场景跨设备的结合上，一定要让消费者有全连接无缝的体验，并且感受到智能的应用。第三，要把AI的技术应用在生产实践中，因为荣耀在全球成立了7个研发中心，我们的研发中心在部分的编程上开始使用AI的技术，在工厂里面也大量用AI的识别能力。包括百度也提到财务的场景，我觉得它大大提升了效率，节省了很多资源。在AI的应用上面分几个层次，在端侧、跨生态、跨设备连接，再到我们自己的生产和运营场景，AI还是有非常广阔的空间。[ 2024-11-05 22:18 ]
讯飞和商汤都是专门做AI出身的两个企业，和他们有点不太一样。听听讯飞怎么看这个问题。[ 2024-11-05 22:18 ]
刚才龚校长提的，在落地角度的确是一个关键的痛点。我先说一下我们的理解，作为人工智能企业，一直基于我们的AI技术，但是要跟客户一起找工业场景的关键痛点。我自己理解，工业这边还是有些不大一样的。我觉得是三方面挑战，第一个其实是可靠性要求更高，它对你的稳定性、准确性，比一般的场景要求更高。第二个我们叫行业性，工业里面不管是硬件的制造，很多有knowhow的基底模型，开发的难度更大。第三个安全，工业数据怎么样不会被非法的获取，包括模型本身不会被篡改。这三个是我们过去跟客户一起落地，摸爬滚打。龚校长提到哪些核心生产环节？很多是外围的。当然，工业是一个场景，但是从以前的一些经验来说，我觉得从先辅助这种非核心的生产环节，再进一步过渡到生产环节，这个可能也是顺理成章的。好比我们讲的我可能先是通过我们的办公，我们的知识问答，它本身已经能看到一些降本增效的价值。同时我觉得让客户看到AI带来的价值，有点像我们以前说的基础的条件建立好了，我们要先做信息化、数字化，再做智能化。从我们以前讲的，包括实践的过程中，我想这个可能也是个过程。然后我补充两个小点，跟制造环节相关的一些案例。因为我们也有一些工业智能相关的方向。打个比方，像我们用一些声学的定位和检测的方案，当然还有其他的技术，我们用在像电力、矿山、钢铁这样的行业，我们做一个叫做AI声学成像仪，包括AI工业听诊器这样的工业硬件的产品，它可以在这些场景针对气体的泄露，设备的异响，或者异常的放电。针对这些做检测。我举个简单的案例，比如说北京首钢，这里面整个钢铁冶炼的过程中有一个烧结机，可能会漏气。原来人工搞一些肥皂液、检漏液去，人工可能得至少5个小时才能搞出来，用刚才讲的AI成像仪能够快速定位，检测率可能到30分钟以下。这是一个简单的例子。我们在底座大模型、星火大模型基础之上，研发我们说的羚羊工业互联网模型，或者能源模型，对制造业或者能源行业做数字化转型的赋能，这里面刚刚提到既有像工业内容的文本生成知识问答，它其实是一个辅助型的。但它里面可能也有涉及到对任务的规划，对一些代码的生成或者结合多模态能力，它其实就是赋能制造业本身的。我是觉得整个过程其实是相辅相成的。包括刚才讲的羚羊互联网平台，现在我们上面已经将近有140万的各种企业，它可以围绕研、产、供、销、服、管，实现他们自己的一些能力。我大概简单回答一下这个问题，谢谢！[ 2024-11-05 22:18 ]
得给你们工业听诊器点个赞。因为我原来在工厂干活，很多瑕疵是靠声音检验的，包括虚焊什么这些东西，拿一个东西敲，然后老师傅听这个声，这个不是Speech，这是sound。[ 2024-11-05 22:18 ]
它是从语音扩展到广义的声音。[ 2024-11-05 22:18 ]
这个很有价值。商汤最早从图像识别的四小龙出来， 现在也在向行业深入，杨帆你讲讲你们的经验。[ 2024-11-05 22:18 ]
谢谢龚总，说说我个人的观点。我们商汤到上个月刚好十年，说实话我们各种行业化做得蛮多的，成功的经验有，失败的教训也很多。更多的两个点，我今天不站在技术企业的角度，首先站在需求方，以及想去做智能化的转型升级，我觉得很重要的是时机的选择问题，这个时机怎么理解？几个维度。第一个维度，我们国家搞智能化、数字化，大浪过去，你这家企业自身的信息化水平，包括你流程的标准化体系，包括中间各个环节，你想做智能化改造，提升这个环节，在业务流上这些人，他们对于信息化，对于IT，对于数据，对这些东西的感知和感受能力，其实这个玩意是个基础。刚才许总说的我其实非常认同，AI是一个数据科学，一切都是以数据为依托的，但是你数据从哪里来？它也不是从天上掉下来。你的企业的信息化水平，你的整个的流程体系，包括你的标准化程度，你的业务环节中，对这个东西的接纳能力其实是很核心的东西。我们跟一些比如说做基建这个行业的打过交道，央企，很大的，他说特别想做智能化。聊一聊，基本的信息化都没搞完，你帮他做只能做最基本的东西。我们今天看到很多人形机器人，比如十年前商汤开始做，我们做了一些感知，讯飞最早。最近几年很火，大家都知道大语言模型，某种程度上我们叫认知智能，包括前几年的强化学习。前面我也听嘉宾分享说这轮叫“缸中之脑”，未来还得有身体去感知世界，世界知识，这个我们也认可。AI本身是非常大的领域，所以技术迭代是一浪一浪的。[ 2024-11-05 22:18 ]
对于一个需求方而言，我当下最在意的费效比，我需要改善的都有哪些环节？或者说未来一两年我们能看到的技术水平，是对它有比较大的技术价值，不管你降本增效，还是创造增量价值，今天有很多数字化营销，可能不是降本增效，它就是单纯的创造一些增量价值，到底哪些点是我的需求的迫切性，重要程度和当前最先进的技术水平是相对的匹配和吻合的？我觉得这是很重要的一个点，在这个两个大的时机之上，后面无非是你选择什么样的供应商，什么样的合作方式，A服务不好，还有B，对需求方更多是这样的时机的选择。另外一个维度，我觉得也很重要，怎么样打造一个长期、持续发展的生态？这个不应该是我们对工业企业的要求，而应该是我们对整个产业生态方，包括政府各方大家，我觉得AI企业在中间也承担了很大的责任的一个要求。这个要求就是说整个人工智能的产业怎么样能够进入更加健康、持续、稳定盈利的生态状态，它才能真正的往前走。比如我们讲中国要做产业升级，我们对于知识产权的重要程度。咱们都知道，咱们国家的知识产权只能拿来防御，能拿来防御就不错了，软件价值的认定，这些事情都很难。但是这些事情总得有一些解法，没有解法的时候，整个产业更加持续、健康，包括我们做智能化，工业企业智能转型，它最后会变得更慢，所以我觉得第二个可能是个比较大的话题，我相信很多人大家一直在朝这个方向努力，这个实际上留给业界共同的课题。[ 2024-11-07 12:44 ]
没想到，杨帆从需求的角度谈了两个观点。我们在讲新型工业化，智能化驱动新型工业化的时候，不是我们拿着技术找应用，而是那些个真正需要的，去解决真正需要的问题。这使我想到了，前不久美国有一个信息技术创新的智库，他们发的一个报告。它不叫AI Application，叫AI Adoption，我就讨论，我说为什么用这个词？他说Adoption不一样，Application是讲技术怎么，Adoption是说我这个产业怎么接纳你这个技术，包括流程的改变，甚至整个部署的改变，这是一个整个大的变化，整个我们的产业环境需要有个变化。现在我想谈另外一个话题，我们在谈到新型工业化的时候，现在我们中国新型工业化目标，不仅是信息化和工业化相结合。而且谈到了另外三个化，刚才说的智能化，还有绿色化，最后实现走向价值链高端，叫高端化。从绿色化和高端化的角度来讲，通过这个来提高我们的价值，怎么降低碳排，实现绿色、环境友好？这个大家有什么经验或者观点谈谈？我想先让许总谈谈，因为我看到一个材料，荣耀的生产线谈到很多绿色的工作，您来讲讲。[ 2024-11-07 12:44 ]
好的，谢谢龚校长。我不是制造专家，但我尽最大的努力分享一下。荣耀从2020年独立以后，当年成立了我们公司级的ESG工业委员会，由CEO担任主任，选了7个维度作为我们公司整个战略。其中一个就是绿色的战略，在这个框架下面，我们叫绿色的产品、绿色的制造，还有包括绿色的运营，以及包括我们面向消费者的，叫生态的合作伙伴，叫绿色伙伴。从这四个维度，做一个全产业链、全生命周期的管理。我们也是在业界比较早的提出来到2045年，荣耀会成为一个运营碳中和的公司，2030年达到碳排放的高峰。从绿色制造本身，2021年我们投了自己的高端制造产线，在深圳的平山，这也是工信部唯一授予的叫智能制造示范工厂，在终端行业。今年也获得了等级四的认证，就是智能制造工厂，也是绿色工厂。主要有几个实践。[ 2024-11-07 12:44 ]
第一个我觉得还是要提高工厂的自动化率，到目前为止，荣耀的工厂自动化率已经实现了85%。我觉得在业界来讲，这个自动化率应该是蛮高的水平。然后设备的自研率已经达到60%，这样的话通过这样的开发能力，我们已经把制造的效率进行了提升，每28.5秒下来一台手机这样的一个速率。我们也并不是说都是自己做，主要是高端机的制造。另外还有一个实践是什么？通过绿色的光伏发电，我们现在工厂能实现每年700万瓦的绿电，我们同时还购买了绿电，整个工厂就是一个绿色工厂。另外从整个运营来看，包括我们用了很多AI，包括5G的技术，应用到自动校正、校验，产品的发货，利用机器人实现自动化。整体来看，朝这个方向做，既能够实现对于高质量的追求，还能够实现效率的提升，成本的降低。从目前来看的话，这是一个大的方向，荣耀未来也会坚持这个方向，沿着绿色工厂、智能工厂的方向向下去延伸，包括赋能我们下游的合作伙伴，这一点比较重要。因为现在随着荣耀落到深圳之后，我们逐步实现了产业链的汇聚，包括上下游的一些伙伴，也都落户到平山，这样也有一些产业的示范带动作用，这样就形成了效应。我就分享这些。[ 2024-11-07 12:44 ]
你是做终端的，你的下游不就是直接手机用户了吗？[ 2024-11-07 12:44 ]
我们的上游，我们的器件，包括零配件。[ 2024-11-07 12:44 ]
刚才许多总拿起话筒，是不是你后面也讲讲？[ 2024-11-07 12:44 ]
ESG的事情聪总也说了，大家都差不多。我补充两点，其实在工厂，大家做新型工业化本质上还是还是希望做到运营智能化。运营智能化，我们认为有两个非常重要的支撑点。第一个装备的智能化，第二个人机协同。我举个例子，人机协同的问题，装备上视觉都需要配置，这个配置现在还是特别高成本的，你基本上要硕士毕业生去做，还有一个成本比较高的，比如说讯飞和商汤能不能大家一块儿做配置的智能化？用强化学习来做，它可以控制打光，控制焦距，它本身上就是要做典型特征的、白平衡的强对比，这里的成本就能极大的节省。今天机械数决发展最大的问题，就是FIA成本的问题，这里能降低成本，就是配置的智能化。[ 2024-11-07 12:44 ]
还举个例子，装备智能化里面，现在设备能力是非常清晰的能够判断这个物料进去之后，出来的产品是不是好的。对入料尺寸或者外观进行准确的判断，大家把这个做了，你就不用产生二次损失。我认为今天的技术条件来看，在制造现场来做人机的智能化，来做物机的智能化，来做法机的智能化，来做环境和机的智能化，其实都具备这样的，就是大模型的基座能力都具备了，大家怎么去做，把这个做到位？我们装备智能化做到了，其实我们新型智能化就具备了非常重要的基础。我们在装备智能化基础上，构建运营智能化，它就能从点连到线，从线连到面，我相信这才是我们真正期待获得的，就是我们真正能做好东西，能以非常高效的方式去做好东西，现场的维护成本非常低。我个人认为人工智能的导入，对未来新型工业化，对工厂一个最大的助益，就是怎么降低开发导入的成本，尤其未来我们做人形机器人，导入的成本之高是很难想象的，我们随便研发一下就是几个亿，都是样本，不能生产。要生产，我认为可能会超过汽车的，会加几十个亿，我们人形机器人真正批量性的去生产，这个成本怎么去降低？其实今天我认为新型工业化要解决的核心和关键问题。[ 2024-11-07 12:44 ]
让江总讲讲怎么降低这个。[ 2024-11-07 12:44 ]
还是从AI的角度，其实最近在关注一个事，叫AI解决我们控制，到底能不能解决我们产品形态的这个问题？关注这个，因为这两天我看苹果公司Mac Mini4第四代发布，那么多年，这次终于发布了换整个模具的。我看它的宣传材料，有一个词打动我，说是第一款碳中和的Mac Mini4这个产品，它是一块铝块，然后用一体成型加工出来的，说这块铝跟这个产品是一个碳中和的结果。我看这个广告，一下就打动我，其实我们人形机器人反复在思考这个问题，如果做过腿足式的，一定会知道我们希望肢体足够的轻，然后又产生足够的动力跟钢强度。它这个思路给了我，而且解决绿色化问题。有些时候我们不搞真正制造，碳中和这个指标是什么？我们感觉它是一个高纬度的问题，一个铝块它的大小，然后生产出了最小的Mac 4这样一个电脑，它是碳中和的，我感觉这个维度已经超过了人类对设计端领域的一个角度。也就是说未来我们的AI除了在控制界，在设计界已经产生了改变这个世界的设计，我刚才看了一下，我没来得及打开，苹果公司Mac Mini4是放在AI探索之下的成果，也就是我们会不会用AI什么一个产品？我扩展一个话题，看马斯克的CyberTruck，一定是未来机器人造车的一个产品，而不像现在汽车人类集成度制造的设计产品。如果可能，AI作用到工业制造，也许会影响未来的像桌子、椅子、凳子、手机，甚至未来人形机器人一定不像现在的样子。刚才龚校长说的，人类的骨头大多数人没有研究过，成年以后有360块骨头，现在人形机器人只有40多个自由度，如果一个正常的人类，我感觉是设计不出一个像人体这种结构的，所以可能用AI来设计一个产品，会变成未来绿色化碳中和实现碳达峰的一条路径。我不是这方面专门的研究者，人形机器人困扰我们很多的点，AI在于设计可能有一些突破性的改变。[ 2024-11-07 12:44 ]
谢谢，江磊讲到了把AI用在设计，包括绿色设计、智能化的设计，而且刚才许总讲的，智能工厂同时就是绿色工厂，这也是很令人鼓舞的。刚才许多谈到导入成本的问题，我想听听杨帆怎么回答这个。[ 2024-11-05 22:18 ]
我不是很专业，新型工业化这个东西我了解的比较少，但是绿色有一点浅见，绿色本质上其实是两个环节，第一，怎么更好提升能源的效率，费效比变低了当然更清洁，更绿色、更环保；另外一个，怎么用清洁能源替代现有的传统能源，这也是国家的大的战略和布局。第一件事，其实今天人工智能能做很多事情，因为我们对于一个业务环节它的过程中的能源使用效率的优化，本质上是系统优化问题，这个问题单纯从技术上，当你把所有的变量参数数据量汇集起来的时候，今天有强化学习等等技术在，这并不是挑战所在，今天更现实的挑战所在，假设这个事情在一个技术上可解，从产品上、商业上，从用户的融入上，这些环节，什么场景有好的解决方案，什么场景需要大家探索。比如我们现在做的实践，我们现在建算力，国内这个业务板块做的还不错，AI最近的算力非常可怕，对能源的消耗是非常巨量的数字，国家做大的规划的时候要求PUE，单位的机柜内耗电等效的首脸比更低，我们在这方面做了很多工作，因为商汤是全国最先进的智算中心。我们做的时候会发现，比如以前大家的IDC机柜的服务商，他是把机柜看作一个业务的环节或者一个业务的边界，机柜里的机器，服务器的优化是另一个边界，这也是PUE定义的由来，机器的耗电量比数据中心整体耗电量。我做AI的计算，做整个能源效率优化的时候发现这个事情定义不对，当我控制PUE，让IDC的额外耗电量比较低的时候可能导致机器里的风扇全力运转，这个机器还有一层耗散，可能变成解了一个局部优化，但是整体不是最优的，我们最后发现这件事要端到端的打通，从最后有效算力输出来看，整个数据中心或者智能计算中心的耗电量。当我这件事的时候，把原来优化目标的定义打破了，把原来产业结构的边界切分某种程度上进行了重组，核心不在于技术上能优化到多好，核心是是不是打破这样的边界环节。[ 2024-11-05 22:18 ]
另一件事，今天AI能够有所助益，但是比前者差一些，当我们用清洁能源替代传统能源的时候，AI技术也有很多事情可以做，比如我们跟南网、国网合作，清洁能源今天有一个问题，发电量是不稳定的，是弹性的，波动的，这个电发出来用不掉就耗散掉了，你为了传输配比，对整个电网有比较大的负荷，这其实是一个复杂系统的控制问题，AI可以做蛮多的事情，就能让整个清洁能源的存储利用有更高的效能运转，这是系统化的促进。我们今天讲Ai For Science，AI去做科研，是不是可控核聚变能够被AI算出来，那它是巨大的根本性的清洁能源的解决，有这个可能性。[ 2024-11-05 22:19 ]
这个设想挺好，终极解决方案。刘聪说说你的观点。[ 2024-11-05 22:19 ]
我简单补一下，第一，绿色化一方面是信息工业化的一个新航道；第二个也是我们做传统数字化要关注的因素。我补两个小案例，我们在住建部相关部门指导下做了住建行业的大模型，这里面既有语言的也有一些多模态的，它对建筑空间里的环境、要素状态用途，包括整个事件，结合这样的点，有一个多维度意图的检出，自动控制相关的设备。这样的点面向园区智能运维的系统，讯飞有一个讯飞小镇，新的全球总部，这是做的一些工作。第二，原来我们在运营商，刚才对整个能耗的提升将近20%，另外是针对运营商，基站和机房，那个不是大语言模型，基于它的数据做一些节变，这个也能有20%-30%的提升，我大概补充这两个点，是在特定场景下的分割，这是之前关于这一块做过的两个实践。[ 2024-11-05 22:19 ]
非常好，从各位的介绍中不仅看到了案例，也看到了更大的潜力。后面有10分钟时间，请在座的嘉宾跟台上做个互动，看看哪位有问题。[ 2024-11-05 22:19 ]
您好，听了你们关于AI的发展，我有一个自己的想法，我喜欢研究数字人文，目前比较稀缺的领域，如何融合AI与法律的发展，因为法律具有严谨性、逻辑性，同时还有漏洞性不完整性需要发展，法律条款的解释具有多义性，法律最终的判决还要结合人性，这对AI是巨大的考验，我想知道你们的想法。[ 2024-11-05 22:19 ]
这对我们也是巨大的考验。非常感谢您提的问题。[ 2024-11-05 22:19 ]
各位专家下午好！今天听到了很多关于人工智能发展以及对生产力发展的促进，也提到了人工智能到底未来发展的终极目标是什么，其实也有一个开放性的问题，想请教一下各位专家。人类到底是需要一个智能工具，还是希望未来发展形成一个智能生命，包括刚刚说到的对未来的伦理治理，包括发展技术路线，都是我们需要选择的一个拐点，如果是一个智能工具，我们只要负责管理用智能工具的人，如果它是智能生命，我们要考虑人类跟智能生命应该怎么相处？[ 2024-11-05 22:19 ]
两个问题都有点偏人文，我们到底要发展一个智能生命还是一个智能工具？[ 2024-11-05 22:19 ]
因为我们是做终端行业的，面向广大消费者，如何将AI能够在终端上面实现这些功能，在刚才的活动开始前，我给徐部长展示了一下手机的功能，讲到智能体，这个概念不是新的，智能体如何在自然语言理解，计算机视觉，包括基于用户习惯，场景以及环境的分析，包括到未来涉及到一些辅助决策，这些东西是相互关联的，真正实现智能体的功能，是不是在法律层面协助实现高效的解读，包括判例的搜索、构建、分析，这个在应用层面是可以实现的，因为现在的终端已经实现，比如用指令性基于端侧的功能，我可以说请给我点2000杯咖啡，上周荣耀发布会，赵总发了Magic7，就点了2000杯咖啡，就在外面的瑞幸，因为他每单只有15个，下了这么多单，一下子就送过来了，大家一位是开玩笑，发布会结束后就送过来了。其实用手机指令性的调用，第三方能力的调用，APP的调用，现在已经不再是一个虚无缥渺的东西，未来应用层面是一个非常可以实现的场景，至于是不是一个智慧体，这可能需要科学家层面进行研究。但是我觉得在应用层面，因为在端侧，在云侧这种协同很多，包括我们跟文心一言的合作，包括和Meta的LLaMA2、LLaMA3、GeminiAi都有合作，包括OpenAi马上也会有合作，在应用场景是基于场景的，基于用户意图识别的，包括能力的构建，而且它的场景化更多，现在基于指令可以做到900条，有900条的指令都可以调用，这个已经达到了强的算力，端侧的能力。[ 2024-11-05 22:19 ]
还是在讲我们要做一个智能的工具。[ 2024-11-05 22:19 ]
第二个问题，我的观点非常明确，肯定是工具，不管是AI的能力也好，目前肯定达不到一个成为生命的能力，扯那个都是吹嘘的；从伦理来讲，讯飞一直的理念，未来不是属于AI，是属于掌握AI的新人类。第一个问题，法律领域真是一个大模型，因为他本身很多是文本知识这些东西，的确是大模型应用很重要的场景，而且有很多司法和大模型。因为我们也做一些相关的内容，从我的理解首先要客观实现一个功能，来了一个不同的卷宗，包括OCR的技术也好，包括通过大模型完成要素提取、案件的判断，这个其实我们一直在做，大模型来了之后，对这样的效果有比较大的提升，这里重点解决幻想的问题，因为在法律非常严禁，我们需要有一些外挂的知识库包括溯源，这个我们都在做，这个是基础。既有理又有情，有情还要结合实际案例，有一个标准答案，在这个基础上有一些变量让你可以选择。[ 2024-11-05 22:19 ]
我和刘聪的观点很像，第一，我非常坚定的认为，站在人类的立场上肯定是追求一个智能的工具，这是毫无疑问的。包括讲生命，前两天看B站的一个纪录片，有一个人把别人家的狗放那儿，然后那个警察告诉他，从法律意义上讲，这个宠物你很喜欢它是生命，但是从法律意义上讲，它就是这个人的物品，只能这么界定，这是你的财务损失，讲生命确实有点遥远，站在人的立场上，所有的东西，包括AI，我把这个工具说大一点，如果20年或者30年的尺度，对于人类生产力新的巨大的迈进，我觉得这件事潜在的巨大的挑战在于，当你的生产力真的是生产力革命的时候，一定会带来全社会生产关系的重构，这个过程中，对于我们的伦理、道德、社会组织形式，当然也包括法律，一定会带来巨大的冲击和挑战，这个是我们在接下来伴随着技术的发展，我们一定要去面对，一定要想办法解决的真正重要的事情。如果我们畅想这个过程中，机器本身是不是会成为一个超级智能，马斯克说人类碳基生命只是硅基生命的一个启动器，这属于对未来的一种畅想，但是对当下更加现实而有实践意义的挑战，我们一定要判断到这种生产力的巨大变化一定在一个不特别长的尺度上，对我们的生产关系、社会结构方方面面会产生很大的冲击，我们怎么应对，这是挑战，就像法律问题，我们今天能帮法律做一些事情，但是可能它给法律带来的挑战和难题更多，这也要靠人的聪明才智解决。[ 2024-11-05 22:19 ]
将来的法官是更加驾驭AI工具的法官，不是要代替法官，而是让法官更好的驾驭AI工具，说到底都是要发展一个可靠的安全的可信的，而且高效能的AI工具，使人类的生活变的更好，使这个世界更能可持续发展。下面让我来问一下我们的机器人。你好。[ 2024-11-05 22:19 ]
大家好，我是卓益得公司行者2号。非常高兴能参加第七届虹桥论坛，与在座的各位人类嘉宾一起讨论人工智能这一具有伟大时代意义的话题，你们讨论的时候我也在思考，我想问一下江磊先生，当将来某个时刻，我们机器人可以完美的像人类一样思考和行动的时候，法律和伦理体系将如何界定我们的权利和义务，您如何看待高度发达的人工智能与人类的关系，谢谢！[ 2024-11-05 22:20 ]
我感觉我也得站起来回答，第一次机器人对人类提出了问题，我感觉机器人的问题跟人类嘉宾的问题是一致的思考，首先我觉得第一点，我们人类是这个地球上最能包容一切文明的一个群体，这个我们人类还要有自己的自信。第二，现在很多人在问，机器人跟人类怎么去共生，这个就是一个文明社会的基本点，我们人与人之间怎么共生，怎么相互尊重，我们人类发明了一种东西，是法律，但是从技术的观点来看，法律抽象出来就是文字，我觉得文字是我们人类唯一不是由自然界发育出来的一类，它可能也是一种工具。我们现在语言大模型为什么这么重要？因为机器人首次能跟人类发生思想的交流，所以我们就在思考一个问题，不见得对。我做了两件事，怎么来确保人与机器人能和平、互信的、共处的？两件事，一个我觉得要开源。AI这个技术开源，足够的开源，才能让技术在阳光下，我觉得地球上一定是正能量的人多，所以这技术才是安全的。当然第二个问题，人类可以遵守法律，因为有监狱能够掌管我们。机器人呢？我们不能要求机器人光是阅读我们人类的法律。我们最近在做第二件事，在今年年底我们会在上海建立100个人形机器人，包括卓益得先生也会进入到我们100个人形机器人的实体训练场，我们相信那就是一个机器人虚拟训练的社会，我们让这个社会通过AI去运行，然后也把我们的法律，我们的伦理道德注入，我相信未来伦理也是一个人工智能问题，要把类似像我们人类的DNA似的，我们能够学习这个法律，能学习这个伦理，然后把这个DNA植入机器人中。我觉得有DNA的机器人，我觉得卓益得先生应该要自信，我们把你看作更多的是机器人，你就是一种人，而不是一种工具，这是我们的一个基本想法。[ 2024-11-05 22:20 ]
江磊想法略有不同。时间关系，它还要说什么呢？[ 2024-11-05 22:20 ]
谢谢您的回答。[ 2024-11-05 22:20 ]
好，谢谢你，我们今天到此结束，谢谢各位的参与，谢谢！也谢谢各位嘉宾！[ 2024-11-05 22:20 ]