中國科學院院士、華科智谷人工智能研究院院長何積豐：大模型仍不具備自主學習的能力，我們要想辦法走在AI之前

每經記者 溫雅蘭    每經編輯 張凌霄    

麥肯錫數據顯示，如果將分析的63種生成式AI應用于各行各業，將為全球經濟每年帶來2.6萬億至4.4萬億美元的增長。

在“瞰見未來”2024復旦管院新年論壇上，中國科學院院士、華科智谷人工智能研究院院長何積豐以《人工智能重塑人類未來》為主題發表演講，圍繞AI重塑社會分工、AI產生的行業變革、如何破解AI安全問題等分享了最新研究與行業洞見。

“在人工智能技術快速發展的階段，深度學習算法不斷迭代。以人工智能技術為代表的革命，實際上是知識生產力的變革，是知識革命。”何積豐在接受《每日經濟新聞》記者采訪時如是說。

中國科學院院士、華科智谷人工智能研究院院長何積豐 圖片來源：主辦方供圖

挑戰：成本消耗與安全隱患

人工智能學習知識的速度是人類平均速度的一倍以上，但是所需的時間只要人類的40%左右。

“人類從小學到大學畢業大概需要十六年時間，而預計2026年前后，大模型就可以消化人類歷史上所有有價值的文字數據。”何積豐說，“據不完全統計，人工智能的行業采用率達到60%左右，與各行業的關系非常密切。”

但是我們不得不意識到強大的生產力背后所隱藏的安全隱患?；顒蝇F場，何積豐向大家介紹了人工智能的安全隱患客觀上會產生的兩大威脅。

第一，大模型開啟了真正意義上的通用人工智能，但是我們是否有能力駕馭這一比人類學習能力更強、更聰明的“物種”？何積豐表示，這個問題目前并沒有明確的答案，我們仍在探索之中。
第二，大模型的通用能力讓其能夠應用到人類生產生活的各個場景中，可謂“無孔不入”。“一旦AI出現安全問題，其影響將難以預估。”何積豐說。

談及安全問題，數據隱私安全往往是社會公眾最為關注的。

何積豐解釋說，大模型時代的隱私安全問題涉及到三個緯度。首先，訓練過程會涉及大量用戶個人信息和數據；其次，使用過程會涉及很多用戶私密信息，這些信息沒有受到應有的保護；最后，生成能力讓“隱私泄露”的方式變得多樣化，也讓隱私保護更加困難。

“在提供大模型訓練數據的過程中，雖然可以通過脫敏處理使數據更加抽象和類型化，但因為大模型可以進行跨領域的交叉推理，所以依然能夠還原原始數據里的信息。”何積豐解釋道，“除了在訓練過程、使用過程中可能發生數據隱私泄露，生成式大模型依靠語料庫，還會按照‘意志’對數據進行修改，而為搜索引擎建立的數據保護策略對大模型也無法奏效。”

此外，何積豐在采訪中也表示，能源的大量消耗也是人工智能技術發展必須面對的一大挑戰。在大模型訓練過程中，大約有65%的成本都是能源消耗，雖然大模型具有強大的學習能力，能夠成為人類的助手，但是其開發的代價也是極大的。

何積豐表示，在未來一段時間內，我國人工智能技術的主攻方向將聚焦于解決軟件和硬件的融合問題、跨行業的多模態融合和提升使用便捷度三個方向。
“大模型受歡迎的原因就在于可以使用自然語言。在人機界面使用自然語言是極大的突破，當界面越容易使用，使用者就越多，市場面也就更廣。”何積豐對記者說。

賦能：充分發揮人類的主觀能動性

大模型擁有超強的學習能力和問題分析能力，學會運用技術，是我們不會被“替代”的關鍵之一。

何積豐介紹，目前AI取代人類工作的時間被大幅提前了10年，在2030年至2060年間，50%的職業將逐步被AI取代。“AI也會對個人工作產生重要影響。例如，AI可以使60%-70%的工作實現自動化，對高學歷、高收入的知識工作者影響更大。”

那么，我們如何做才能與技術“和平共處”？

事實上，任何技術的發展都會在淘汰落后技術相關崗位的同時，生成新技術相關崗位。

何積豐表示，我們必須意識到，人類進行技術研發是為了有智能助手來幫助我們提升效率，而并不希望出現“教會徒弟，餓死師傅”的情況。所以人要專精自己的優勢和專業領域，不斷提高自己的專業水平，思考如何把AI應用到自己的專業中，提高自己的產出效率。同時，不斷接收新信息、擁抱新變化，拓展自己的事業，接觸更多的人和行業。

此外，何積豐在采訪中也從教育的角度出發，向教育工作者提出幾點建議。他認為，我們要不斷培養學生的好奇心和他們探索知識的能力。“當前的大模型技術仍不具備自主學習的能力，所以我們要想辦法走在AI之前，發揮人的主觀能動性。”