7月4日，2024世界人工智能大會暨人工智能全球治理高級別會議在上海開幕，深圳計算科學研究院首席科學家樊文飛院士應邀出席，在中信集團承辦的投融資主題論壇發(fā)表了“AI=機器學習+邏輯推理”的主旨演講，和與會嘉賓分享了AI領域前沿趨勢和在垂直領域應用的重大機遇。

大模型——挑戰(zhàn)與機遇并存

樊文飛院士指出，通用大模型推動了行業(yè)的變革，引起社會的廣泛關注，但也存在局限性。做為輔助工具，大模型表現優(yōu)異；但在智能制造的應用前景還有待觀察。當下的大語言模型是基于統(tǒng)計類的機器學習模型，無法滿足結果的可解釋，且無法同時滿足模型的“準確性”“公平性”和“魯棒性”要求，邏輯推理能力不強，訓練成本高（算力、數據、能耗），而且經常產生“幻覺” (hallucination)?？煞駪么竽Ｐ驮谏a關鍵環(huán)節(jié)做出實時“決策”，解決行業(yè)痛點，提高生產效率？如何確保大模型在智能制造決策中的準確性和可靠性？如何減少它們所產生的幻覺？能否增強機器學習的邏輯推理能力？所以要討論大模型的遠景，首先要確定大模型的定位，不能企望大模型做到其所不能。

如何在工業(yè)界發(fā)揮人工智能的效能，解決行業(yè)痛點，是業(yè)界需要關注和解決的一項重大機遇和挑戰(zhàn)。在解決行業(yè)痛點問題時，大模型是否最優(yōu)解？能否找到成本低、高精度、易解釋的方法，為行業(yè)痛點提供實時解決方案？

以“AI+”的自動化、高精度、可解釋、低成本賦能工業(yè)界

在人工智能技術的發(fā)展大潮中，中國應發(fā)揮在制造業(yè)規(guī)模大、垂直領域數據積累多等優(yōu)勢。樊文飛院士提出：以“機器學習+邏輯推理”的“AI+”發(fā)展思路，在提高模型結果準確度的同時賦予結果可解釋性；與此同時，通過邏輯規(guī)則融入行業(yè)（小）模型預測，大幅降低模型的落地成本。深算院通過獨創(chuàng)的機器學習模型與業(yè)務邏輯規(guī)則的高效結合，研發(fā)填補國際空白的釣魚城數據分析系統(tǒng)，并衍生出生產工藝、配方優(yōu)化、網絡安全、新藥研發(fā)、金融風控、精準推薦等行業(yè)的AI應用創(chuàng)新，均已上線應用。如在動力電池制造行業(yè)，助力頭部企業(yè)在保證誤差率0.06%-0.01%的同時，縮短80%化成分容生產周期，降低50%能耗，單條產線節(jié)省上千萬設備成本，每GWh產能年節(jié)省上百萬元電費，并可擴展優(yōu)化更多工藝環(huán)節(jié)。釣魚城系統(tǒng)已證明可以實現實時決策、精準解釋、自動適配，并在算力不足、訓練樣本較少的情況下，得到遠超大模型的精度，解決許多行業(yè)痛點。

語料準備與算力同等重要

樊文飛院士表示，目前社會廣泛聚焦的是大模型以及與其相關的算力，忽視了大模型訓練必需的語料準備這一關鍵環(huán)節(jié)。大模型的精度和可用性取決于所訓練的語料數據，如果致力于打造一個具備產線實時應用的大模型決策系統(tǒng)，那么語料清洗的重要性和算力同等重要。基于“大數據質量保證模型與方法”原創(chuàng)理論，深算院研發(fā)的采石磯數據質量系統(tǒng)，為上海數據交易所的數據評估和數據交易流程提供底層能力支撐，落地國內首創(chuàng)的大數據精準量化質量評估，實現了自動化的數據質量評估和數據質量增強，真正打通數據要素進入流通的關鍵節(jié)點。下一步將繼續(xù)為大模型的訓練提供優(yōu)質的語料數據和行業(yè)調優(yōu)數據，以提升行業(yè)大模型的準確性。

走出國產基礎軟件的“寒冬”

重要性不亞于大模型的是標準化基礎軟件的研發(fā)。目前芯片受制于人。如果開源軟件被禁用，中國的大模型發(fā)展將何去何從？所以堅持自主源頭創(chuàng)新和自研根技術，才能推動中國軟件行業(yè)真正走出受制于人的困境。例如，深算院以有界計算、跨模計算等創(chuàng)新理論，研發(fā)出全自研滿足AI場景需求的崖山數據庫系統(tǒng)，實現與國際主流數據庫在高端場景提供1：1的平替能力，在中國人民銀行數字貨幣場景，通過反復數十萬次的故障和高可用測試，故障恢復和數據一致性得到強保證，在兼容、功能、故障、運維、備份、安全、性能等維度，滿足數字貨幣場景對數據庫的業(yè)務訴求。