“連我這種做人工智能的人，看到ChatGPT這樣的表現，都大為震撼。”發出這種感慨的，是清華大學高等研究院雙聘教授沈向洋。

作為計算機視覺和圖形學專家，沈向洋常年從事人機交互、統計學習、模式識別和機器人等方向的研究工作。最近這幾年，他也經常和同行一起辯論，通用人工智能到底能不能做得出來、什么時候可以做得出來，討論到底人工智能達到什么樣的標準算是“智能”。

讓他感慨的是，在大家“還沒有吵清楚的時候，ChatGPT已經橫空出世”。

7月23日，在國家科技傳播中心舉辦的基礎科學與人工智能論壇上，諸多人工智能領域著名學者圍坐在一起，共同探討大模型及通用人工智能將會面臨哪些問題與挑戰，圍繞AI大模型的可能性邊界、數據集和訓練集、計算機視覺、知識圖譜等問題展開了討論。

“不要說我們這些人沒有反應過來，比爾·蓋茨也沒有反應過來。去年6月，蓋茨都不相信這件事能做出來，直到8月給他（看了）模型——60道題做對59道，他才相信這件事真正實現了。”沈向洋說。

即便是世界級水準的科學家，從業幾十年的計算機行業專家，對于從去年年底到今年年初，由ChatGPT等人工智能產品帶來的種種變化，也難免會心生感慨。

“數學、物理等對于信息科學十分重要，同時基礎學科也需要有效運用人工智能等新一代技術，以促進自身的發展。”在會上播放的致辭視頻中，菲爾茲獎得主、國際基礎科學大會主席丘成桐說。

在他看來，信息科學能夠產生一些重要且有意義的數學問題。這些問題，“數學家正在很起勁地研究”，人工智能正在影響數學本身的發展。他希望，年輕科學家能夠從根本上了解人工智能，并在人工智能的廣泛應用過程中，發揮重要作用。

AI大模型需要用大量的數據和計算資源來打造，中國計算機學會CCF副理事長周明思考的，則是AI大模型在未來的社會生活中，如何具體“落地”。

在大模型的訓練過程中，智能到底是在哪一步真正出現的？智能涌現的機制又是什么？在討論的過程中，沈向洋拋出了一個又一個問題。最終他拋出一個觀點——最關鍵的問題是缺少正確的數學工具。

“也就是我們今天討論的，基礎科學和人工智能的關系。”他說。

用沈向洋的話說，很多科學技術發展的背后，都有非常強大的數學工具和數學原理在發揮作用，人工智能領域當然也不例外。

對這個話題，德國漢堡大學教授、多模態智能系統研究所所長張建偉的補充是：“我們不只需要數學模型，還有物理模型、生物模型、腦科學模型。”

張建偉的主要研究方向，包括智能系統的感知學習和規劃、多傳感信息處理與融合、智能機器人、人機交互等等。他提到，雖然現在機器人的發展，在處理單模態信息上已經取得很大進展，但是多模態信息處理方面，跟人類相比，尤其是在動態環境下，“還差得非常遠”。

“我相信，基于物理、生理、模型和大數據聯合驅動AI的方法，是未來實現智能機器人的必由之路。”張建偉說。

張建偉注意到，目前國內對機器人的熱情很高，產業基礎和環境氛圍很好。如何在科技倫理的框架下推進機器人研發，不刻意地規劃人工智能的創造性，給人類留出一些創意空間，是他認為“非常值得關注、值得探索的問題”。

關于模型訓練，埃隆·馬斯克成立的人工智能公司xAI創始成員楊格認為，伴隨著模型規模增長，需要更加豐富、質量更好的數據集，需要由偏重網絡輿論的數據集，轉向偏重數學科學、更具邏輯性和推理性的訓練集。

在楊格看來，AI的思維結構和人類的思維結構完全不一樣，唯一相同點是，AI大模型是用人類的數據訓練出來的，在某種程度上，“會感覺很像我們自己跟自己對話”。但人工智能跟人類仍然是不一樣的，AI到底能不能像人類一樣融入社會，目前“還不好說”。

“ChatGPT不是人，我們也不會把它當成人來對待。AI用自己的模式跟人類交流。”楊格說。