作者丨王悅 張進(jìn)

編輯丨陳彩嫻

第 33 屆 IJCAI 大會(huì)在韓國濟(jì)州島圓滿結(jié)束，為期一周（8.3-8.9）的 IJCAI 吸引了來自全世界各地人工智能領(lǐng)域的研究者和關(guān)注者，大會(huì)現(xiàn)場的氛圍跟 8 月的濟(jì)州島天氣一樣火熱，現(xiàn)場的熱情氛圍昭顯了當(dāng)下人工智能領(lǐng)域的蓬勃發(fā)展。

延續(xù)了 IJCAI 2023，此次大會(huì)最熱門的兩個(gè)領(lǐng)域依然是計(jì)算機(jī)視覺跟機(jī)器學(xué)習(xí)，有關(guān)大模型的話題往往參與者眾。此次參會(huì)人數(shù)將近 3000人，論文提交數(shù)量超過 2023 年的 23.8%。

張成奇是 IJCAI 首位華人大會(huì)主席，也是進(jìn)入 IJCAI 理事會(huì)的第三位華人，前兩位分別是IJCAI 2019理事會(huì)主席楊強(qiáng)和IJCAI 2023理事會(huì)主席周志華。

張成奇告訴 AI 科技評(píng)論，他跟 IJCAI 的淵源要追溯到2011 年，這一年在他的積極參與下澳大利亞墨爾本成功取得了 IJCAI 2017 的舉辦權(quán)。這一屆贊助創(chuàng)歷史新高，贊助費(fèi)超 70 萬美元，這是與張成奇的努力密不可分的。

更重要的是，張成奇本人在人工智能領(lǐng)域的成就亦不容小覷。

張成奇于 1982 年在吉林大學(xué)攻讀碩士研究生，從事專家系統(tǒng)方面的研究，而吉林大學(xué)是中國最早開始研究人工智能的單位之一。早年，張成奇曾用9年時(shí)間做一項(xiàng)研究，最終于1992年在 “國際人工智能雜志（Artificial Intelligence Journal）”上發(fā)表了大陸華人中的第一篇AI 期刊文章。根據(jù)2024年8月份Google Scholar統(tǒng)計(jì)，張成奇的所有文章被引用總數(shù)超過33000次，H-Index為70。

在從事人工智能和數(shù)據(jù)挖掘領(lǐng)域研究的 40 多年時(shí)間里，張成奇取得了豐碩的研究成果，到目前為止，共發(fā)表 300多 篇科技論文，很多論文都發(fā)表在頂級(jí)期刊。曾于2011年獲得新南威爾士州科學(xué)與工程（工程和ICT類）獎(jiǎng)，并在2011年獲得悉尼科技大學(xué)副校長卓越研究（領(lǐng)導(dǎo)類）獎(jiǎng)。

大會(huì)主席張成奇認(rèn)為，IJCAI 的舉辦極大地促進(jìn)了當(dāng)?shù)厝斯ぶ悄茴I(lǐng)域的交流，此次 IJCAI 選址韓國相比在其他地方舉辦韓國參會(huì)者多出超 20 倍。

在韓國濟(jì)州島舉辦的 2024 IJCAI 現(xiàn)場，AI 科技評(píng)論跟張成奇對(duì)話，講述他首次擔(dān)任大會(huì)主席的感受、本次 IJCAI 的變化以及他對(duì)當(dāng)下人工智能發(fā)展、大模型發(fā)展的一些看法。以下是對(duì)話原文（經(jīng)過簡單編輯）：

一、IJCAI 更嚴(yán)格了，但被接收的大部分都是好文章

AI 科技評(píng)論：今年各國的參會(huì)人數(shù)在整體參會(huì)者中占比大約是多少？

張成奇：中國參會(huì)者大概可以達(dá)到參會(huì)總?cè)藬?shù)的 1/3 左右。韓國參會(huì)者人數(shù)相比在其他地方舉辦多了起碼 20 倍，占總參會(huì)人數(shù)的1/5左右。IJCAI 選址對(duì)當(dāng)?shù)貐?huì)人數(shù)會(huì)有很大地促進(jìn)作用，比如 2017 年澳大利亞的 IJCAI ，有 500 多澳大利亞人參加（大約1/4），這次澳洲過來的學(xué)者就只有 70 人左右。

AI 科技評(píng)論：我們觀察到，今年 IJCAI 的很多贊助商都來自中國。

張成奇：是的。從 2017 年起主要的贊助商都來自國內(nèi)，這次來的參展企業(yè)有信也科技，百度、滴滴、華為、美圖、OPPO、ViVo、京東，貝式計(jì)算等。

IJCAI 從 2017 年開始，專門設(shè)置了一個(gè) Sponsorship Officer，之前是我在負(fù)責(zé)，從去年開始由于涵負(fù)責(zé)，我來協(xié)助。

企業(yè)贊助的錢每年都可以資助很多學(xué)生，金額可以達(dá)到數(shù)十萬美金，受資助的學(xué)生也更愿意在這個(gè)會(huì)議上投論文，這是一個(gè)正循環(huán)。

AI 科技評(píng)論：組織 IJCAI 的過程中，是否遇到過很大的困難？

張成奇： IJCAI 整體進(jìn)程推進(jìn)得較順利。由于我自己有組織過很多場大型國際會(huì)議的經(jīng)驗(yàn)，對(duì)其中的節(jié)奏把握有很多經(jīng)驗(yàn)，可以算得上駕輕就熟。在近30年來，我先后在澳大利亞人工智能年會(huì)、亞太人工智能年會(huì)、亞太數(shù)據(jù)挖掘大會(huì)、國際數(shù)據(jù)挖掘大會(huì)這些會(huì)議中多次擔(dān)任大會(huì)主席。

AI 科技評(píng)論：您擔(dān)任過這么多地區(qū)會(huì)議、國際會(huì)議的華人主席，有什么感受？

張成奇：能夠擔(dān)任頂會(huì)主席的人非常少，其中的華人就更少。我之前當(dāng)過 KDD、ICDM 的主席，這次也擔(dān)任了 IJCAI 的主席。這一系列主席當(dāng)下來之后，至少感覺組織事情更有條理了。

張成奇與學(xué)者在 IJCAI 現(xiàn)場交流

另一個(gè)角度來看， IJCAI 是綜合性會(huì)議，強(qiáng)調(diào)涵蓋更多、更豐富的 AI 垂直領(lǐng)域，不像 CVPR、ICML 這些只關(guān)心一個(gè)研究領(lǐng)域的垂直會(huì)議。

綜合性會(huì)議的特點(diǎn)是，文章接收量的范圍相對(duì)寬一些，但想要辦出大名氣就比較難。

二、應(yīng)用大模型要注意“領(lǐng)域的錯(cuò)誤敏感度”

AI 科技評(píng)論：您怎么看待今天的大模型？

張成奇：大模型叫生成式模型，生成式模型最大的優(yōu)點(diǎn)是它生成效果很靚麗，“腦子”很發(fā)散，像人一樣很聰明。但是最大缺點(diǎn)是有幻覺，而且幻覺無法被克服，如果克服了幻覺，那么生成式模型也就沒有那么靚麗了。

人的聰明之處在于解決問題，人算 38的平方是算不過計(jì)算機(jī)的，計(jì)算機(jī)在這種傳統(tǒng)、有標(biāo)準(zhǔn)的東西范圍是不會(huì)出錯(cuò)的，大模型反而會(huì)出錯(cuò)。這就是大模型的優(yōu)缺點(diǎn)。

AI 科技評(píng)論：我們應(yīng)該如何利用現(xiàn)在的大模型？

張成奇：要注意區(qū)分大模型在不同領(lǐng)域的錯(cuò)誤敏感度。

舉三個(gè)例子：

第一個(gè)場景，核電站維修完全不能容忍錯(cuò)誤，任何概率包括 0.01% 的錯(cuò)誤都不能容忍，這種情況的錯(cuò)誤敏感度較低；

第二個(gè)場景，寫詩作畫可以隨意發(fā)揮，寫錯(cuò)、做錯(cuò)沒有壞的影響，這種情況的錯(cuò)誤敏感度就較高；

第三個(gè)場景，股票交易可以出錯(cuò)，因?yàn)楣善睕]有 100% 賺錢的，只要賺錢超過50% 就可以，這種情況的錯(cuò)誤敏感度就是中性。

因此，大模型很發(fā)散、很聰明，但是它不保證全部對(duì)，也不保證沒幻覺。所以這時(shí)使用者要考慮不同領(lǐng)域的錯(cuò)誤敏感度，中性敏感度只要它正確率超過 50%，是可以被使用的。很多人吐槽幻覺問題，說有幻覺就不能用了。但其實(shí)并不是這樣，寫詩作畫、股票交易等領(lǐng)域都是可以用的。

99.9% 的人都是大模型的使用者，很難決定或左右大模型是否擁有幻覺。但我們可以判斷各種領(lǐng)域?qū)﹀e(cuò)誤容忍的敏感度，什么領(lǐng)域能用，什么領(lǐng)域不能用。不僅要考慮模型能力好不好，還要考慮是否和對(duì)應(yīng)的領(lǐng)域適配。

但需要知道的是，大模型的幻覺問題不能從根上解決，否則的話它就不是大模型了，也不是生成式了。所以不能只盯著難以被解決的幻覺問題，要揚(yáng)長避短、趨利避害。

AI 科技評(píng)論：在您的判斷中，目前階段有哪些適合大范圍應(yīng)用大模型的領(lǐng)域？

張成奇：導(dǎo)游行業(yè)。比如規(guī)劃一條路線，多繞幾分鐘沒有太大關(guān)系，只要?jiǎng)e發(fā)生危險(xiǎn)就可以，所以這個(gè)領(lǐng)域容忍度很高。從這個(gè)角度開發(fā)垂直大模型是值得嘗試的。

智能養(yǎng)老也很適合做大模型應(yīng)用，中國的養(yǎng)老，有兩個(gè)剛需，分別是健康和飲食。于健康管理而言，需要精準(zhǔn)控制吃藥的時(shí)間、藥量、頻率等；于飲食管理而言，比如糖尿病的人哪些食品不能吃？身體寒寒的人哪些食物不能吃？食譜怎么給千人千面的搭配？這些是大模型能夠幫助實(shí)現(xiàn)智能化和個(gè)性化的方面。

除此之外，情感陪伴，也可以使用現(xiàn)在的生成式模型來實(shí)現(xiàn)，無論是外在的形象、實(shí)體陪伴，還是語言、情感的陪伴都也可做得很絲滑。

社交層面，也可以通過大模型匹配到不同的興趣愛好圈，加入不同的話題。還有運(yùn)動(dòng)管理，比如一位70歲老人是走 5,000 步還是走1萬步呢？是早晨走，中午走還是晚上走？是分開走，還是和別人一起走？都可以從大模型上去尋找答案。

開發(fā)通用大模型無需過度考慮領(lǐng)域問題，但要是做垂直領(lǐng)域大模型，一定要選好領(lǐng)域。

AI 科技評(píng)論：大模型發(fā)展的下一步趨勢(shì)是什么？

張成奇：一方面是減少算力，提高效率；另一方面是應(yīng)用領(lǐng)域會(huì)越來越寬。沿著這兩個(gè)方向改進(jìn)，都是漸進(jìn)性的進(jìn)步，至于之后能不能有 break through，就需要看底層架構(gòu)有沒有突破，需要有像 GPT 這樣革命性的變革。

因此，在通用領(lǐng)域上，大模型比 99% 的人都聰明，但是在專業(yè)領(lǐng)域中，他們始終無法超越專家。

大模型的技術(shù)專家都在研究怎么解決幻覺、怎么提高效率。但還有一個(gè)層面，也需要站在普通老百姓用模型的角度看，怎樣去把現(xiàn)有的大模型能力更好地發(fā)揮出來，怎樣能夠讓技術(shù)更普惠人類社會(huì)。我認(rèn)為更多要從上往下走，從現(xiàn)象中將本質(zhì)抽象出來后，再往下落。

AI 科技評(píng)論：具身智能也在今年掀起了一波熱度，你認(rèn)為這是泡沫嗎？

張成奇：人的智能大致可以分成感知、認(rèn)知、行為三個(gè)方面。深度學(xué)習(xí)解決了感知問題，GPT + 深度學(xué)習(xí)在很大程度上解決了認(rèn)知問題，而行為智能方面一直沒有很大突破，所有機(jī)器人控制都是屬于行為智能。

現(xiàn)在要做的事，是把感知、認(rèn)知、行為等多種智能的層面融合起來。早期人工智能為什么沒法用？就是因?yàn)樗兄喜贿^關(guān)，認(rèn)知層面在前進(jìn)，但是還沒有到達(dá)終點(diǎn)，后邊有好多東西要做，但也能實(shí)現(xiàn)很多工作了。

所以為什么家庭機(jī)器人還要需要時(shí)間？就是因?yàn)樗男袨閳?zhí)行還是有難度?，F(xiàn)在有了GPT，它的能力會(huì)上一個(gè)大臺(tái)階，這些臺(tái)階已經(jīng)夠消化 5 年 10 年了。

AI 科技評(píng)論：具身智能下一階段將如何發(fā)展？

張成奇：具身智能這個(gè)方向一定能得到長足的發(fā)展，原因是現(xiàn)在的智能，不管感知、認(rèn)知，單獨(dú)拿出來都是沒法用。

AI 科技評(píng)論：如何看待 Agent？

張成奇：Agent 原來就是一個(gè)方向，很多年了一直火不起來，后來熱度到低谷，現(xiàn)在又升上去了。原因是之前對(duì)環(huán)境的感知判斷做得不好，現(xiàn)在環(huán)境感知已經(jīng)提高了很多，剩下需要做好協(xié)調(diào)工作。

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。