在浦江西岸，一场关于人工智能未来的深度对话正在热烈展开。12月13日至14日，由上海人工智能实验室主办的首届“浦江AI学术年会”汇聚了全球150余名顶尖专家学者，共同探讨人工智能领域的最前沿话题。
近年来，人工智能的发展速度令人瞩目，ChatGPT的横空出世更是掀起了全球范围内的AI热潮。然而，随着技术的不断进步，学界和产业界也开始对AGI（通用人工智能）路线进行更深入的反思和探索。在本次年会上，专家们围绕“公开的高质量数据是否即将用尽”、“不同具身智能技术路线的能力边界”、“AI4S基座模型的需求”以及“大模型是否遭遇瓶颈”等关键问题展开了激烈讨论。
关于“智能”的定义，香港大学计算与数据科学学院院长马毅提出了自己的见解。他认为，当前的深度学习模型，如Transformer，虽然能够给出令人满意的结果，但其决策过程却难以解释和控制，因此并不具备真正的智能。马毅致力于研究“白盒大模型”，试图通过清晰解释模型的压缩过程，从根本上解决当前遇到的“数据墙”和“算力墙”问题。
与此同时，稀宇科技创始人闫俊杰则认为，智能的定义可以更加广泛，黑盒模型在某些应用中已经足够，但白盒模型在理解人类智能方面可能具有优势。他相信，未来将会有更多创新出现，不同研究机构和企业将提出各自对智能的理解，并在特定领域内超越现有水平。
在年会的另一场焦点讨论中，马毅的观点引发了学者们对“Scaling Law（尺度定律）”的深入反思。OpenAI前首席科学家Ilya Sutskever在NeurIPS 2024会议上惊人地宣布，“预训练时代即将终结”，理由是作为AI发展燃料的数据即将枯竭。这一观点在学术界和工业界引发了广泛讨论，人们开始质疑，随着数据枯竭、算力昂贵以及效果下降，Scaling Law是否还能继续支撑AI的发展。
然而，尽管面临诸多挑战，全球顶尖AI公司和科学家们仍在不断探索新的技术路线。阶跃星辰首席科学家张祥雨表示，他对万亿以上参数大模型的能力提升并不绝对乐观，但他对OpenAI和谷歌最近推出的新模型表示赞赏。他认为，虽然这些模型在视觉和推理方面取得了很大突破，但离真正的AGI仍有很长的路要走。
在通往AGI的路线上，上海人工智能实验室主任助理、领军科学家乔宇指出，目前大模型并不具备人类的推理、情感、伦理等战略性思考能力。他认为，应该寻找新的Scaling Law维度，通过更丰富的模型架构和更高效的学习方法来解决当前的问题。同时，他也希望在AGI发展过程中，能有来自中国的核心贡献，找到与中国资源禀赋更加匹配的自主技术路线。
面向未来，中国科学家们正在携手突破新的领域。上海人工智能实验室按照通专融合AGI路径，构建了强推理模型书生InternThinker。该模型解决问题的路径更接近人类学习方式的路径，在面对复杂的推理任务时，能够学习人类的思维模式，快速调整思路，尝试新的解决方案。这一创新在“24点”等高难度数学题以及编程题的解决中展现了卓越的能力。
多模态大模型的发展也备受关注。乔宇希望新的一年中，多模态大模型的涌现能力能够像语言大模型一样取得重要突破。上海人工智能实验室最近发布的书生万象2.5已经在多模态思想链上取得突破，成为首个MMMU测试突破70%的开源多模态大模型。张祥雨同样希望多模态大模型能够实现理解和生成一体化，让Scaling Law重新与智能程度的发展正相关。
最后，本次大会主席、上海人工智能实验室主任、首席科学家周伯文强调，当前大家都在关注“Scaling Law”，但接下来需要思考的是“Scaling What”。他认为，除了算力、数据和推理时间外，提升研究者的“Scale”同样重要。他期待未来能够发挥团队本身的创造力，实现更高层面的协作和创新。
