每經(jīng)記者 鄭雨航    每經(jīng)實習(xí)記者 宋欣悅    每經(jīng)編輯 蘭素英    

“AI教父”杰弗里·辛頓近日在BBC廣播4臺的《今日》節(jié)目中指出，AI的發(fā)展速度“非常非?？欤任翌A(yù)期的要快得多”，并強調(diào)這一變化速度遠超預(yù)期。據(jù)他預(yù)測，具備超人能力的AI可能在未來20年內(nèi)出現(xiàn)，最快甚至就在5年內(nèi)。

針對AI接下來的發(fā)展，《每日經(jīng)濟新聞》記者（以下簡稱NBD）近日采訪了清華大學(xué)電子工程系長聘教授、博士生導(dǎo)師吳及。吳教授從AI技術(shù)瓶頸、AI+醫(yī)療等角度進行了全面解讀。

在吳及看來，AI在學(xué)術(shù)研究方面有待突破的一點是對真實的物理世界進行建模。以目前的技術(shù)來講，還很難做到將文本意義上的世界模型和物理意義上的世界模型關(guān)聯(lián)起來。在談及AI應(yīng)用落地時，吳及強調(diào)，加強對AI的認(rèn)知是首要任務(wù)，如果認(rèn)識或理解不夠深，完全憑想象做事，那走的方向可能完全不對，這是很大的風(fēng)險。

談AI技術(shù)瓶頸：對物理世界建模有待突破

NBD：當(dāng)前AI主要的技術(shù)瓶頸是什么呢？

吳及：從現(xiàn)實應(yīng)用來講，AI技術(shù)或者大模型跟很多現(xiàn)實場景應(yīng)用結(jié)合得還不是非常好。這個方向非常熱，但能夠被大規(guī)模、常態(tài)化使用的成功應(yīng)用還比較有限。這方面我覺得還有相當(dāng)長的路要走。

從學(xué)術(shù)研究的角度來講，一個非常重要的突破點在于，能不能把文本意義上的世界模型和物理意義上的世界模型關(guān)聯(lián)起來，也就是說，能不能建立起對真實物理世界的建模。以目前的技術(shù)來講，可能還很難完全做到，有待技術(shù)突破。

NBD：您提到的物理世界模型是不是類似于李飛飛團隊所做的工作？

吳及：對。目前大模型能力很強，具備越來越多的能力，例如寫文章，寫代碼、生成圖片和生成視頻，但核心還是語義向量，核心技術(shù)還是大語言模型。

但它對整個物理世界的理解能力，我覺得還是不夠的。以人的學(xué)習(xí)過程來打個比方，我們經(jīng)常會說，“紙上得來終覺淺，絕知此事要躬行”，因此實踐非常重要。依靠文本為主的大模型也可以與其他模態(tài)對齊，但個人認(rèn)為還不足以對整個物理世界進行建模。所以，建模真實的物理世界會是學(xué)術(shù)前沿研究上會面臨的下一個瓶頸。

吳及

談AI+醫(yī)療：三大場景有很大發(fā)揮空間

NBD：作為智慧醫(yī)療方面的專家，您認(rèn)為，AI+醫(yī)療將如何影響我們的未來？

吳及：相比其他場景，醫(yī)療場景是比較困難的，因為醫(yī)療本質(zhì)上是用全國的醫(yī)療機構(gòu)和醫(yī)療隊伍去服務(wù)全體社會的過程。另外，醫(yī)學(xué)診療這件事既有理論，有科學(xué)，還有很多的經(jīng)驗，很多治療還是靠經(jīng)驗，靠積累，甚至靠專家的直覺。因此，從某種意義上來說，醫(yī)療場景下AI的應(yīng)用難度更大，當(dāng)然它也會逐步滲透到一些比較典型的場景中。

首先是提高資源配置的效率，比如分診和轉(zhuǎn)診。在當(dāng)下的就診過程中，特別是國內(nèi)，我們沒有非常完整的分診體系，患者就診實際上是非常隨機的，憑著自己的意愿去掛某個專家的號，但醫(yī)學(xué)專家不是萬能的，越頂尖的醫(yī)院分科越細，因此，在醫(yī)療資源的有效利用上，實際上存在一定的錯配問題，也就是沒有最大限度地加以利用。在有充分信息的支持下，AI的引入是有利于這種配置的。

我們在新冠疫情期間嘗試過，比如重癥預(yù)警，預(yù)測哪些患者可能會發(fā)展為重癥，從而更有效地分配醫(yī)療資源，整個診療狀況可能會更加有序和有效。

其次，提高診療質(zhì)量，全世界都存在這樣的情況，即好的醫(yī)療資源分配是不均勻的，好的醫(yī)療資源存在很強的虹吸效應(yīng)，往中心城市聚集。在很多地方，雖然醫(yī)院的信息化水平在不斷提升，但診療水平未必達到了學(xué)科前沿。AI能夠縮小不同地區(qū)間的醫(yī)療水平差距，AI可以促進“知識下沉”，將先進的治療技術(shù)和管理經(jīng)驗傳遞到基層醫(yī)療機構(gòu)，提高整體診療水平。

第三，提高診療的效率，目前診療過程中有大量工作都是依靠醫(yī)生和護士來做的，如果把繁瑣的工作交一部分給機器去做，盡管機器未必比得上頂尖醫(yī)生，但可以在保證基本質(zhì)量的情況下，大幅度提高效率，減輕醫(yī)生的負(fù)擔(dān)，讓醫(yī)生能夠把時間精力用來處理那些真正需要決策、判斷的事情，極大提高診療效率，讓醫(yī)療機構(gòu)運轉(zhuǎn)更高效。

用有限的醫(yī)療資源更好服務(wù)整個社會群體，這是很重要的。所以，不管是提高資源配置效率，還是保證臨床診療質(zhì)量以及提升診療效率，這都是AI能夠發(fā)揮重要作用的場景。

談AI應(yīng)用落地：理念與認(rèn)知是首位

NBD：隨著AI技術(shù)的不斷進步，商業(yè)化的進程也在加速。您認(rèn)為，AI商業(yè)化落地最難的環(huán)節(jié)是什么，技術(shù)問題，還是市場接受度，還是其他？

吳及：AI應(yīng)用落地要面臨的困難還是挺多的。

首先是理念和認(rèn)知的問題?，F(xiàn)在全社會都知道AI是潮流，非常關(guān)注AI技術(shù)，包括我去很多地方講課，我也感覺大家對AI的熱情很高。

盡管大家都認(rèn)可AI很重要，但對AI的認(rèn)識深度還是相當(dāng)不足。我有時候開玩笑，如果找10個人一起討論AI，大家可能用的是同一個詞，但心里想的可能都不是一個事兒，在交流的過程中可能經(jīng)常會出現(xiàn)所謂的“雞同鴨講”。也就是說，每個人都是憑自己的想象在想AI應(yīng)該干什么，能干什么，適合干什么，但對于技術(shù)本身的理解可能是非常有限的，因此會形成很多對AI的錯誤認(rèn)識和錯誤理解。

即使很多工作打上了AI這個標(biāo)簽，但其實未必能真正發(fā)揮作用，如果認(rèn)識或理解不夠深，完全憑想象做事，那走的方向可能完全不對，這是很大的風(fēng)險。這就是為什么我說，理念和認(rèn)識可能是排在第一的。

其次，我們一直談到三要素：算力、數(shù)據(jù)和算法。其中，數(shù)據(jù)非常關(guān)鍵。這一代AI技術(shù)對現(xiàn)實世界的認(rèn)識主要是靠數(shù)據(jù)，從數(shù)據(jù)中去發(fā)現(xiàn)知識，發(fā)現(xiàn)模式，去建立模型，去訓(xùn)練參數(shù)。但有些場景數(shù)據(jù)獲取比較容易，有些場景數(shù)據(jù)獲取相對困難。

互聯(lián)網(wǎng)可能是最公開的數(shù)據(jù)場地，造就了今日的大模型，但各個領(lǐng)域還有很多數(shù)據(jù)沒有聯(lián)網(wǎng)。如果沒有數(shù)據(jù)的匯聚，僅僅靠某一個單位積累的數(shù)據(jù)，難以讓特定領(lǐng)域的大模型具備更強的能力，不管是法律，醫(yī)療還是教育領(lǐng)域。

總的來說，從普遍的商業(yè)化應(yīng)用落地場景來講，數(shù)據(jù)采集、質(zhì)量保證和匯聚都是難題。我們國家之所以發(fā)布《關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》，提數(shù)據(jù)要素改革，就是因為數(shù)據(jù)協(xié)同非常關(guān)鍵，也非常難。數(shù)據(jù)的孤島效應(yīng)和煙囪效應(yīng)終存在。因此，數(shù)據(jù)對于推進整個智能化的落地以及AI技術(shù)的進一步應(yīng)用是非常關(guān)鍵的。如果能理解清楚AI的三大要素，那就會知道怎么去推動AI應(yīng)用落地了。

封面圖片來源：視覺中國