“9月5日2024外灘金融峰會的7個演講，3個國際對話，10場報告中唯一出現的一個共同的關鍵字，就是人工智能。”上海華東師范大學上海人工智能金融學院的院長邵怡蕾在外灘金融峰會期間主持圓桌時這樣說。
AI技術不斷進展，未來全球AI發展的趨勢和方向如何？與主要競爭對手比，中國在AI技術研發、應用創新和產業布局上有哪些差距？……這些問題都成為2024外灘金融峰會上嘉賓關注的重點。
人工智能在生活中的應用“遠遠不夠”
“人工智能發展都是最近的，從一個人的成長比喻來說，可能還不到1歲。人工智能已經掀起了軒然大波，在我們生活中也有很多應用，但還遠遠不夠，現在尤其是在經濟的影響力和生產上，大家還有更多的期待還沒有發生。”
2024外灘金融峰會期間，微眾銀行首席人工智能官楊強在圓桌分享中表示，大模型的基礎架構，多是基于統計學原理，統計學作為一個數學驅動整個AI的發展，已經有很大的成就，但它的上限、邊界在哪里？是不是數據越多越好？到什么時候為止？Scaling law到什么時候就無效了？現在缺乏一個科學的探討。
“雖然現在大模型在商業和工程上有長足的表現，但對大模型本身的理解，對它原理的理解，我們還沒有形成一個大模型研究的科學家群體。這個缺乏，是滯后于大模型工程的。”微眾銀行首席人工智能官楊強認為，因為對大模型的原理沒有了解，所以無法解釋大模型的結果，其可解釋性、透明性非常差，以至于在一些確定性很高的領域不敢用。
“比方金融的很多精算，我們不敢用大模型做；比如醫療領域，人命關天的領域，今天的大模型還遠遠不夠。”楊強說，到什么時候夠？一方面要對大模型進行系統的科學研究，另一方面我們要繼續探索現有的大模型到底可以應用在哪些領域。這個探索并不是那么直接的，需要我們工程師和科學家一起來做這種探索。
大模型參數增長將放緩
智譜AI首席執行官張鵬認為，大模型，從現象上、結果上看是參數量越大，效果越好，我們簡單粗暴就把它表示成一種scaling law現象。“早期可能是參數量，十億、百億、千億到萬億，確實是這樣增長，但到后來大家發現，其實不是簡單的參數量，它會變成參數量乘以數據量（訓練量），最后甚至又把它歸結為計算量。所以scaling law這個詞雖然是用來概括這個現象的。”智譜AI首席執行官張鵬認為，整個過程中，scaling law這個詞的內涵、外延走在不斷變化，到今天為止，大家基本上可以認為，你有多少算力或有多少計算量，你模型的能力就有多高。所以scaling law是在這個層面上，到今天為止仍然在起效。未來很長一段時間里，我們預測，仍然還是會起效的。
