.png)
impact
2023.05.23
4月20至21日，由深圳市前海管理局指導(dǎo)、基石資本主辦的“2023中國前海企業(yè)家峰會”在深圳成功舉行。本次峰會以“再談創(chuàng)新之道：國家和企業(yè)的未來”為主題。圍繞創(chuàng)新環(huán)境、創(chuàng)新精神與創(chuàng)新實踐，多位重量級的企業(yè)家、科學(xué)家、學(xué)者和投資家進(jìn)行了精彩演講與深入討論。
南方科技大學(xué)電子與電氣工程系系主任，加拿大工程院院士孟慶虎在會上發(fā)表題為《ChatGPT時代的人工智能與機(jī)器人創(chuàng)新》的演講。
大家下午好！非常高興及感謝會議給我分享人工智能與機(jī)器人方面研究工作的機(jī)會，尤其是我們在智慧醫(yī)療方面的一些工作。
我們經(jīng)常會在視頻里看到智能機(jī)器人非常厲害的場景。波士頓動力公司是仿人機(jī)器人領(lǐng)域的國際領(lǐng)先企業(yè)，尤其他們的大狗機(jī)器人得到了美國國防部的支持。大家看到的視頻大部分都是千里挑一的成功案例，不成功的往往沒有被看到。我們作為研究者，尤其要關(guān)注這些不太成功的案例以及探究其背后的原因。
從五個方面看人和機(jī)器人的主要區(qū)別
波士頓動力公司在仿人、仿狗、仿驢、仿豹子等仿生機(jī)器人方面，都有成功案例。為什么人類簡簡單單可以做到的一些動作，比如開車、下車、開閥門等等，這些造價不菲的仿人形機(jī)器人做不出來？我們做機(jī)器人研究，一定要弄清楚原因。
如果把人和機(jī)器做比較，我們從5個方面來看區(qū)別。
一是移動性能。人和機(jī)器人基本上差不多，人更靈活，機(jī)器人裝上輪子可以跑得更快。
二是靈活柔性。這是兩者最大的區(qū)別。人是百分之百的柔體，機(jī)器人是百分之百的鋼體。
三是操作能力。機(jī)器人的操作能力相當(dāng)厲害，有吸盤，有夾具，有各種各樣人類不具備的能力。但人類有一個機(jī)器人不具備的能力——把玩能力，我們把一個東西把玩一下，基本上就能掌握它的物理化學(xué)性質(zhì)。機(jī)器人目前還做不到，因為它缺乏一個傳感功能。
四是傳感功能。機(jī)器人在視覺方面比我們厲害，它有激光、有超聲、有紅外。但是，它沒有人造皮膚。人造皮膚研究了30多年，我當(dāng)年“863計劃”的第一個項目就是做人造皮膚。這個課題非常難。希望后面借助材料科學(xué)和印刷電子的發(fā)展，能夠造出像皮膚這么強(qiáng)大的觸覺系統(tǒng)。我們的皮膚遍布全身，感覺非常敏感，而且壞掉以后還可以再生。這些功能使得人在傳感方面有非常大的優(yōu)越性，目前這是機(jī)器人的一個短板。
五是智能感知。機(jī)器人在這方面現(xiàn)在還是很薄弱。
人和機(jī)器人的區(qū)別主要在柔性、靈活性、智能感知方面。我們的實驗室之所以叫深圳市機(jī)器人感知與智能重點實驗室，就是要對瓶頸問題展開研究。
機(jī)器人尚不具備人腦的決策能力
機(jī)器人能不能達(dá)到人類的感知和決策能力？人有視覺、嗅覺、聽覺、觸覺，尤其觸覺目前機(jī)器人是無法做到的，其他的都可以做到。人的這些感知是相輔相成的。比如我們半夜去上廁所，樓道里突然沒電了，我們可以通過聽覺、觸覺和嗅覺繼續(xù)找到廁所。
1992年，麻省理工學(xué)院一個非常厲害的博士生Mike Massimino的博士論文研究的就是傳感替代的問題。主要內(nèi)容是在空間站里如果沒有了力反饋，能不能通過視覺和其他傳感來完成遙操作。博士畢業(yè)后，Mike Massimino在休斯頓大學(xué)當(dāng)了兩年教授以后，就考上了航天員，到目前一共升空了三次，都是去干最難的技術(shù)活：維修哈勃望遠(yuǎn)鏡。
傳感器的替代在人來說是可以做到的，機(jī)器人目前還做不好。人獲取信息90%靠視覺，信息表達(dá)90%靠聲音。為什么現(xiàn)在沒有能說會道的機(jī)器人？我們在研究這個問題的過程中發(fā)現(xiàn)，人的所有感官，眼睛、耳朵、嘴等都在頭部以高速傳輸傳感信息到大腦，傳感信息被快速處理做出決策后，通過中樞神經(jīng)來控制我們的肢體完成任務(wù)。也就是說，關(guān)鍵在于大腦。機(jī)器人現(xiàn)在的感知已經(jīng)非常厲害了，各種傳感器基本上都有。但在決策方面還有很大的問題。
人腦到底是怎么工作的？這里有一張圖，不同的人會將圖解釋為不同的場景，每個人的解讀都不一樣，這種現(xiàn)象很適合解釋人腦選擇性處理信息的功能。這同一張圖，有人說一只牛啃著草皮往樹蔭下走，有人說一只羊啃著草皮往樹蔭下走，有人說一只狗聞著草皮往樹蔭下走，也有人說看到的是一大片無序的樹葉、石頭之類的。大多數(shù)人應(yīng)該看到的是一只四條腿的動物和一片樹蔭。我們在解釋一張圖的時候有各種選擇，大腦會選擇那個更靠譜的。
人類可以處理圖像信息，但ChatGPT目前還不開放圖像處理。人腦和人工智能有什么不同？我們的大腦每秒可以處理1萬億比特的信息，每秒鐘收到4000億比特的信息，但只會對其中的2000條信息有可能關(guān)注，再對其中的7條信息有短暫的記憶，最多對其中1條作出反應(yīng)。這些數(shù)據(jù)量的快速下降可以用數(shù)據(jù)集的交集處理來解釋。
人工智能的瓶頸在于
其訓(xùn)練不具備人的成長的學(xué)習(xí)環(huán)境
每個人腦的智能空間就像一個多維的球體。這就是人的智能，叫做普通智能。普通智能和人工智能的區(qū)別在哪兒呢？普通智能是一個高維的趨于無窮維的球體，每一個方向代表一個維度。可以計算出，這個多維度空間可以撐起一個圓滿的球體。大家各個維度/領(lǐng)域的知識都知道一些，有的人在某個維度/領(lǐng)域擅長，有的人在某個維度/領(lǐng)域有短板。每個人的成長路徑、經(jīng)歷、學(xué)習(xí)能力不一樣，最后培養(yǎng)出來的普通智能的空間維度、強(qiáng)度和構(gòu)造也不一樣。
人工智能到目前為止，不具有人作為普通智能的成長環(huán)境。我們從在母親的身體里形成生命的一瞬間開始，就在不間斷地學(xué)習(xí)。這個數(shù)據(jù)集是不受限的，你碰上什么學(xué)什么，沒有一個人來控制我們的數(shù)據(jù)集。媽媽今天吃了一碗酸辣湯非常愉悅，這時候你就能夠感覺到酸辣湯的味道，以及媽媽愉悅的心情等。
到你出生以后，有一次你對酸辣湯莫名其妙地喜歡，你也不知道為什么，實際上在胎兒時期就已經(jīng)種下了種子。類似這樣的事，一直在有意識、無意識、潛意識地發(fā)生。
等到器官長得越來越成熟，接受的信息量越來越大，形成一個個嶄新的數(shù)據(jù)集。我們遇到什么學(xué)什么，尤其到我們能說話的時候，就開始交互式學(xué)習(xí)，問這是什么，那是什么，沒完沒了。
我們的成長中的學(xué)習(xí)數(shù)據(jù)是不受限制的，學(xué)習(xí)機(jī)制是我們的大腦的固有算法。到目前為止，還沒有人能研究透大腦到底是怎么學(xué)習(xí)的。所以，在這樣的環(huán)境下培養(yǎng)出來的人類普通智能，盡管每個人有所不同，但基本上就是一個多維的趨于無窮維的智能球體空間。
我們培養(yǎng)出來的人工智能，基本上是一個低維的、定向型的空間。我們做了這么多訓(xùn)練，最后可能只是在某些維度上超越了人類。以Alpha Go為例，人工智能可以把下圍棋這件事做得比所有人類都厲害，但是它可能在其他的維度/方面不如人。比如，如果沒有給它植入算術(shù)維度，沒有教過它算術(shù)，它可能都不知道2+3等于幾。阿爾法狗的維度是極低的，但人的智能空間維度是極高的。
人腦是多維的，人工智能是低維的
人工智能是怎么訓(xùn)練出來的？首先選擇一個數(shù)據(jù)集，然后有一個計算平臺。我們得先看這個平臺能處理多大的數(shù)據(jù)量，再給它植入一個算法，這個算法是盡可能的仿人腦的。訓(xùn)練的數(shù)據(jù)集越大，我們就會認(rèn)為得到的人工智能就會更加聰明一點，但和人的大腦相比還是有差距。用智能空間的維度來解釋，就能把這個事情理解得清楚一點。
在人類的普通智能空間里，每個維度都可以看成一個數(shù)據(jù)集。當(dāng)我們做決定的時候，就好像是用這些集合來做交集。再大的集合，做幾次交集以后就很小了。我們做交集的原則是什么？是比如目的、priority（優(yōu)先事項）、價值觀等等。這件事什么對我最重要？大腦自然會用這些作為原則來選擇相應(yīng)的那些維度來做交集。這就是從4000億比特信息中通過交集變成2000條，進(jìn)一步變成7條，然后對其中一個作出反應(yīng)。
舉個例子，今天來開會的每個人的priority、目的都不一樣。有的人是因為對劉科院士講的新能源感興趣，專門跑到第一排占好位置。有的人今天來是為了接近某個女孩，所以首先看那個女孩坐的位置，然后他要坐到那個女孩附近，以便加個微信，聽講對他來說優(yōu)先級不是最高。
4000億比特信息在哪兒呢？其實就在我們當(dāng)下所處的環(huán)境里。比如我問一個信息，這個屋子里有幾個門？有幾個揚聲器？大家可能都沒有興趣去關(guān)注這些信息，但這屬于4000億比特一直在給你發(fā)送的信息，但是它不屬于那個7條你只有短暫記憶的信息。如果你的目的是惦記著來拿一個揚聲器回去，那你進(jìn)門的時候首先就會看好揚聲器都在哪兒，得手后從哪個門把它帶走等等。所以，每個人的目的不同，就決定了你的7條和1條是不一樣的。我們?nèi)祟愑羞@樣的能力，目前人工智能還做不到。
我們可以把Alpha Go看成是一個一維/低維的人工智能，在下圍棋這件事上可以超越所有人，但在其他維度上可能連個小孩都不如。Alpha Go的在一個維度上的超能力能否擴(kuò)展到人類普通智能的高維度上？這個需要人工智能的進(jìn)一步發(fā)展。
人工智能的發(fā)展是一個量變到質(zhì)變的過程
2015年，李飛飛做了一個Image Net，把全世界所有能收集到的數(shù)字圖像全部放在一個大數(shù)據(jù)集里面，讓大家去學(xué)，學(xué)完以后做了一個競賽。最后發(fā)現(xiàn)，只要學(xué)過的都會，沒學(xué)過的還是不會，包括現(xiàn)在的ChatGPT也是如此。人工智能有綜合、總結(jié)、尋找能力，但還不具備推理或者想象的能力。
人類在看這張圖的時候，永遠(yuǎn)不可能說它是一個棒球棒，可能會說它是一個小的像棒球棒，上面帶毛的物體。把這個東西跟小孩的手、臉一比，我們有多層次的、互相矯正的推理過程。如果以前沒有見過，不可能因為它形狀像棒球棒，就簡單粗暴地說它是棒球棒。
現(xiàn)在的ChatGPT厲害到什么程度，我們可以從這個內(nèi)部測試結(jié)果來看一下。
ChatGPT可以說出這張圖不尋常的地方在于，出租車的后邊掛了一個熨衣板，一個人站在上面熨衣服。相比于2015年，ChatGPT讀這樣的圖，已經(jīng)有了很大的飛躍。但ChatGPT讀圖目前還沒有對公眾開放測試。
人工智能是一個量變到質(zhì)變的過程，因為算法、算力、數(shù)據(jù)都在進(jìn)步。現(xiàn)在的數(shù)據(jù)集實在是太大了。
當(dāng)年，馬斯克和奧特曼兩個人之所以去做 Open AI，就是因為谷歌在做 Google Duplex，他們的目標(biāo)是把語音技術(shù)、自然語言處理做出來商用。另外，他們對 AI的安全性也有考慮。所以，馬斯克跟奧特曼兩個人就成立了Open AI。
當(dāng)年成千上萬的失敗例子里面，好不容易有這么一個成功的。但是Google Duplex從來沒有發(fā)表過，原因是成功率太低了。現(xiàn)在ChatGPT的對話可以到什么程度？只要被訓(xùn)練過的就會，沒訓(xùn)練過的還是不會，它自己是不會到網(wǎng)上去找信息，然后來回答你的。
所以，ChatGPT跟deep learning基本上是一樣的，唯一的變化就是數(shù)據(jù)量，算力和算法的持續(xù)改進(jìn)，這些使得 ChatGPT出現(xiàn)了今天這個從量變積累到質(zhì)變的結(jié)果，它并不是一個突然出來的革命性的東西，把以前的成果徹底顛覆的那一類。
ChatGPT之前的版本叫Instruct GPT。ChatGPT和Instruct GPT的區(qū)別在哪里？提問：假設(shè)2015年哥倫布到了美國，Instruct GPT認(rèn)為哥倫布會非常高興，對看到的所有東西感到好奇，對美國留下了深刻的印象。這顯然和客觀事實不符合。ChatGPT則認(rèn)為這個故事有點詭異，哥倫布已經(jīng)在1506年去世了，假設(shè)他2015年來到美國，他會看到2015年和1492年的美國差別太大了。這個進(jìn)步還是非常明顯的。
算法、算力、數(shù)據(jù)推動人工智能的進(jìn)步
實際上，我們現(xiàn)在做的事就是圖靈當(dāng)年提出的圖靈測試。圖靈測試跟圖靈獎不是一回事。ACM（美國計算機(jī)協(xié)會）的圖靈獎旨在獎勵對計算機(jī)領(lǐng)域有突出貢獻(xiàn)的人。圖靈測試是指測試者和被測試者（一個機(jī)器和一個人）在隔開的情況下，當(dāng)測試者分辨不出被測試者是人還是機(jī)器的時候，這臺機(jī)器就通過了圖靈測試。
為什么現(xiàn)在算力這么厲害？2023年用1000美元買到的人工智能算力，基本上等同于一個普通人的智慧。我們看ChatGPT的大模型及參數(shù)，對比3.5版本和4版本，大模型里頭有多少個參數(shù)可以調(diào)節(jié)？ChatGPT3.5有1750千億個參數(shù)，到了ChatGPT4有1.8萬億個參數(shù)，數(shù)量相差近10倍。
那么，訓(xùn)練的參數(shù)數(shù)據(jù)量有多大？ChatGPT3.5有45個terabyte（萬億字節(jié)），ChatGPT4有1000個terabyte（萬億字節(jié)）。在算法結(jié)構(gòu)方面，ChatGPT3.5基本上是自監(jiān)督學(xué)習(xí)，ChatGPT 4是自監(jiān)督學(xué)習(xí)加監(jiān)督學(xué)習(xí)。在性能上，ChatGPT3.5基本上接近人類水平，ChatGPT4已經(jīng)達(dá)到人類水平。
算法、算力、數(shù)據(jù)推動人工智能的進(jìn)步。大腦的算力到底是多少？有各種估計、猜測、分析、模型。但是，沒有人能驗證人的算力到底是什么樣的，沒有人知道大腦用的是什么算法，一個人一輩子所接受的數(shù)據(jù)量也是未知的。
對于人工智能來說，我們要盡可能地提高算力，讓它的算法接近大腦的算法。大模型參數(shù)現(xiàn)在已經(jīng)是千億到萬億的級別，可能已經(jīng)遠(yuǎn)遠(yuǎn)超過了一個普通人大腦里的參數(shù)量。因為算法、算力和數(shù)據(jù)量上的、突飛猛進(jìn)，現(xiàn)在人工智能的文本能力已經(jīng)基本上接近一個普通人的文本智能水平了。
“降維打擊”
將人工智能應(yīng)用在日常生活場景中
ChatGPT很好用，它的算法也很好用，但我們用不起。因為要上萬個最厲害的 GPU組成一個超算，才能夠支持這個服務(wù)。那我們在日常中怎么用好人工智能？我們的答案就是把應(yīng)用場景限制到超低維度。Open AI最大的受惠者實際上是微軟，微軟已經(jīng)把它放到搜索引擎了，office也要放。這里面有極大的隱患。如果你告訴ChatGPT把去年的報告調(diào)出來，把今年的數(shù)據(jù)加進(jìn)去，另外加上三個新的創(chuàng)新點。ChatGPT報告寫好的瞬間，三個創(chuàng)新點已經(jīng)進(jìn)到了它的數(shù)據(jù)庫。隔壁老王也在寫一個類似的報告，老王還沒想到這三點，但是老王的報告里可能已經(jīng)被ChatGPT自動植入了這三個創(chuàng)新點的新意了。這就是馬斯克擔(dān)心的事情。
如何低成本地用好人工智能？我們把提出的“降維打擊”法簡稱為“超低維場景智能”，就是把應(yīng)用場景限制在一個超低維的人工智能空間里完成訓(xùn)練，得到一個超低維度的人工智能空間里的有效算法，人工智能就可以用得非常好。下面舉幾個例子。
機(jī)場行李車回收系統(tǒng)就是將人工智能的應(yīng)用限制在機(jī)場這個超低維場景智能空間里，它可以避障，可以檢測空車，有人的、有行李的都不要。還可以跟人簡單地對話，“對不起，我在工作”“請讓開，小心撞到你”。如果你問它“2+3=？”，它一定不知道，也不需要知道。因為它所處的就是機(jī)場這樣一個特定的場景。
同樣的東西，把它用在無線膠囊內(nèi)窺鏡機(jī)器人上。我們將人工智能的應(yīng)用限制在消化道這個超低維場景智能空間里，限定處理從口腔到肛門之間消化道內(nèi)所獲取的圖像。這個圖像采集出來以后，可以幫助我們很好地處理消化道的問題。但如果把這個膠囊對著人臉，它就識別不了。這就是我們說的降維打擊，這樣人工智能就能做得很好。
再比如，在骨科手術(shù)機(jī)器人項目，我們將人工智能的應(yīng)用限制在骨科手術(shù)這個超低維場景智能空間里，把骨科醫(yī)生在手術(shù)上的所有經(jīng)驗學(xué)習(xí)過來，機(jī)器就可以綜合前人結(jié)果，做出一個優(yōu)化的手術(shù)方案，輔助醫(yī)生完成手術(shù)。機(jī)器人輔助的骨科手術(shù)大家看到視頻中醫(yī)生做手術(shù)就跟玩游戲一樣，他看著屏幕上顯示的指引，把綠色的部分給它鋸掉，機(jī)器人會保證截骨精度，超出誤差范圍，機(jī)器人馬上就會斷電。要是碰到了安全邊界，也也會斷電。所以，只要把這個應(yīng)用場景限制在一個超低維的智能空間里，我們就可以訓(xùn)練出一個超低維的人工智能空間來匹配。這樣可以達(dá)到很好的結(jié)果。
去年抗疫的時候，深圳科創(chuàng)委給了我們一個抗疫專項，我們用三個月時間做出來了一臺國際上領(lǐng)先的“神采”采樣機(jī)器人，先是人臉識別確認(rèn)人證合一以后，再通過視覺找到擦拭的位置，然后通過力控制左三下、右三下、上三下，完成標(biāo)準(zhǔn)動作。我們做了一個坐立式的和一個站立式的，每15秒就可以完成一個采樣。
創(chuàng)新引領(lǐng)研發(fā)，需求驅(qū)動轉(zhuǎn)化。機(jī)器人和人工智能勢不可擋，但是我們用好任何一個工具，要知其善與尤其是其不善。
以上是我的分享，謝謝大家！
去年我寫了三篇文章：《我們究竟需要什么樣的資本市場》、《什么是真正的“做多中國”》和《汽車界下一個退場的會是誰？》，引發(fā)了一些反響。
三篇文章看似三個主題，其實還是一個主題——什么是真正的“做多中國”。
我的核心觀點很簡單，也是我二十多年來始終強(qiáng)調(diào)的：
企業(yè)家在經(jīng)濟(jì)與產(chǎn)業(yè)發(fā)展中具有不可替代的作用。因此，支持民營企業(yè)、培育和保護(hù)企業(yè)家精神，才是推動發(fā)展與進(jìn)步的核心要義。
民營企業(yè)家的信心何在？來自對未來的良好預(yù)期，包括對政策、法律、營商環(huán)境、產(chǎn)權(quán)以及安全等各個方面的預(yù)期，其底層邏輯是法治社會和市場決定論。
如何激勵企業(yè)家創(chuàng)新創(chuàng)業(yè)？核心在于創(chuàng)造巨大的財富效應(yīng)。一個包容的、有強(qiáng)大財富效應(yīng)的資本市場，對保護(hù)企業(yè)家精神、激勵創(chuàng)新創(chuàng)業(yè)、推動科技發(fā)展具有至關(guān)重要的作用。注冊制的核心是調(diào)動全社會的創(chuàng)業(yè)和投資熱情，進(jìn)而改變?nèi)鐣娜谫Y結(jié)構(gòu)。
為何去年我又開始密集地提及這些問題？因為我們確乎已經(jīng)處于世界大變局的關(guān)鍵時點了，一切都在加速演進(jìn)。
在政治上，國際格局深度調(diào)整，地緣政治博弈升級，新舊力量激烈競逐。如何續(xù)寫和平與發(fā)展、穩(wěn)定與繁榮的篇章，深刻地考驗著各國的智慧與擔(dān)當(dāng)。
在科技上，技術(shù)革命方興未艾，前沿科技不斷突破，人工智能風(fēng)起云涌。第四次工業(yè)革命或?qū)⒁郧八从械牧Χ韧苿由a(chǎn)力的大發(fā)展，從而深刻地改變國家前途與人類命運。
在產(chǎn)業(yè)上，新興產(chǎn)業(yè)不斷解碼，中國智造強(qiáng)勢出海，市場競爭如火如荼。以新能源汽車產(chǎn)業(yè)代表的新興產(chǎn)業(yè)，中國正在席卷全球，行業(yè)的淘汰賽將加速。在汽車機(jī)器人時代，即人工智能與芯片定義汽車的時代，比人聰明的汽車機(jī)器人登上舞臺將是這個產(chǎn)業(yè)的奇點！
對于投資來說，2024年，中國經(jīng)濟(jì)和資本市場都經(jīng)歷了一個從低估到價值回歸的過程。
長恨春歸無覓處，不知轉(zhuǎn)入此中來。在一些行業(yè)和企業(yè)表現(xiàn)暗淡的同時，很多新興企業(yè)正在崛起。
正如我在基石資本的22條投資“軍規(guī)”中強(qiáng)調(diào)的那樣：投資與宏觀經(jīng)濟(jì)無關(guān)。股市不是經(jīng)濟(jì)的晴雨表。從5至10年來看，資本市場與宏觀經(jīng)濟(jì)并不成正比。同時，股價走勢與企業(yè)績效也并非完全對應(yīng)。
投資不是投資宏觀經(jīng)濟(jì)，也不是投資行業(yè)和賽道，而是投資活生生的企業(yè)和企業(yè)家。我們投資的是微觀中代表新經(jīng)濟(jì)的優(yōu)秀企業(yè)。
站在2025年的新起點，AI的征程才剛剛拉開大幕，讓我們繼續(xù)堅定不移地重倉硬科技，大力支持民營企業(yè)發(fā)展，持續(xù)為中國經(jīng)濟(jì)和產(chǎn)業(yè)發(fā)展注入新動力，打好這場“做多中國”的持久戰(zhàn)。