复旦大学管理学院教授、博导，复旦大学智慧城市研究中心主任凌鸿教授在「WAIC Circle·AI预见生态论坛」上作主旨演讲
引言
在这个充满变革与创新的时代，人工智能浪潮席卷而来，AI大模型成为引领行业发展的重要引擎，孕育催生未来产业新模式、新业态。AI大模型的底层逻辑是什么？面对AI大模型带来的颠覆性创新机会，AI+时代，企业应如何把握先机，实现跨越式发展？
4月23日「WAIC Circle·AI预见生态论坛」上，复旦大学管理学院教授、博导，复旦大学智慧城市研究中心主任凌鸿教授进行主题为【AI大模型的底层思考和发展趋势：AI+时代，颠覆性创新机会在哪里？】的分享，以下内容整理自凌鸿教授演讲实录。
精彩观点
什么 是人工 智能时代？ 首先，要理解什么叫智能。 我的理解是，智能是系统或个体能够对环境做出恰当反馈的能力 。
AI大模型的底层 逻辑就是神经网络。 数据是神经网络非常重要的要素，数据越多它学得越好，反馈越好 。
大家都在说 人工智能三大要素——算法、算力、数据，其实在这三大要素中间，假如谈到应用的话，必须加上另外一个要素——目标，而且目标比其它三个都重要 。
人工智能不是人类智能，要让机器做机器擅长的事情，人类做人类擅长的事情 。
01
智能时代来临
春节期间Sora出现，我们可以看到，它最大的三个特点是文生视频、多景切换和世界模型。
文生视频。其中「文」非常关键，「文」是我们在人文交流过程中间最规范的一种交流方式。假如没有这样的规范，生成视频很难。因为当我们要描述一个视频时，可能需要有大量的信息。那这些信息从哪来？今天 AIGC 需要通过理解自然语言来产生内容，而理解首先需要提供准确的表达，因此「文」变得很重要。
多景切换，即不同角度所看到的画面准确对应。比如说，当我看到你的时候，可能这里有一个话筒。当我换一个角度看另一边，话筒还是在那里。
世界模型。我们看到的世界是真实的世界，它其实不用叫模型，就是真实的。但当我们把它虚拟化、数字化之后，就变成了一个模型。那这个模型能不能表达我们的现实世界？我觉得现在还不能，正在努力。
了解了这些之后，我用 ChatGPT 产生了一个关于Sora的介绍，它帮我进行了简单的汇总。但是大家有没有发现， 假如你再去问ChatGPT同样的问题，它的回答就变了，甚至永远也给不出同样的答案了。 这是为什么？因为它本身就是大模型在模拟人性的东西，而恰恰人性很有可能是不确定性的东西。就像在没有工具的辅助下，我不可能再完全相同地进行一次今天的演讲，而这恰恰就是人。所以假如我们用大模型、人工智能来模拟人，这一点是必须要做到的，这就是它的底层逻辑。
这里是我罗列的从2010年开始每年的一个热门词，大家可以看到在整个的十年过程中，AI不是今天才刚刚出现的，它出现了很多次。
第一次人工智能出现是在2011年，当时有一个叫沃森的计算机，在美国的智力竞猜节目中获胜，同时击败两位冠军选手，碾压人类。它听得懂人话，能回答问题，由此引发了之后的人工智能大热。这场人工智能热导致知识图谱在人工智能中间蓬勃发展。沃森也因能够回答人类大量的问题变成了一个专家，成为医生，进入医疗领域。近几年因使用成本过高而正式退役。
第二次人工智能热门出现在2017年。这次热门出现是因为在2016年的一场围棋大战中，AlphaGo战胜了韩国的围棋顶尖高手李世石，让大家看到了人工智能的潜力。虽然人们渐渐遗忘了AlphaGo，但其实AlphaGo带来的影响到目前为止仍在影响我们。
第三次人工智能热门就是在2023年了。大家都知道2022年的十月份出现了ChatGPT，我想不论是谁，当你第一次使用它，一定会感到惊讶，惊讶到不可思议。因为一个机器居然能回答的像人一模一样，而且让你感觉很舒服。那么这次的人工智能热门能持续多久，会不会像前两次一样，过了几年以后被大家渐渐遗忘呢？我们现在并不知道。
接着，我们来看看究竟怎么来理解人工智能。今天我们已经进入到智能时代，那么什么是人工智能时代？首先，要理解什么叫智能，我的理解是， 智能是系统或个体能够对环境做出恰当反馈的能力。
ChatGPT、Sora出现之后，我们感觉人工智能的能力好像不仅仅是回答问题、下棋、对话、画图，甚至生成视频，它好像是万能的，可以做任何事情，就给它命名为通用人工智能（AGI）。我认为， 这里的通用人工智能是指它在某些方面的能力可能达到了「我想用它，它都能做」的那种感觉。
02
AI大模型的底层逻辑
在以上理解的基础上，我们再来看看智能体的结构。
首先，智能体对环境要做出反馈的话，是环境要给它一个输入。所以需要先有个输入，输入之后，智能体会在它得到输入的信号后，给出及时的反馈，这里称之为反射，即我们平时所说的条件反射。这种反射实际上是不经过大脑的，我们可以把它认为是一种人的本能，人的本能自然而然就会对环境做出反应，而不是通过智能。然而，对环境做出反馈，其实不是大模型的擅长，因为它没有条件反射，它没有本能。
假如按照这样的逻辑，今天的大模型将永远达不到我们人类的智慧，因为人的智慧中间最根本的、最基础的是本能的反应、本能的反馈。
接着，吸收大量的环境数据，感知到越来越多后，将人类天然的分析、逻辑归纳、聚类的能力加到分析中，分析之后，就形成了一种模型。模型是什么？ 模型就是我们认识世界的一种规律。 有了规律的认识之后，当外界有一个条件的输入，模型根据规律就能做出预判。那为什么要预判？因为要对环境做出更合理、恰当的反馈，这就是智能化。
按照这样的结构，我们会发现，它分为两部分。模型部分就是大模型今天在做的事情，对环境做出本能反馈的部分是机器、智能设备或者机器人在做的事情。这两部分要结合，结合以后，就创造了今天的另外一个人工智能的话题—— 具身智能 。这样的结合可能是真正地把这个整体整合起来。
然后，在此之前，又存在着我们的智能最终是由什么决定的？在哲学上有两种决定人的智能：决定论和自由意志论。也就是我们这个社会是什么样的一个社会，是确定的还是不确定的？假如按照科学的定义，认为任何事物之间一定有规律，存在固定的规则，按照这样的规则，我们的世界就是确定的，即决定论。但是生活环境之下，大家并不这样认为，都觉得好像世界由我决定，努力了就会成功，即自由意志论。这两种不同的观点相互矛盾，所以我们可能先要解决一个问题，这个世界或智能体是决定论还是自由意志论？这就是今天ChatGPT或者大模型给我们带来的一个挑战。
今天的人工智能有四种能力：感知能力、分析能力、预判能力和执行能力。
感知能力，接收并处理外界信息的能力，如视觉、听觉、触觉等。但今天的人工智能感知与人类的感知相比，我觉得还差第六感知。
分析能力，识别数据及关系，进而理解其本质和运作规律的能力。分析能力取决于所获得的数据，如果数据不完整，那它所理解的规律一定是欠缺的。
预判能力，对事物或环境做出预判的能力。预判就是形成了模型，对环境进行预判。但是今天的大模型因为获得的数据不完整，所以预判能力总是有点欠缺。
执行能力，转化为实际行动能力。实际行动能力相对来说我们比较容易接受。因为它所谓对环境的影响是对人的影响，人的容错能力特别强，只要我觉得它合适就合适，没有苛求。今天的大模型，它挂了一个非常重要的特点叫chat，它没有说是专家、科学，只是聊天，只要能聊起来就行。当然它也在尽量做到科学，这便是目前的现状。
那么，AI大模型的背后是什么？底层逻辑是什么？怎么做到的？
AI大模型的底层逻辑就是神经网络。 神经网络就是模拟人的大脑的神经，人的大脑里面有大量的神经元，每个神经元都会根据外界不同的信号及时做出反馈。神经元之间相互影响，从最初感知到信号的神经元，做出反应给到另一部分神经元，最后由行动的神经元做出恰当的反馈，这就是整个大脑的过程。
今天人工智能已经开始用人的神经元、大脑的神经元网络来构造神经网络算法。这个算法有输入，中间有神经元，神经元之间彼此影响，影响到最后有输出的神经元，并要求这个输出的神经元进行恰当的反馈。算法做好之后，接下来就是判断什么叫恰当的反馈，当反馈不对时，这些神经元就会调整它的功能，直到正确为止。这就是通过神经元来训练，训练之后，一旦神经元的功能固定，就形成了模型，这就是基本的神经网络。
人工智能也因为有了神经元，学习的方法发生了变化。从早期分类、回归的监督学习，聚类、降维的非监督学习，最优行动策略的强化学习，到今天神经网络抽象特征的深度学习。
而深度学习的方法取决于什么？它的核心是数据，输入有数据，输出有数据。 所以数据是神经网络非常重要的要素，数据越多它学得越好，反馈越好。 在这里我们发现，原来的小数据训练适合于监督学习、非监督学习、强化学习，数据太多没有意义。但是对于深度学习来说，数据越多越好，量变引起质变，当数据足够多，多到我们无法想象，那它产生的效果也是无法想象的，已经类似于人类的思考，所以就产生了GPT模型。
GPT模型简单来理解，其实就是在模拟我们的大脑。它分为三部分。第一部分是数据，用数据来进行训练。第二部分是Transformer，用大量数据训练形成模型，相当于人类的大脑。第三部分是反馈，在与外界交流时，得到任务，理解后给出反馈。这样的模型最早是解决语言类问题的。因为人类的对话之间是顺序的、串行的，所以GPT模型也是按顺序、串行的方式来训练的。
到了视频，它是通过图片叠加的，是一个三维的信号，那如何去理解三维的信号呢？ OpenAI 用了这样一种方法，它把图形叠加起来形成视频，然后分成一个个小块，然后把这些小块按照顺序连接起来，变成串行的方式，这时GPT模型就派上用处了，它通过大量数据输入训练出今天的视频模型Sora。
03
人工智能能做什么？
在理解了大模型的底层逻辑之后，我们来看看Sora给我们带来的影响。
AIGC。不仅仅是文生文、文生图，今天已经到了文生视频。这里的通用人工智能是指模型具有多种能力，并不是它真的能代替人类。
AGI（通用人工智能）。多场景、多任务、多模态，用Sora这种大模型来帮助我们做各种各样的事情。
视频生成模型作为世界的模拟器。这一点的实现很难，但是给我们带来了一个想象。在模型理解世界的过程中，最底层的是需要观察更多的数据，理解更多的数据，然后找出底层的物理特性。
以前不相信是真的，现在不相信是假的。为什么？因为它模拟得太真实了，表面上来看没有任何差错。
在应用层面，Sora也带来一些影响。
改变了视频制作的流程，视频制作变得更简单，输入文字通过多次产生得到好的结果，提高内容创作的效率。这其中关键的不是简单地产生视频的能力，而是选择视频的能力。
扩散Transformer模型能够处理不同分辨率、持续时间和纵横比的视频，为影视制作提供新的可能性。
广告、游戏、教育和新闻等行业也可能受到Sora的影响，改变工作流程，提高效率。
当然，Sora也有它的局限。第一个是扩散模型（图片产生新的图片的一种技术）加上Transformer模型的架构，会导致越模糊越有优势，因此它在那些创新的、艺术的领域更有优势。第二个是模拟复杂物理世界的精确性不够。第三个是逻辑的连贯性不够，可能会出现幻觉。
那么在这样的大背景下，我们建议大家尽早地学会使用Sora这个工具，因为它是一种完全创新的工具，而这种创新需要你给它一个合理的刺激，才能做出创新，所以未来会不会问问题变得非常重要。同时需要通过不断尝试来发现它在某些方面的用处和价值，用来解决问题。
Sora的应用影响
1、 影视生产的壁垒和「专业性」是否会被打破？
不会，而且会越来越专业。以前的专业是指会画图、产生视频，今天的专业是会选图、选视频，选择是艺术家的非常难得的专业水平。
2、 心影视的末日&芯影视的黎明？
心影视没有末日。芯影视的黎明可能会出现，也就是AIGC，在未来的视频中间会产生大量的由计算机系统来产生的视频。
3、 文生视频的大模型，能代表「世界模型」？
今天代表不了。
4、 对比计算机图形？虚拟引擎？空间计算？
对比计算机图形，它比图形要更加进一步，叫虚幻的引擎。还没有进入到空间计算，这是第三步。
5、 是工具还是体验？
一定是工具，今天还没有到体验，所以我们更多地拿它来做工具。
到了这里，我要特别强调一下，用人工智能来进行应用重要的是什么？ 今天 大家都在说人工智能三大要素——算法、算力、数据，其实在这三大要素中间，假如谈到应用的话，必须加上另外一个要素——目标，而且目标比其它三个都重要。 假如目标选错了，很有可能AI就达不到你想要的效果。
应用首先看目标。假如按照这样的逻辑，大家就能明白，中国的人工智能跟美国人工智能差多少，我们不要去比其它的，只要看目标。大家想中国的人工智能目标跟美国人工智能目标一样吗？当然不一样，所以它再好不能代替我们，我们必须做自己的目标。那目标背后由什么决定？ 数据。数据背后是文化、价值观和各种各样的社会现象。
Sora的更深层次意义
1、 AI能表达真实物理世界的宏观、中观、微观、量子力学？
这就是上面所说的，这个世界是决定论还是自由意志论？我想，在微观层面往往随机性更大，在宏观层面其实是确定的。这个世界怎么发展可能大家都能确定，河流流到哪里去，大家都能确定；但是每一个水滴跑到哪里去，就不知道了。所以今天的大模型在大趋势上是确定的，在小的方面它做了一些随机。
2、 神经网络能接近人类思维吗？
人的思维我们今天理解的是神经网络，用算法来模拟，那会不会人的思维就是这样？我感觉不是。所以下一代的人工智能可能要有新科学、新逻辑的产生。
3、 AIGC有企图和目的吗？人类的智能有企图和目的吗？
今天的ChatGPT、Sora，它们都没有目标，也就是没有意识。既然没有目标，没有意识，要能达到人类的目标和意识可能很难，这是我的进一步判断。
4、 AIGC创造的是形还是意？
AIGC创造的更多的是形，而不是意。
5、 人类和AI是你死我活的关系？
人类和人工智能不是你死我活的关系，它是能辅助我们的。人工智能实际上是一种新的工具。在人类的发展过程中间，我们要借助人工智能走向更好的未来。
那应该如何来用好AIGC工具？
对个人来说， 第一，选工具比选版本更重要。第二，想问题比解决问题重要，选择能力比生产能力重要。第三，理解业务本质比完成业务重要。
对组织来说， 第一，鼓励员工使用AI，奖励创新者。第二，改变工作流程。第三，形成独立团队，让团队理解如何创造新的标准化的AI工作流程。第四，按照部门提要求。第五，对于传统型企业而言， 改变理念是当务之急， 系统性地推广和学习是必要的。
最后，我想强调，在人工智能时代的一种理念—— 人工智能不是人类智能，要让机器做机器擅长的事情，人类做人类擅长的事情。
