財聯社1月26日訊（記者 孫煜）“人工智能學習知識的速度是人類平均速度的1倍以上，所需時間是人類的40%。人工智能檢索知識的時間是人類檢索時間的20%。預計2026年后，人類歷史上所有有價值的文字數據，智能系統都可以自動消化。”近日，在復旦管院新年論壇上，中國科學院院士、華科智谷人工智能研究院院長何積豐提出疑問，“人類創(chuàng)造了一種物種，比人類學習得快，比人類聰明，但我們有駕馭的能力嗎？”

何積豐坦言，這個問題現在并沒有明確的答案，人類還在探索中。有人擔心人工智能可能比核武器還危險，需要降低發(fā)展速度；也有人認為人工智能推動人類進步，應該盡可能發(fā)揮其作用。

重構社會分工，AI助力降本增效

AI正在重構社會分工，何積豐講到，未來的職場將會更加重視發(fā)現和解決問題的能力、創(chuàng)造力，以及批判性思維，還有主動學習和獲得新技能的能力?？蛻艋?、文書寫作、代碼編寫、資料搜索與收集、數據分析研究等工作內容可以由AI取代，節(jié)省大量人力成本。未來，人們將專注于更高層次的規(guī)劃和分析工作。

AI帶來的價值增長，約75%集中在四個領域：客戶運營、營銷和銷售、軟件工程、產品研發(fā)。何積豐針對四個領域逐個進行分析。

在客戶運營方面，AI可以改善客戶體驗并提升客服生產力。例如提供客戶自助服務、在初次交流時就提供解決方案、減少響應時間、促進銷量增加等。

在營銷和銷售方面，AI能夠提高個性化、內容創(chuàng)建和銷售效率。包括高效的內容創(chuàng)建、充分利用不同類型的數據、優(yōu)化搜索引擎、實現產品和搜索個性化。預計一年能提高8000億美元生產力，讓整體成本降低10%-15%。

在軟件工程方面，AI可以作為編碼助理加快開發(fā)人員的工作，將直接影響軟件工程支出的20%-45%。這一價值主要在于可減少部分工作時間，如生成初始代碼、代碼修正和重構、根本原因分析以及生成新的系統設計等，整體經濟效益預計可達4500億美元左右。

在產品研發(fā)方面，AI可以減少研發(fā)和設計時間，改進產品模擬。包括提高產品研發(fā)的生產力、加速產品上市時間、優(yōu)化產品設計、改善產品質量。下一步，生物制藥工程可能會大量使用AI促進實驗，預計降低成本可達10%-15%，產生價值在4500億美元左右。

AI與實體經濟緊密相關

何積豐認為，AI與實體經濟緊密相關，智能化發(fā)展中的應用和創(chuàng)新主要體現在三方面：數字孿生、智慧工廠、工業(yè)互聯網。

一是數字孿生。由于成本、風險等原因，我們無法對物理世界的規(guī)律在物理世界完成全部的相應實驗。因此需要在虛擬世界建立數學模型，通過數學模型進行實驗，觀察對應結果和實際理想是否一致。在數字孿生方面有很多大模型技術在應用，例如數據匯集、實時數據驅動、仿真模擬、數字工藝配置、打通數據脈絡、優(yōu)化制造流程等。

二是智慧工廠。高質量發(fā)展的重要部分是新生產工藝、新生產方式。在智慧工廠，AI可以完成智能運營、智能生產、物流管理、工藝優(yōu)化、庫存管理、質量管理等工作。工業(yè)軟件是智慧工廠的靈魂，在新技術發(fā)展形勢下，工業(yè)軟件的核心是把工業(yè)界長期積累的經驗以數字方式存儲下來，變成可用的經驗模型。

三是工業(yè)互聯網。我國是5G大國，據統計，目前已建成超過330萬數字5G基站，為工業(yè)互聯網提供了很好的設施基礎。通過AI可以進行海量數據處理、云邊端協同、分布式計算、網絡協同、知識復用、實現全面互聯等。

AI每年可為全球經濟帶來2.6萬億至4.4萬億美元的增長

何積豐認為，AI可以對社會經濟帶來正面影響。目前AI取代人類工作的時間被大幅提前了10年，在2030年至2060年間，50%的職業(yè)將逐步被AI取代。AI每年可為全球經濟帶來2.6萬億至4.4萬億美元的增長，生產力可以提高0.1%-0.6%，相當于每年貢獻一個英國的GDP。

AI對個人工作也將產生重要影響，例如，AI可以使60%-70%的工作實現自動化，對高學歷、高收入的知識工作者影響更大。

個人如何應對AI的挑戰(zhàn)？主旨演講中，何積豐給出了自己的建議，人要專精自己的優(yōu)勢和專業(yè)領域，不斷提高自己的專業(yè)水平，思考如何把AI應用到自己的專業(yè)中，提高自己的產出效率。同時，不斷接收新信息、擁抱新變化，拓展自己的事業(yè)，接觸更多的人和行業(yè)。

為了應對安全隱患問題，需要對人工智能進行“對齊”

據不完全統計，人工智能的行業(yè)采用率達到60%左右，與各行業(yè)的關系非常密切，可以說沒有一個行業(yè)與人工智能無關。好的技術出現，人們往往會擔心安全問題，人工智能的安全隱患客觀上會產生哪些威脅？何積豐講到：“大模型時代的隱私安全問題涉及三個維度：首先，訓練過程會涉及大量用戶個人信息和數據；其次，使用過程會涉及很多用戶私密信息，這些信息沒有受到應有的保護；最后，生成能力讓‘隱私泄露’的方式變得多樣化，也讓隱私保護更加困難?！?/p>

“除了在訓練過程、使用過程中可能發(fā)生數據隱私泄露，生成式大模型依靠語料庫，還會按照‘意志’對數據進行修改，而為搜索引擎建立的數據保護策略對大模型也無法奏效。”

如何應對AI的安全隱患問題？何積豐表示，需要對人工智能進行對齊（alignment）。“對齊”是指系統的目標和人類價值觀一致，使其符合設計者的利益和預期，不會產生意外的有害后果。

何積豐說到，做好“對齊”會遇到兩大類挑戰(zhàn)，一方面，“人類價值觀”是多元且動態(tài)變化的；另一方面，大模型的“有用性”與“無沖突：兩個目標存在沖突。

“目前，我們對大模型時代的安全問題依然‘心里沒底’，在‘黑暗叢林’中到處都能感受到安全威脅，但我們找不到安全威脅的源頭，往往只能通過打補丁的方法‘就事論事’，找到對付眼前問題的答案，卻沒有系統的解決方案。”