剛剛結(jié)束的 2024 世界人工智能大會論壇期間，國內(nèi)外院士、專家學(xué)者齊聚「超越邊界：探索下一代大模型的基礎(chǔ)研究」論壇，共同探討「AI for Science 基礎(chǔ)設(shè)施建設(shè)」和「下一代通用人工智能方法」兩大前沿技術(shù)話題。
論壇不僅邀請到多位國內(nèi)外院士，業(yè)內(nèi)專家學(xué)者出席會議研討交流，還同期發(fā)布了 4 個重磅成果及產(chǎn)品。
中國科學(xué)院院士鄂維南在大會引言中稱：「AI for Science 在材料、生命科學(xué)、能源化工等領(lǐng)域落地成果的不斷涌現(xiàn)，讓我們看到其帶來的巨大前景。但 AI for Science 帶來的不僅僅是點狀的突破，而是系統(tǒng)性地帶動科學(xué)研究基礎(chǔ)設(shè)施的建設(shè)，推進邁向「平臺科研」時代。」
鄂院士提到，「回顧科學(xué)研究的基本資源和基本方法，無論哪個科研方向，都少不了基本原理、實驗、文獻(xiàn)、算力的支撐。因此，構(gòu)建科學(xué)研究的通用基礎(chǔ)平臺，即基本原理和數(shù)據(jù)驅(qū)動的模型算法與軟件、替代文獻(xiàn)的數(shù)據(jù)庫與知識庫、高效率、高精度的實驗表征方法、高度整合的算力平臺，可以推動共性問題的解決。AI 方法大大提升了我們的科研能力，但是離真正解決問題還有距離，隨之而來的問題是，這剩下的『最后一公里』該如何打通。
雖然目前人工智能算法、大模型已經(jīng)取得了突出的進步，但要實現(xiàn)下一代通用人工智能，仍需要在算力資源、數(shù)據(jù)資源、AI 數(shù)據(jù)庫能力、下一代模型和人才資源等方面持續(xù)發(fā)力。人工智能依然有很多細(xì)分領(lǐng)域未被探索，需與場景結(jié)合，從應(yīng)用到底層技術(shù)進行創(chuàng)新。
我們欣喜地看到，業(yè)內(nèi)已經(jīng)有產(chǎn)品化與平臺化的成果產(chǎn)出，本論壇發(fā)布的四個產(chǎn)品就是這一趨勢的實踐案例。
OpenLAM 大原子模型
OpenLAM 是「平臺科研」與「開源共建」的一個典型代表。「語言數(shù)據(jù)的爆炸性增長孕育了大語言模型，同樣地，微觀尺度數(shù)據(jù)的累積也催生了一種創(chuàng)新的模型——大原子模型。」
北京科學(xué)智能研究院院長、深勢科技創(chuàng)始人張林峰表示「這一模型的誕生，將帶來仿真設(shè)計在時空尺度與覆蓋范圍的量級式提升，實驗表征信號將能被更好地解析，它將成為原子級生產(chǎn)制造的重要組成部分。」
OpenLAM 計劃已于 2023 年底正式發(fā)起，北京科學(xué)智能研究院協(xié)同 DeepModeling 開源社區(qū)以及 30 多家共建單位，并邀請了原子級建模、表征、制造以及 AI 產(chǎn)業(yè)的多位院士、專家組成顧問團，共同推動構(gòu)建大原子模型的「社區(qū)模式」。秉承「廣泛覆蓋、謹(jǐn)慎評估、開源開放、開箱即用」的開發(fā)理念，本論壇上最新發(fā)布了在合金、動態(tài)催化、分子反應(yīng)、藥物小分子、固態(tài)電池、半導(dǎo)體、高溫超導(dǎo) 7 個領(lǐng)域模型解決方案，這些模型均以開放社區(qū)的形式發(fā)展而來，并在科學(xué)智能廣場可下載。「實驗科學(xué)家的語言和視角還未與 AI 技術(shù)和數(shù)據(jù)庫形成有效的連接，為此我們開發(fā)了『晶體造句』APP，希望更多實驗科學(xué)家通過這個 APP 的窗口，來發(fā)現(xiàn)并合成更多人們尚未充分探索的材料。」
Science Navigator 1.0: 新一代科研文獻(xiàn)開放平臺
AI for Science 的各項基礎(chǔ)設(shè)施正在全面落地建設(shè)，不僅僅是 OpenLAM，本次論壇還同期發(fā)布了 AI for Science 的另一重要基礎(chǔ)設(shè)施，替代文獻(xiàn)的數(shù)據(jù)庫和知識庫的優(yōu)秀實踐產(chǎn)品——Science Navigator 1.0。
當(dāng)前，對學(xué)科交叉檢索、原文內(nèi)容溯源、科研數(shù)據(jù)解讀的需求已經(jīng)遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)文獻(xiàn)檢索工具的能力范圍，新一代科研文獻(xiàn)開放平臺 Science Navigator 應(yīng)運而生。「Science Navigator 強大的自然語言對話式檢索能力，能夠迅速定位到科研工作者所需的信息，且回答可溯源到文獻(xiàn)原文。」北京科學(xué)智能研究院副院長李鑫宇介紹道，「AI 向量數(shù)據(jù)庫疊加大語言模型讓訓(xùn)練和推理成本大幅降低，等效實現(xiàn) 3-6 倍參數(shù)量模型效果。Science Navigator 1.0 不僅僅是一個為科研工作者量身打造的 AI 平臺，它更是一個全新的科研生態(tài)系統(tǒng)。Science Navigator 開放了絕大部分能力的 API 接口，使用者可以在這個平臺的基礎(chǔ)上構(gòu)建自己的應(yīng)用和智能體，以滿足科研復(fù)雜的個性需求，釋放更多的時間精力在解決關(guān)鍵問題與創(chuàng)新思考上。」
憶³大模型
那么下一代通用人工智能模型是什么樣的？論壇上的專家們也給出了各自的見解。其中之一是類比人腦記憶與思考方式的記憶分層大模型。目前記憶分層的大模型已經(jīng)在上海算法創(chuàng)新研究院實現(xiàn)。
會上，上海算法創(chuàng)新研究院大模型中心負(fù)責(zé)人熊飛宇發(fā)布了最新科研成果——憶³大模型（Memory³），該模型創(chuàng)新地引入了顯性記憶機制，顯著提高了性能并降低了訓(xùn)練與推理成本。憶³在傳統(tǒng)的模型參數(shù)（隱性記憶）與上下文鍵值（工作記憶）之外，增加了第三種形式的記憶——顯性記憶。模型無需訓(xùn)練即可將文本轉(zhuǎn)換為顯性記憶，并在推理時快速且稀疏地使用記憶。通過外部化模型存儲的知識，顯性記憶減輕了模型參數(shù)的負(fù)擔(dān)，進而提高了模型的參數(shù)效率與訓(xùn)練效率，使基準(zhǔn)測試上憶³能夠?qū)崿F(xiàn)約 3 倍參數(shù)量模型的性能。
基于憶³架構(gòu)的 AI 搜索引擎，利用顯性記憶的快速讀寫，使回答的時效性更強，準(zhǔn)確率更高，內(nèi)容更完整，還能夠根據(jù)用戶的反饋實時更新和優(yōu)化答案。隱性記憶使搜索引擎能夠理解復(fù)雜的上下文關(guān)系，提供更精準(zhǔn)和個性化的搜索結(jié)果。基于憶³的特性，這款 AI 搜索引擎不僅提高了用戶的搜索體驗，還在信息檢索領(lǐng)域樹立了新的標(biāo)桿。此外，憶³已在金融、媒體等行業(yè)落地應(yīng)用。
MyScale AI 數(shù)據(jù)庫
隨著以深度學(xué)習(xí)、大模型為代表的 AI 技術(shù)迅速發(fā)展，圖像、視頻、文本、語音等的非結(jié)構(gòu)化數(shù)據(jù)處理的需求和能力也有了爆發(fā)式的增長。
高維向量是非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一語義表征，但主流的向量數(shù)據(jù)庫存在通用數(shù)據(jù)管理能力不足，面對海量數(shù)據(jù)時性能、可擴展性不佳的問題，難以應(yīng)對大規(guī)模復(fù)雜 AI 應(yīng)用的需求，而 MyScale 的初衷就是克服這些問題并成為 AI 時代的數(shù)據(jù)底座。
墨奇科技聯(lián)合創(chuàng)始人/CTO 湯林鵬介紹道，「MyScale 是國際上首個專為大規(guī)模結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)處理設(shè)計的 AI 數(shù)據(jù)庫，支持海量結(jié)構(gòu)化、向量、文本等各類異構(gòu)數(shù)據(jù)的高效存儲和聯(lián)合查詢，綜合性能比國內(nèi)外其他產(chǎn)品提高 4-10 倍。在實際生產(chǎn)中，MyScale AI 數(shù)據(jù)庫成功扮演了大模型+大數(shù)據(jù)雙輪驅(qū)動下的統(tǒng)一 AI 數(shù)據(jù)底座。在金融文檔分析、科研文獻(xiàn)智能問答分析、企業(yè)私域知識管理、工業(yè)/制造業(yè)智能化、零售行業(yè)客戶服務(wù)、人力資源行業(yè)智能化、法律行業(yè)智能化等應(yīng)用場景中均幫助客戶創(chuàng)造了巨大價值，加速了大模型和場景數(shù)據(jù)結(jié)合的技術(shù)創(chuàng)新和應(yīng)用落地。」
未來，從現(xiàn)在出發(fā)。在不斷探索人工智能邊界的道路上，培植下一代通用人工智能方法、完善 AI for Science 的基礎(chǔ)設(shè)施極為關(guān)鍵，它將推動科技向前發(fā)展，解鎖以前難以想象的創(chuàng)新可能性。