本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

從2012年到2022年，機器學(xué)習(xí)引發(fā)的新一輪人工智能熱潮已經(jīng)十年。

巧合的是，2022年的Diffusion和ChatGPT，以大眾可感知、可體驗的方式，讓大模型涌現(xiàn)的超能力成功破圈。

從學(xué)術(shù)界到工業(yè)界，從政府到投融資，從巨頭到創(chuàng)業(yè)團隊，或興奮、或焦慮、或擔憂、或冷靜。

站在過去和未來的交叉點，從學(xué)界和業(yè)界大咖的視角，會如何看待過去，看待當下、看待未來？每一位行業(yè)中人，又該如何應(yīng)對？

近日，清華大學(xué)美術(shù)學(xué)院、清華未來實驗室主任徐迎慶教授，微軟亞洲研究院網(wǎng)絡(luò)圖形組首席研究員、微軟全球合伙人童欣博士，粵港澳大灣區(qū)數(shù)字經(jīng)濟研究院講席科學(xué)家、認知計算與自然語言研究中心負責人張家興博士，和小冰公司技術(shù)副總裁王寶元博士，進行了一次圓桌對談。

以下為對話實錄（做了不影響原意的精簡）：

王寶元博士：各位老師好。第一個問題是，面對ChatGPT，你們是什么樣的心情和心態(tài)？

張家興博士：我是來自IDEA的張家興，剛才寶元也說了，我也是在這一波ChatGPT創(chuàng)業(yè)的大潮里邊，準備入局。

我個人的理解，這是一個非常重大的機會，因為這代表著人工智能從2012以來的新舊十年。

過去十年，如果只用兩個詞來說，叫做Deep Understanding，就是Deep Learning加上Content Understanding。

ChatGPT的出現(xiàn)，開啟了一個新十年。新的十年，就是Generative + General，就是未來是屬于生成式AI和通用AI的。

過去十年，Deep Understanding這條路其實已經(jīng)很成熟了，或者說面臨瓶頸了?，F(xiàn)在我們終于找到了一個新的方向，下一個十年的方向，所以說我感覺非常興奮。

王寶元博士：童老師呢？

童欣博士：我自己是做圖形和視覺方向的，那么這個ChatGPT出來對我來說一方面非常的震撼。

因為它所表現(xiàn)的這個能力，可以說至少在自然語言界是我們長期夢寐以求的，大模型所展現(xiàn)出的能力和技術(shù)特點，都值得研究和學(xué)習(xí)。

第二點就是緊迫感，就是說我們做圖形生成的，那么我們的ChatGPT什么時候出現(xiàn)，視覺領(lǐng)域的涌現(xiàn)能力怎么表現(xiàn)？所以是既震撼又緊迫。

王寶元：我覺得前面兩位老師都很激動，那徐老師你一定也很激動。

徐迎慶教授：我覺得ChatGPT打開了一個新的可能性，它目前主要圍繞著NLP的應(yīng)用，但是未來在設(shè)計上、在建筑上，也利用類似的思想和技術(shù)，做全新的探索。

我昨天從香港到上海，一路上大家都在談?wù)撍?/p>

但我覺得它的應(yīng)用和有效性，還有待于就是用戶真的大批量開始用，并且經(jīng)過一段時間的檢驗，才能真正的發(fā)現(xiàn)它到底怎么用、能用多深以及怎么往前走。

我們知道，以前也有過類似的很好的技術(shù)。

但是釋放了以后，比如說一些NLP模型，但是胡說八道，說一些不該說的話，說一些有悖于社會準則，就是普遍人類共同認知的話，那就會帶來一些困惑。

如何讓ChatGPT更加合理、更加有效、更加能夠符合人類共同認知，能夠讓它真正活躍起來，我覺得可能還有很長的路要走。

但是無論怎樣，它畢竟開拓了一個新的時代。ChatGPT不同于過去幾年的技術(shù)創(chuàng)新，它是顛覆性的，所以我很期待它的未來。

王寶元博士：感謝三位老師，大家總體來講都是非常的興奮。

那么我們深入討論下，究竟是什么新突破，令現(xiàn)在所有人一夜之間都對它充滿了期待？

家興博士，您談一下主要的技術(shù)突破在哪里？

張家興博士：好的，我主要從NLP來談。NLP在過去這些年，隨著深度學(xué)習(xí)有很大進步，比如當年GPT3就有重大進步，但影響力還主要在學(xué)術(shù)和行業(yè)，普通大眾沒有感知。

那為什么ChatGPT一來，大家就街頭巷尾人人必談？我覺得深層次看的話，這涉及一個重大變化，就是AI能力觸達最終用戶方式的方式變了。

過去的自然語言專家，擅長于自己的領(lǐng)域，有人專門做文本分類、有人專門做信息抽取、有人做問答、有人做閱讀理解。

大家會定義自然語言領(lǐng)域的各種各樣的任務(wù)，這些任務(wù)可能有上百個，非常多。

每個任務(wù)都有專門的模型和框架，然后還有專門的專家，根據(jù)專門數(shù)據(jù)訓(xùn)練出來，然后擺在那兒供大家調(diào)用，所有這些NLP能力，就像一個工具集，成百上千個工具擺在架子上。

那么這個對于想觸達這些能力的人來說，就存在挑戰(zhàn)，就是我怎么知道成千上百個工具，哪個是適合我的。

所以還需要算法專家進一步解釋，你面臨的這個問題是文本分類問題，那個問題是閱讀理解問題，再把工具給你。

所以大家可以看到，制造AI能力的人，跟最終使用這個能力的人中間，是巨大的Gap，如何去彌補？

其實我們之前一直沒有想到很好的方法，大家做了各種各樣的平臺，都試圖去彌補Gap，但現(xiàn)在看起來都不成功。

最終ChatGPT告訴我們一件事情，彌補AI自然語言能力跟用戶之間Gap的方法，就是自然語言本身，讓用戶他用自然語言去描述，讓大模型去理解用戶想干什么，然后把這個能力給到它。

舉個例子，請描述一下中國足球的未來。

這個容易，如果加一個約束，請簡短的用三條來描述，這個在過去的問答系統(tǒng)里邊，你就很難讓實現(xiàn)，需要算法專家把它專門變成一個有約束的問題。

現(xiàn)在ChatGPT不用了，你能用自然語言去描述你想做什么就可以了，ChatGPT都能理解。

所以大模型實際上縮短了AI能力跟用戶之間的距離，所有人都可以用了，一下子就火了。

王寶元博士：那可不可以這么理解，原來很多傳統(tǒng)NLP的任務(wù)已經(jīng)不存在了？

張家興博士：如果我們套用《三體》里面非常著名的一句話，“物理學(xué)不存在了”，那么我們今天從某種意義上也可以說，NLP技術(shù)不存在了。

王寶元博士：這個講法非常大膽。

張家興博士：對，NLP技術(shù)不存在了。但還是要加一句解釋，只是傳統(tǒng)的那種。不再需要單純的算法專家去設(shè)計單個的NLP能力。

那新的NLP方式是什么，就是努力去做一個通用的ChatGPT，把所有提供給用戶的能力，都注入到一個模型里，讓這個模型可以通過自然語言的方式，給用戶提供所有的能力。

王寶元博士：謝謝家興博士。

童老師，你做Graphics有二十多年了，看到AIGC，特別是文生圖、文生視頻，或文生幾何Mesh，它的進程是非?？斓?。

那從您的角度看，大模型對傳統(tǒng)Graphics研究，是不是也帶來了很大沖擊？有沒有具體的一些范式也遷移了？

童欣博士：大模型的出現(xiàn)，對圖形學(xué)和三維的研究，解決了兩個根本性的問題，提供了全新的路徑和方式。

首先是多模態(tài)帶來的維度躍遷，第一次擺脫了要用圖形的輸入創(chuàng)造圖形的方法，實現(xiàn)了夢寐以求的跨模態(tài)生成。

另一個是DreamFusion出現(xiàn)后，第一次實現(xiàn)了，向大模型里輸入圖片去訓(xùn)練，就能擁有所需要的海量三維數(shù)據(jù)，不再需要傳統(tǒng)的三維建模和三維重構(gòu)，只需要去思考如何從大模型里有效提取這些三維數(shù)據(jù)。

王寶元博士：所以也是就是說把Language作為Interface，去創(chuàng)造圖形？

童欣博士：對，一是把Language作為Interface；第二就是，從圖片出發(fā)，自動生成你想要的所有高質(zhì)量的三維內(nèi)容，這個躍遷以前是做不到的。

王寶元博士：我們自己在小冰內(nèi)部做這個圖像生成、視頻生成也有同感。

這個進展可能超過想象，所以我們其實有類似的焦慮感，就是都要花很多的精力去理解，新技術(shù)到底意味著什么，看懂以后還要轉(zhuǎn)化成動作。

那么徐老師，您做很多年自然用戶界面設(shè)計，有大量了不起的成就。

您過去幾年做大量嗅覺的研究， ChatGPT跟嗅覺的研究有沒有一些關(guān)系，研究范式會不會有變化？

徐迎慶教授：對，我想多說兩句。ChatGPT因為數(shù)據(jù)量太大了，不再是過去我們傳統(tǒng)意義上的Domain數(shù)據(jù)，那它對未來的知識學(xué)習(xí)、傳承都會產(chǎn)生深遠的影響。

比如我自己，我現(xiàn)在在美術(shù)學(xué)院當老師，但是實際上我本科是學(xué)代數(shù)的，又做了七年的計算機動畫和電影電視廣告專業(yè)，后來讀了計算機博士，然后又做了幾年ERP，后來在MSRA做了幾年研究，現(xiàn)在是清華美術(shù)學(xué)院信息設(shè)計系教書。

回顧這幾十年很有意思，我是在不斷把已有的知識為基礎(chǔ)，做新的遷移和學(xué)習(xí)，不斷的獲取新的知識。

那這個過程，我拿自己當試驗，花了30多年。如果有ChatGPT來幫助我，也許三個月或者三年就夠了，學(xué)習(xí)效率和實踐成本都會大大加速和降低。

談到大模型對研究的影響，我認為大模型對學(xué)科之間的融合、交叉創(chuàng)興，有可能產(chǎn)生革命性、顛覆性的影響。

比如，我們在做的嗅覺計算中包括氣味檢測，人類知識庫里有很多對氣味的自然語言描述，比如花香調(diào)的香水，這些香水通過語言描述，會讓人直接感受到心理學(xué)上的認知。

我們在做數(shù)據(jù)的時候特別需要這一部分。另一個可能性，是大模型是否可能建立類似幾何空間、色彩空間一樣的嗅覺空間，用少量的參數(shù)就能夠定義和描述。

王寶元博士：謝謝徐老師。家興博士，就是剛才徐老師講嗅覺的表達，以及嗅覺有可能跟語言本身的描述是有這個關(guān)聯(lián)的。

但是其實我們看到這樣的工作其實很少的，那你覺得就是說從NLP的角度，有沒有可能大模型本身已經(jīng)蘊含了隱式的嗅覺，我們怎么把它給提出來，然后用來做嗅覺相關(guān)的研究？

張家興博士：關(guān)于嗅覺我了解的不是特別多，但嗅覺跟情感是有關(guān)系的。當我們討論嗅覺的時候，很多時候也是在說情感。

而在情感方面，有這方面的研究，也是清華的學(xué)者研究的，在大模型里面發(fā)現(xiàn)了情感神經(jīng)元，大概意思是輸入一個正向情感，對應(yīng)的某個神經(jīng)元就激活；輸入負向情感的，另一個神經(jīng)元就激活。

其實這一點，我覺得跟嗅覺所產(chǎn)生的情感是類似的，我相信如果把嗅覺跟語言放在一起訓(xùn)練的話，那么正向的這種嗅覺感受，它也會在語言空間會激活。

現(xiàn)在整個認知科學(xué)里，尤其ChatGPT出來之后，語言跑的比較靠前，原因正如童老師說的，語言原始數(shù)據(jù)多而且成本很低，只要花點人工把它清洗好就可以，這個跟3D內(nèi)容沒法比。

所以說語言率先實現(xiàn)了突破，也足夠完整，大家想要的所有東西也許自然語言大模型里都有。

所以或許可以通過語言空間的表示其他的模態(tài)，比如包括情感的、視覺的、嗅覺的都牽起來，這是是一個可能。

徐迎慶教授：我插一句，剛才家興提了非常好的一個點，在自然語言里有很多很多比如情感的表達，或者對一些味道描述的表達。

但是這種表達其實也是一個新的挑戰(zhàn)，比如我們經(jīng)常會說一些正面情緒、負面情緒，但在嗅覺里什么是正面、什么是負面，其實是非常不一樣的。

對群體來說，有趨勢性的正面和趨勢性的負面，但是放到任何一個人身上，就完全不一樣。

比如說，統(tǒng)計上講都喜歡聞比較香的味道，比較舒適的味道，比如花香讓你舒適，那么臭味很少有人喜歡。

但是你換一個場景，比如你吃臭豆腐、榴蓮的時候，那個臭味是非常吸引你的，你要的就是那個味。

所以在這個時候，怎么更加精準地提供標注和分類，實際上我覺得，這倒是提了一個很大的難題。

王寶元博士：謝謝家興和徐老師。

童老師，AIGC可能大部分人講的概念可能更多的還是說內(nèi)容生成，但是對Graphics而言，其實有很多交互式應(yīng)用。

那我們知道ChatGPT當然展示了多輪語言交互，但它還沒有多模態(tài)，也許馬上GPT4可能會多模態(tài)，那在圖形學(xué)的交互上，您覺得有哪些新的研究問題會涌現(xiàn)？

童欣博士：對我來講，其實ChatGPT或者大模型接下來，我主要想研究兩件事兒，一個是最后一公里，一個是開始一公里。

首先是大模型生成三維模型的落地，需要解決最后一公里的問題，因為大模型生成的三維內(nèi)容和真正使用的三維模型之間還有一個距離，為什么？

因為真正使用的三維模型的每個語義、每個面的東西都是分割好了的，有了這些才能支持后面所有的動作、形態(tài)、交互，甚至是兩個物體之間的交互。

所有這些物理屬性都需要賦予給它，那么大家以前建立了一套很好的流水線來做這個事情。

那么現(xiàn)在AIGC做了第一步，后續(xù)怎么用新的流水線把這些特性也走完，這是最后一公里的事情。

開始一公里，是說有沒有可能基于新的表達，創(chuàng)造一個全新的三位內(nèi)容生產(chǎn)方式和流水線？

比如NeRF或者其他的新表達方式，就要做開始一公里。

過去的流水線很沉重，工業(yè)界被綁架了，甚至大家覺得就應(yīng)該這么用。

但是有了新工具的時候，也許現(xiàn)在可能是一個最好的機會，我們能夠創(chuàng)造一個全新的三維內(nèi)容生產(chǎn)的一個方式，整個的表達、生成、交互都是完全不同的。

如果有一個這樣的三維世界模型在這里，可能只需要給video輸出，它不需要去識別這個物體是什么，那個物體是什么，它就能夠做出正確的動作。

那么假設(shè)你有一個神經(jīng)網(wǎng)絡(luò)，你給出人的初始動作，我就把這個環(huán)境的所有的視頻、應(yīng)該發(fā)生的改變給你，這有點像“缸中之腦”的那個概念了。

那么它即使不是三維表達，但是可能已經(jīng)滿足你很多應(yīng)用的需求了，這個方面我覺得會有很多非常開腦洞的、全新的課題出來，我是覺得非常激動人心的。

王寶元博士：所以不光是用戶體驗會有顛覆性，同時對于技術(shù)研究或者是開發(fā)人員來講，無論如何都要去跟進、去擁抱、去理解它到底意味著什么。

不過我們講了這么多的范式遷移，童老師講了Graphics新的問題，徐老師講嗅覺的新問題，那大模型依然有很多問題沒有解決，我們在興奮的同時也要冷靜。

就是說有哪些問題其實是急需要解決的，但是就是目前還感覺沒有找到特別好的辦法？家興先談一下NLP這邊？

張家興博士：現(xiàn)在亟待解決的一個問題是，如果真如我們所想的那樣，希望用自然語言的形式把NLP的能力呈現(xiàn)給用戶，我們需要把所有的能力都去用這樣一個ChatGPT去承載的話，那么會涉及到兩個問題：

一個是說我們現(xiàn)有這些大模型，哪怕你是ChatGPT，1000多億參數(shù)，這個容量夠不夠，你可能是存不下所有的能力的，所以這個是一個問題。

再一個問題是，是不是所有的任務(wù)都要灌注到同一個模型結(jié)構(gòu)。我們過去做了99個開源訓(xùn)練模型，叫預(yù)訓(xùn)練大模型體系，然后為每個任務(wù)都有專門的模型結(jié)構(gòu)。

比如自然語言理解的任務(wù)，其實雙向處理的模型是最好的，就是BERT這類，比如我們兩億參數(shù)的BERT模型，我們在零樣本分類上就敢去PK Google的5400億參數(shù)的PaLM，這就說明有些任務(wù)它天然適合一個特定模型。

但是如果要全用ChatGPT呈現(xiàn)給用戶，非要把所有的任務(wù)都要注入到一個Decoder-Only的Transformer結(jié)構(gòu)里邊，反而讓準確率再也做不上來？

這是一個非常大的擔心，從我做自然語言的角度來說，就是ChatGPT它是通用的、萬能的，但是有些功能永遠也做不到單一模型那么好，這是我一個擔心。

王寶元：對，我有個非常想問的問題，就是說我們也是覺得對很多具體的問題來講，會不會有“大炮打蒼蠅”的這種問題？

就是說你強迫所有的問題都要統(tǒng)一用這個GPT的架構(gòu)，強迫所有任務(wù)用一個Model，但是對于很多小的問題來說，它也許不需要那么大，會不會有這樣的？

張家興：是的，這個問題問的挺好。

這其實涉及到ChatGPT未來的發(fā)展，到底是我們需要一個大而全的、什么都能做的，還是說其實我們需要一個一個小的，它可能也是類似ChatGPT的，也能多輪對話，也具有一定通用性，但是每個模型尺寸不大，但是只解決一類問題。

終歸來說，我覺得ChatGPT這條總的路線是沒有錯的，就是說我們不要再去強調(diào)一定要用戶去按照算法專家所設(shè)計的格式輸入。

哪怕就是只做抽取信息，抽取實體、抽取關(guān)系，能不能也做成多輪對話的？在這個過程中，你可以不斷地以交互的方式，去提取出里邊所有的東西。

ChatGPT的方式?jīng)]有錯，但是不是一定需要把所有能力都要壓縮到一個大模型里邊，這個我覺得是值得考慮的。

王寶元博士：除了結(jié)構(gòu)的擔憂以外，現(xiàn)在ChatGPT包括New Bing，曝出有很多問題，比如捏造事實，家興你覺得，有哪些好的辦法？

第一解決溯源問題，大模型生成的內(nèi)容源到底是從哪里來的；第二，怎么確保不要亂講，就是說不要捏造事實。在這方面有什么想法？

張家興博士：現(xiàn)在ChatGPT最大的問題就是，它不知道自己不知道。它非常自信，什么都想去回答，但是其實它不知道。

那這個問題怎么解決呢？

那有人可能就說，第一個是讓模型自己去學(xué)，去學(xué)“自己知道不知道”，或者旁邊放一個監(jiān)督模型去學(xué)“你知道不知道”，但是恐怕“知道不知道”這個事情，要比隨機問答的難度高一個級別。

所以如果要解決大模型“知道不知道”的問題，會是復(fù)雜度上一個數(shù)量級的挑戰(zhàn)，因為你要讓新的監(jiān)督模型知道ChatGPT不知道，新的監(jiān)督模型要比ChatGPT還要復(fù)雜的多。

那么我覺得，在當下的技術(shù)水平，更加合理的選擇，還是讓大模型學(xué)會使用工具。

就是比如說學(xué)會使用搜索引擎去搜一下，每一次它都是在搜索出結(jié)果的情況下，先做驗證，然后輸出，這是目前比較現(xiàn)實的一個解決方案。

王寶元博士：有點像Meta前段時間放出的ToFormer。

張家興：對，這是目前學(xué)術(shù)界一個熱點了，其實整個2022年，大家一直都在做這個事情，也有很多好的工作了。

王寶元博士：好，謝謝家興。

童老師，您能談一下這個Graphics這邊您看到的這個大模型有哪些大的限制，前段時間那個ControlNet非?；稹?/strong>

單張圖片生成已經(jīng)非常的驚艷、真實，但如果拿這樣的技術(shù)去做視頻，那么立刻你會發(fā)現(xiàn)一致性有很大挑戰(zhàn)，比如說背景不能動，衣服要保持，identity不能亂變。

所以這里面肯定有新技術(shù)要突破。那除此之外，童老師您看到哪些大的問題？

童欣博士：我覺得首要的也是本質(zhì)的問題，就是所謂一致性的問題。

之所以很多時候視覺用三維表達，因為它可以提供視覺表達的一致性。

如果你沒有這個物理世界的表達，你直接去學(xué)的時候，這個一致性能表達，當大模型學(xué)會這個一致性，就意味著它知道了隱含的三維表達，只不過它的表達是隱性、顯性，這肯定是第一個根本的問題。

第二個問題就是，How and Why。

How是說，假如有這么一個類似ChatGPT的視覺大模型，那用什么方式把三維數(shù)據(jù)提取出來，就像現(xiàn)在大家用Prompt方法抽取語言大模型，這是一個技術(shù)上的挑戰(zhàn)。

還有一個問題就是，怎么保證大模型輸出的東西是事實。

在視覺領(lǐng)域類似的情況是，如果生成一張圖或一個三維內(nèi)容，如果只是天馬行空，那怎么漂亮怎么來。

但如果要落地在實際應(yīng)用中，比如在一個Game Engine，它要去動，它要合理的時候，它要符合一些基礎(chǔ)物理規(guī)則，那么我們靠什么東西，就像事實檢測一樣，我們怎么知道這個東西它該不該動、動起來是不是合理呢？

我們需要一個檢測器，比如有Fake Call Simulator，可以給你提供反饋。

我覺得這是另外一個非常有趣的研究方向，就是怎么通過檢測器給大模型反饋，讓它能夠?qū)W會生成符合規(guī)則的內(nèi)容。

王寶元博士：就是說現(xiàn)在的AIGC大模型，它本身并不提供物理特性、物流規(guī)則，所以說它只能是一種參考，它達不到這種物理仿真的級別。

童欣博士：對，或者說它只有一個前向的生成過程，然后這個生成了以后，你是沒辦法給它另外一個反饋讓它形成一個閉環(huán)的，現(xiàn)在這個反饋來自于人，通過RLHF來做。

但我希望，未來有一個自動的物理反饋給它，那這兩個東西互相動，那也許生成的就不太一樣了。

王寶元博士：徐老師有沒有補充的？

徐迎慶教授：ChatGPT現(xiàn)象發(fā)生的時候，我是最興奮的。

因為我做人機交互，覺得它為人機交互和人機協(xié)同工作打開了一個全新的時代。ChatGPT代表了最最重要的新一代交互模式，所以各位開發(fā)者，我建議在這個方向可以下功夫。

第一點，是大模型的邏輯推理還需要優(yōu)化。

比如剛才李笛講了一個例子，說ChatGPT無法回答“刺殺林肯的兇手和林肯是不是在同一個大陸上”。

然后小冰鏈（X-CoTA）可以做到，然后它基于時序推理、上下文推理，先問什么時候發(fā)生的、然后在哪兒等等推理了一大堆，然后最后得到結(jié)論是在一個大陸上。

但其實人不是這么想問題的，如果人機交互，人就跟機器說笨蛋，在19世紀，一個人要刺殺另一個人，一定得在同一個環(huán)境下，不然他怎么開槍呢？他也沒有現(xiàn)在的遠程武器。

所以人類想問題和所有的大模型推理是不太一樣的，這是第一點。

第二點，剛才兩位也都談到Physical Based Modeling和Physical Based Simulation。

這需要經(jīng)過物理試驗，才能真正應(yīng)用在創(chuàng)新。舉個例子，現(xiàn)在要設(shè)計一輛新車，需要上百個設(shè)計師、工程師做好幾年，然后進行各種各樣的測試。

但是在未來，可能當ChatGPT的知識足夠的時候，說我們要給20出頭、剛工作的年輕人設(shè)計一個城市通勤和郊游為主的新車，那它可能一晚上給你100個方案。

這些方案一定不是完美的，但它能包括外觀、材料、底盤、發(fā)動機、油箱等總成，還包括去哪兒采購，供應(yīng)鏈關(guān)系等，甚至市場推廣怎么做都做好了，然后用少量的設(shè)計師、工程師和相關(guān)人力，就可以完成了。

所以未來就是人類可以做很多外叉的事情，那么目前機器做的大部分是內(nèi)叉的任務(wù)，少部分是外叉。那么以前三年、三十年的任務(wù)，未來也許三個月就完成了。

所以我覺得ChatGPT未來一個非常大的影響，可能是正面的，也可能是負面的。

正面的是，會大大加速社會進步、技術(shù)進步；負面的是，很多人確實要考慮自己的工作應(yīng)該怎么保住，我就講這個。

王寶元博士：徐老師引出非常好的一個問題，不過我想稍微反問一下，就是說那ChatGPT學(xué)出來的創(chuàng)造的能力，它也是從人類大量的作品學(xué)出來的對吧？

徐迎慶教授：對。

王寶元博士：那它不一定能夠生成真正有用的知識，或者有用的這種創(chuàng)意的idea，會嗎？應(yīng)該是以怎么樣的方式去結(jié)合，跟人去協(xié)同創(chuàng)造？

徐迎慶教授：對，是這樣。

比如說我們以前做過一個案例，我們自己的人工智能系統(tǒng)，給它看了4萬張椅子的照片，然后說要生成一把新椅子，生成了31萬把椅子，人工看是看不過來的，加了一個約束后得到了十幾把。

這十幾把椅子的概念，有的合理、有的不合理，我們挑了一個最喜歡的，就真的做了一把椅子出來，從設(shè)計師的角度看是非?？岬?，它既有明代風(fēng)格，又有現(xiàn)代風(fēng)格，融合了很多東西。

那這樣的人機協(xié)同設(shè)計，就變得非?，F(xiàn)實，這就是我說的一定要人機協(xié)同工作，光靠大模型肯定不行，無論如何都不行。

王寶元博士：非常同意徐老師這個觀點。

最后有一個問題非常重要，我也想最后每個人都總結(jié)一下，就是今天來了這么多的開發(fā)者，我想大家都是可能非常年輕的剛進入這個行業(yè)，有的還是學(xué)生。

各位有沒有一些具體的建議，告訴他們應(yīng)該以什么樣的心態(tài)，去面對新技術(shù)帶來的變革？

徐迎慶教授：第一個就是，大家不要怕這個東西。

因為其實我們想一想歷史，比如當攝影術(shù)剛發(fā)明的時候，很多畫家很恐慌，因為他畫了半年、一年，結(jié)果那個鎂光燈一亮，整個影像就記錄下來了。

那其實對當時以貴族、商人肖像畫為主的畫家?guī)砹撕艽蟮耐{，反而逼著新的藝術(shù)流派誕生。

走到今天，攝影成了一個單獨的門類，藝術(shù)繪畫還在那里。

第二個，學(xué)會掌握新的工具，ChatGPT是你大腦里的一支畫筆。

最早人類記錄影像、文字，是有顏色的石塊，后來是木棍、鵝毛、鉛筆、鋼筆、鼠標、數(shù)字筆，他們都是筆的延伸。

數(shù)字筆在數(shù)字板上是很滑的，不像在紙上的感覺，所以比較難學(xué)，但ChatGPT比數(shù)字筆還要難適應(yīng)。但你要去適應(yīng)它，如果你不去適應(yīng)，那你永遠用不好這桿筆。

第三個，當然我作為一個老師，這就更逼著大家，特別是年輕的一代，要去學(xué)習(xí)一些全新的知識，逼著自己去學(xué)，不學(xué)習(xí)沒有出路。

現(xiàn)在一個很明顯的現(xiàn)象，據(jù)我所知有很多非常先進的設(shè)備，但能開的人非常少，為什么？

因為他要儲存和具備足夠的知識和技能，那ChatGPT是一樣的。如果每個人都以另外一種方式在前進，而你還不會，那就和這個時代脫節(jié)了。

這些不一定對，但是跟大家分享。

王寶元博士：謝謝徐老師，家興。

張家興博士：我做過學(xué)術(shù)研究，也在工業(yè)界做過各種技術(shù)落地，經(jīng)過多年的觀察和思考，我的建議時候，當我們把自己定位成技術(shù)人的時候，我們不能只是低頭走路，還要抬頭看看天。

這個時代變化太快。大家今天為ChatGPT驚呼，但再往前推，其來有自。2020年是GPT3，2018年是BERT，2017年是Transformer，2015年ResNet，2012年深度學(xué)習(xí)興起，技術(shù)范式的變化是加速度，而不是是勻速?；緝赡暌粋€大變局。

其實當年GPT3和BERT出來的時候，已經(jīng)沖擊非常大了，很多當時做NLP的就不知道接下來論文該怎么寫了，要跟BERT比還是不比？

而且當時一個趣事是，BERT最開始大家覺得這個只是學(xué)術(shù)界用，但實際上也就三個月到半年，工業(yè)界就都用了，所以技術(shù)范式的變化速度真是大家以前想象不到的。

所以我的建議是，大家除了每天學(xué)好技術(shù)細節(jié)，做好手頭工作之外，一定一定要關(guān)注，整體技術(shù)范式的變化，多做一些更深層次的、更抽象的、更大框架下的思考，到底我們這個時代，技術(shù)在發(fā)生什么變化，有些時候可能你聽別人講很多，但大家得形成自己的思想和判斷。

當你自己的思想和判斷越來越準，這時你自己選擇說，我該投身于哪個技術(shù)方向，還是要帶一個更大的團隊，甚至為一個公司制定技術(shù)戰(zhàn)略，這都是非常重要的。

這些能力，要從年輕的時候開始積累和培養(yǎng)，這就是我的建議。

王寶元博士：童老師。

童欣博士：剛才兩位老師講了很多關(guān)于技術(shù)、關(guān)于知識儲備、學(xué)習(xí)方面的，我講點稍微不一樣的。

我做研究做了二十多年，可以說做了很多工作，但是我現(xiàn)在越來越意識到，就是現(xiàn)在真的是太卷了。

這個時代也許會越來越卷，因為技術(shù)的發(fā)展進入奇點時代，只會越來越快，但是我想跟大家講的是，就是說什么時候，都不要忘了你首先是一個人。

什么意思呢？在你不斷的做這些工作的時候，最重要的還是學(xué)會享受你生活中的樂趣。

當你最后回顧自己的一生，你不會說ChatGPT這個那個，你想到的，最終還是你生活中特別幸福美好的那些瞬間。

別忘了，那些瞬間最重要，不管時代怎么變，你永遠是幸福的。我越來越意識到，讓自己感到幸福，比技術(shù)還重要。

王寶元博士：謝謝。我聽完三位老師最后的建議，我自己的焦慮感都瞬間少了很多，不管你們信不信，反正我是全信了。因為時間關(guān)系，今天就聊到這兒，再次感謝三位嘉賓，謝謝大家。

附：圓桌對談金句摘要

張家興博士

1、過去十年屬于Deep Understanding，未來十年屬于Generative和General。這是一個讓人興奮的新時代。

2、傳統(tǒng)的NLP技術(shù)不存在了。

3、如何解決大模型一本正經(jīng)胡說八道的問題？目前比較好的方式，是讓大模型學(xué)會使用工具，比如搜索引擎。

4、技術(shù)人不能只是低頭走路，還要抬頭看天。做好日常重要，更重要的是關(guān)注整體技術(shù)范式的變化，多做深層次的、抽象的、更大框架下的思考，得有自己的思想和判斷。

童欣博士

1、ChatGPT非常震撼，它涌現(xiàn)出很多夢寐以求的能力。這給我們帶來了緊迫感，視覺領(lǐng)域的大模型涌現(xiàn)能力該如何表現(xiàn)？

2、大模型的出現(xiàn)，解決了兩個根本性的問題，提供了全新的路徑和方式。

首先是多模態(tài)帶來的維度躍遷，實現(xiàn)了夢寐以求的跨模態(tài)生成；另一個是DreamFusion第一次實現(xiàn)了，輸入圖片獲得三維數(shù)據(jù)。傳統(tǒng)的三維建模和三維重構(gòu)不重要了。

3、大模型生成三維內(nèi)容的落地，需要解決兩個一公里的問題?，F(xiàn)在AIGC走出了革新的第一步，往下有沒有機會，創(chuàng)造出一個全新的三維內(nèi)容的生產(chǎn)方式與流程？

4、視覺領(lǐng)域的大模型生成，目前還需要解決一些限制和挑戰(zhàn)。

比如，大模型生成的三維表達和真實世界物理三維表達一致性的問題；大模型生成三維輸出的How和Why的問題，這個領(lǐng)域的prompt該如何做；其三是大模型生成的三維表達如何在具體場景里自動學(xué)習(xí)、遵守相應(yīng)的規(guī)則。

5、人生的幸福瞬間，比技術(shù)變革更重要。任何時候都要先記得，自己首先是一個人，不是機器。你回顧一生的時候，你首先想到的，都是特別幸福的那些瞬間。

徐迎慶教授

1、大模型對學(xué)科之間的融合、交叉創(chuàng)興，有可能產(chǎn)生革命性、顛覆性的影響。

我們在做的嗅覺計算中包括氣味檢測，人類知識庫里有很多對氣味的自然語言描述，比如花香調(diào)的香水，這些香水通過語言描述，會讓人直接感受到心理學(xué)上的認知，我們在做數(shù)據(jù)的時候特別需要這一部分。

另一個可能性，是大模型是否可能建立類似幾何空間、色彩空間一樣的嗅覺空間，用少量的參數(shù)就能夠定義和描述。

2、ChatGPT為人機交互和人機協(xié)同，打開了一個全新的時代。它能讓人類更好地發(fā)揮創(chuàng)造力，可能三個月就能完成三年、三十年才能完成的任務(wù)。

3、ChatGPT是一支新的筆，在你的大腦里，用它來描繪出什么，取決于你是不是能掌握它，用好它。如果你沒有足夠的知識和技能，沒有足夠的創(chuàng)造力，那你可能就會和這個時代脫節(jié)。