一直以来,很多人将 Scaling Law 奉为圭臬,相信用更多数据、更大算力做更大参数的模型,就可以实现 AGI,但聚光灯之外也不乏有一些「少数派」的声音,他们认为:只靠 Scaling Law 是实现不了 AGI 的。那么,Scaling Law 的尽头到底是什么?怎样才能通向 AGI?对此,业界和学界讨论也从未停止。

2021 年底,时任蚂蚁集团副总裁、首席 AI 科学家、阿里 iDST(达摩院前身)联合创始人的漆远重返学界,任复旦大学浩清特聘教授。2023 年,上海科学智能研究院成立,漆远担任担任院长,推进知识与数据结合的 AI for Science 原始创新。同时,漆远也是可信大模型公司无限光年的创始人,专注于减少大模型幻觉释放垂直领域大模型生产力,推进产业落地。

漆远长期从事机器学习、深度学习及 AI for Science 相关理论研究和应用,曾领导搭建阿里巴巴首个大规模分布式机器学习平台 PAI 和蚂蚁集团的超大规模图神经学习与隐私计算平台。漆远算是「少数派」中的一员,他认为:Scaling Law is not enough,AGI 的最高目标之一就是通过人工智能发现复杂世界的未知规律,当前大模型都高度依赖于数据,而未知规律恰恰缺乏数据支撑。

今晚 8 点,复旦大学教授、上海科学智能研究院院长、无限光年创始人漆远将作客 Founder Park 视频号直播间,与极客公园创始人&总裁张鹏聊聊:Scaling Law 还有红利,但一定到不了 AGI。

主要话题:

  • AGI 的标准到底应该是什么?

  • 为什么说 Scaling Law 还不足够?

  • 为什么说 AGI 的标准之一是打造「AGI 爱因斯坦」?

  • 通向 AGI 还要解决哪些问题?

  • 如何打造 AGI 爱因斯坦?

  • 未来 AGI 的学术界、产业界如何分工?

  • 如何培养社会需要的 AI 人才



更多阅读

AGI 大会上好评如潮的演讲:创新工场汪华解读 AI 应用爆发何时到来?
对话爱诗科技王长虎:视频生成赛道存在平台级产品的机会
对话杨植麟:聚焦生产力,做好Kimi这一个产品
对话王小川:除了杀时间、省时间,「加时间」才是 AI 应用的好赛道

转载原创文章请添加微信:founderparker

内容中包含的图片若涉及版权问题,请及时与我们联系删除