2019年5月27日,在2019数博会举办的“人工智能:AI赋能 引领未来”高端对话,华为公司副总裁、华为云业务总裁郑叶来发表主题演讲,他首先回顾了在2018数博会首次提出“普惠AI”以后,一年来华为云AI的实践与进展,指出当前AI在各行各业真正落地面临三大挑战,要真正实现普惠AI,目前需要认真思考三大问题。
他重点指出,数权要像物权一样被尊重。作为AI基础之一的数据,必须要被合法合规的尊重,这其中最重要的是,服务方要有明确的边界意识,对用户的数据保持清晰的边界与足够的敬畏。华为云尊重客户数据主权,坚持使用华为云的AI能力产生的知识产权归使用者的原则,逐步推进AI落地,让智能无所不及。
华为公司副总裁、华为云业务总裁郑叶来在数博会2019发表主题演讲
以下是演讲全文要点:
经济学家们认为人类发展史走到今天总共有26种通用目的技术(General Purpose technology)。人工智能就是其中一种,这已经越来越成为共识。所谓通用目的技术,简单的理解就是要有多种用途、应用到经济的几乎所有地方、并且有很大的溢出效应。
人工智能作为通用目的技术,将影响每个人、每个家庭、每个组织,激发产业新潜能。人工智能跟信息化最大的不同在于,AI不仅仅是简单提升效率,AI会改变生产结构,将成为一种基本生产力。
一年前,我在数博会首次提出普惠AI,让AI高而不贵,让各行各业用得起、用得好、用得放心。对此,华为公司内部已达成共识。
从当前的实践来看,AI在各行各业真正生产落地有诸多困难,也导致AI热度出现了一些回落。第三方机构统计发现人工智能的投资在下降,但这恰恰是AI产业加速落地的开始。当前问题,归结起来有三类:机器的瓶颈、人才的稀缺、AI知识与行业知识间的Gap。
机器的瓶颈:表现为算力昂贵且供应周期长,这需要从芯片、基础硬件、全堆栈AI等方面战略投入,确保算力充裕且经济。
人才的稀缺:表现为研究AI数据、算法的人才很稀缺。
AI知识与行业知识间的Gap:表现为掌握行业Know-how专家不懂AI,AI专家不掌握行业Know-how,导致AI在行业落地像隔了座山。
这一年来,我们聚焦于踏踏实实做好自己的事。我们发布了两款昇腾系列芯片,为人工智能开发提供“用得起”的充裕经济算力。针对目前AI开发的现状——人工智能最费的是人工,数据标注与准备需要耗费大量人工,要实现“普惠AI”,核心是降低人工智能开发的门槛,因此华为云推出了一站式AI开发平台ModelArts,为AI开发提供“用得好”的开发平台。
经过一年的努力,华为云AI已在城市、制造、物流、互联网等10大行业的300+个项目进行探索和落地,将华为云的AI能力与行业实践相结合,促进AI落地应用。
要实现普惠AI,不仅要让各行各业用得起、用得好,还要让大家“用得放心”。因此,我认为需要各方认真思考三大问题:
第一, 数权要像物权一样被尊重。人类管理物理世界的物权,有几千年的历史和经验;对数字世界“数权”理解与管理,才刚刚开始。作为AI基础之一的数据,必须要被合法合规的尊重,我认为,这其中最重要的是,服务方要有明确的边界意识,对用户的数据保持清晰的边界与足够的敬畏。
第二, 数权和AI产权,需要被研究和讨论。对于人与人之间、机器与机器之间、人与机器之间产生的大量数据,我们不能回避数据的主权到底是谁的?华为云尊重客户数据主权,使用华为云的AI能力产生的知识产权归使用者,让AI开发者“用得放心”。
第三, AI的未来发展,是为更好的“协助”人,而不是“代替”人。华为云全力发展AI开发者生态,大力发展以人为中心的AI,让AI更好为人类的需求服务。
面向未来,华为云致力于做智能世界的黑土地,将AI服务触及每个开发者、每个组织、每个行业,开放合作,持续推进智能产业健康发展,实现普惠AI。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。