“给出经纬度和风速，我们现在就可以实时预测海洋波浪的高度，传统科学计算大概要用两天时间，但借助人工智能做一次预测可能不到0.1秒，求解效率提升1万倍甚至更高。”提到人工智能的实践应用，华为云人工智能领域首席科学家、国际欧亚科学院院士田奇对中新经纬这样说。
上世纪50年代，人工智能还只是一个停留在想象中的概念，但随着技术的更新迭代，人工智能正在重构人类社会与物理世界。一个普通人如何感知人工智能的发展成果？未来它又将走向何处去？当与人工智能紧密联系的k8凯发推荐骤然风起，又将带来哪些“奇迹”？
对此，中新经纬于近日专访了“ai大牛”田奇，他在访谈中描述了更多ai赋能千行百业的场景：地震波预测、农业育种……他还分享了一个科研人如何“守得初心见月明”。以下对话，略有编辑：
华为云人工智能领域首席科学家、国际欧亚科学院院士、ieee fellow田奇接受中新经纬专访 中新经纬 薛宇飞 摄
ai赋能千行百业
中新经纬：首先想请您用一种通俗的方式讲一讲什么是“云”？当前的技术发展已经到了哪一阶段？普通人最能直接感受到“云”魅力的地方在哪？
田奇：如果用一句话讲，云就是能够提供服务的各种基础设施，比如计算、存储、网络，以服务的方式来赋能千行百业。
云现在处在一个高速发展的阶段，企业上云是其数字化转型的必经之路，越来越多的设备都将走向互联，各种基础设施也都将走向云化。很多业务决策的全过程都将是全数字化、全云化、人工智能驱动、一切皆服务的。
而对于我们每个人来说，很多数字化、智能化的服务都是云服务。比如出门打车时的路径规划、每天使用的健康码，背后都是云服务，让我们的生活更加舒适方便。
中新经纬：您此前发布华为云盘古大模型时提到“让ai赋能千行百业”，请问这个赋能过程中存在哪些挑战？盘古大模型落地效果如何？下一个突破点会是什么？
田奇：人工智能进入各领域面临的最大挑战之一就是ai应用场景碎片化问题，即过去定制化的、作坊式的开发难以规模化复制，具有高成本高门槛特征；其次，难以把行业知识与ai技术相结合；再次则是行业对于普通的ai模型在攻击、隐私、安全方面存在一些担忧。
我们的解决重点是通过打造大规模预训练模型实现人工智能的工业化开发。2021年发布的华为云盘古大模型就是一种尝试。盘古大模型包括nlp大模型、cv大模型、多模态大模型和科学计算大模型四大类，可以应用到工业缺陷检测、图像审核、内容审核、工业质检、知识图谱、证券以及银行业的风控等，平均的开发效率提升了90%，在性能上有5%-10%的提升。
比如铁路机车连接处可能会出现缺陷，产生安全隐患，之前是借助人力检查，但现在可以用ai的方式自动识别，利用大量铁路无标注样本预训练，使其在小样本的条件下使模型获取更优的性能；同时基于缺陷检测算法，打造未知故障预测流水线，为铁路故障检测设下第二道关卡。
说到未来，我认为人工智能的发展趋势主要在三个方面，第一是从小模型到大模型；第二是从有监督学习到无监督学习，以此来减少人工标注造成的数据偏见；第三即ai和科学计算的融合，这是一个非常大的市场，可以应用到药物研发、农业育种、气象监测等方面。
元宇宙正从“盘古开天辟地”到“女娲造人”
中新经纬：提到ai，元宇宙可以说是最火的话题之一。您认为当前元宇宙处在哪一发展阶段？未来最有前景的发展主线在哪几个方面？
田奇：元宇宙是物理世界和数字世界的融合体，包括“物理世界数字化”和“数字世界现实化”两大方面。元宇宙现在发展的状态，借用中国古代的神话故事是盘古开天辟地，我们具备初步的能力。接下来更重要的是女娲造人，这个人指的就是数字人。
数字人是元宇宙的重要元素。我们希望不仅在外形上数字人要做到以假乱真，它也需要具备媲美或者超越人的智能。数字人的智能，分两个层次，第一个是感知智能，第二个是认知智能。
感知智能指的是信息的理解和生物的本能，像大猩猩可以通过视觉理解周边环境，会有休息、觅食等自发行动，语言上可以听懂简单的指令，思维上有情绪化的表达。数字人的感知智能，结合特殊的传感器，甚至可以实现超越人类智能的能力，比如我们常说的千里眼、顺风耳。认知智能指人类有别于其他智慧生物的能力，信息的融合、创造、或推理等，体现为人可以理解和复杂的环境。相对来说，要达到认知智能，难度更高，要从多方面努力。
但正如之前提到的，发展较大规模的预训练模型是一个值得探索的方向。大模型是海量参数的神经网络，用海量的数据去驱动模型，训练模型以认知和理解世界。未来希望通过大模型的不断迭代，推进数字人的智能不断进化，使之成为元宇宙真正点睛之笔。
中新经纬：正如您提到ai技术还有无限探索空间，但新技术运用同时，科学伦理也为更多人关注。请问在您看来，我们如何把握好技术进步和技术伦理的边界？
田奇：人工智能有三个要素，即数据、模型(或叫算法)、算力，同时还加上在各行各业的应用。数据采集上，首先要避免数据偏见，保证数据的多样性，做到面面俱到；其次是保证数据的公平性和均衡性；最后，在给数据做标签时，也要避免主观偏见。
模型上，要保持模型的透明度，比如可视化，让外界知道模型的底层逻辑是怎样的。模型或算法存在“黑盒优化”，其可解释性仍是难点，希望未来在一些基础理论研究上有所突破。算力上，各个国家、各个地区的算力是不一样的，这种情况下如何保证均衡性及技术上的普惠性，就比较重要。发达地区可以帮助不发达地区，比如可以在中、英文的大模型基础上，通过模型迁移，加快小语种的训练，更好地提供小语种的对话、翻译能力。
应用方面，人工智能如今在数字人、无人驾驶、元宇宙等方面都有很强的应用场景，但实际上，以无人驾驶为例，并不是所有地区或国家都需要无人驾驶，可能经济发达地区更需要一些。对于经济欠发达地区，可能更关心一些民生方面的问题，制药、医疗等。因此，要保证每个地区都可以根据自身需要去应用人工智能的场景。
最后，人工智能一定要做到技术向善，提倡普惠ai，让技术普惠到更多的人，更多的地区。
把创新研究和商业变现结合的人才难找
中新经纬：华为“天才少年”“顶级薪酬”的话题常常引发关注，在您看来，中国的ai人才缺口如何？您也是从学界到企业界，您怎么看这两种土壤对人才的培育和影响？
田奇：不管是在学术界还是企业界，都有大量优秀的ai人才，学术界的人才更偏重于创新，企业界的人才更偏重应用，目标的不一致，导致他们之间存在区别。从人才方面讲，单方面优秀的人才很多，但具备跨域型及全能型的，能把创新研究与商业变现结合在一起的人才就比较难找。
也正因为如此，找到了这类人才，就需要把他们安排到具备高价值的场景中去。高价值意味着它需要有大的创新突破和技术变革，比如元宇宙、新能源、无人驾驶等，它们也都是具有巨大潜力的市场。华为云也希望，将高价值场景与创新型人才结合在一起，实现一些突破。
中新经纬：“工匠精神”“匠心精神”常常被提到，我想科技行业也需要这样的精神。从您自身的经验来看，您认为做一个优秀的前沿科技者，最重要的是什么？如何在喧嚣的外界中静下心来呈现“工匠精神”？
田奇：百米赛跑是有终点的，冲一冲可能就能取得不错的成绩，但人生的赛道是漫长的，甚至可以说是没有终点。
优秀的人才早一点经历挫折，可能会是好的，会让人有更多的思考。一些优秀的学生，之前的学业也是一帆风顺，但也因为过于顺利反而会产生无所不知、无所不能的想法。年轻的时候，你可能被别人称为“天才”，但过了这段时间，这种优势就会慢慢丧失。在这个时候，就需要让他们有更多的磨练。
而且，研究不是简单的螺旋式上升，而可能是大起大落，有可能这几年思维清晰，研究推进得很顺利，但再过几年，遇到了瓶颈，就不顺畅了。因此，做研究要有持之以恒、精益求精的心态。人要有长远目标、正确方向的牵引，没有方向与目标，就只会原地踏步。
至于压力，在一个优秀的团队内自然会有竞争、有压力，但自身能力也会快速提升，并且会终身受用。