【資料圖】

2023世界人工智能大會“科技與人文——共筑無障礙智能社會”論壇8日在上海世博中心召開。

北京大學智能學院、跨媒體通用人工智能全國重點實驗室研究員，超級自動化聯合實驗室主任馬修軍博士在論壇上作題為《跨越AIGC大模型的鴻溝：視覺語言大模型推動泛在的具身智能》的主旨演講，從多模態通用模型角度，洞觀AIGC(生成式人工智能)的下一熱點——具身智能的發展以及大模型創新鏈與產業鏈深度融合。

人工智能已經邁入AIGC時代，全球產業界都在競爭具有泛化能力的語言大模型，大模型產業鏈與生態鏈日益完善，國際巨頭不斷推高大語音模型能力，國內百度、華為，騰訊、阿里等也在加速布局語言大模型。

馬修軍介紹道，當前，基于語言大模型的工具鏈和生態不斷涌現，大模型應用重點轉向行動導向，調用和操作外部系統和工具，即大模型從知識、推理轉向行動驅動。“但語言大模型的普及仍存在三大鴻溝：一是幻覺問題，二是記憶和個性化問題，三是多模態與物理世界交互問題。”他認為，AIGC大模型下一個熱點是多模態和具身智能。

所謂“具身智能”，是指能夠理解、推理并與物理世界交互的通用智能體，具有多模態感知認知能力和自主多任務機制。視覺語言大模型是多模態通用模型的核心。

視覺也是一種語言，語言的載體是文字。“中國象形文字天然具有多模態表征和明文通信的編碼能力，看一個字就知道什么意思。借助象形文字的編碼思想，我們可以為人工智能表征世界設計一種多模態特征編碼，進而發展多模態通用語言大模型。”馬修軍說。

據介紹，視覺語言大模型基于對現實世界表征預測的類象形文字的特征編碼，使得人工智能擁有了自己的文字，可以理解像素、聽懂語音序列并感知世界，真正擁有具身智能的核心能力，并且這種多模態文字編碼可用于具身智能之間的通訊交互，構建一個泛在的機器智能社會。

馬修軍認為，多模態通用模型與具身智能是未來產業發展的基石，需要貫通學研產用全鏈條，推動大模型創新鏈與產業鏈深度融合。通信運營商算網融合，需要為多模態具身智能的通信重塑再造一種新型基礎設施，包括面向機器通信的編碼、消息格式及網元算力等。例如，面向機器的視覺編碼VCM與5G消息以及大模型的融合創新。

“在AIGC時代，全球產業界都在競爭通用人工智能的基礎模型，這是人工智能產業的皇冠，是未來智能社會的底座，并且它的演進速度非常快。”馬修軍表示，以大模型為基座的人工智能通用能力不會曇花一現，多模態通用模型與具身智能將重塑未來社會的產業鏈和產業生態，產生像互聯網一樣的影響力。

據悉，本次論壇由世界人工智能大會組委會辦公室指導，中國新聞社上海分社、上海市楊浦區人民政府聯合主辦，上海中新傳媒文化咨詢有限公司、上海市楊浦區科委承辦，上海市現代服務業聯合會、上海市海外經濟技術促進會、上海市長寧區北新涇街道辦事處、上海新之海數據信息有限公司協辦，中新社國際傳播集團上海分公司、上海市人工智能行業協會支持。(完)

關鍵詞：