【新智元导读】这一届的智源大会，依然是星光熠熠，学术感爆棚。众大咖激辩超级AI，思想碰撞火花四射，依然是绝不能错过的一届AI春晚！
就在刚刚，一年一度的国内‘AI春晚’智源大会，圆满闭幕！
这场人工智能年度巅峰盛会上，有OpenAI、DeepMind、Anthropic、HuggingFace、Midjourney、Stability AI等耳熟能详的明星团队，有Meta、谷歌、微软等做出征服全世界产品的大厂，有斯坦福、UC伯克利、MIT等世界顶尖学府。
GPT-4、PaLM-E、OPT、LLaMA等重要工作的作者悉数出席，为我们讲解研究成果。这场大会堪称专业深度与创意启发兼具，每个话题都被探讨到极致。
而把大会推向高潮的，无疑是图灵奖得主Yann LeCun、Geoffrey Hinton、以及OpenAI创始人Sam Altman的演讲了。
这几位超重磅大佬的亮相，可谓是亮点满满。
Geoffrey Hinton：超级AI风险紧迫
在刚刚结束的论坛闭幕主题演讲中，图灵奖得主、深度学习之父Hinton为我们构想了一个值得深思的场景。
演讲开始，Hinton发问‘人工神经网络是否比真正的神经网络更聪明’？
是的，在他看来，这可能很快就会发生。
正如前段时间，Hinton离职谷歌，对辞职理由一言蔽之。他直言对自己毕生工作感到后悔，并对人工智能危险感到担忧。他多次公开称，人工智能对世界的危险比气候变化更加紧迫。
同样，在智源大会上，Hinton再次谈及AI风险。
如果一个在多台数字计算机上运行的大型神经网络，除了可以模仿人类语言获取人类知识，还能直接从世界中获取知识，会发生什么情况呢？
显然，它会变得比人类优秀得多，因为它观察到了更多的数据。
这种设想并不是天方夜谭，如果这个神经网络能够通过对图像或视频进行无监督建模，并且它的副本也能操纵物理世界。
在最极端的情况下，不法分子会利用超级智能操纵选民，赢得战争。
如果允许超级智能自行制定子目标，一个子目标是获得更多权力，这个超级AI就会为了达成目标，操纵使用它的人类。
张宏江与Sam Altman巅峰问答：AGI或将十年内出现
今日上午，Sam Altman也通过视频连线现身了。这是ChatGPT爆火之后，Sam Altman首次在中国公开演讲。
精彩摘要：
- 当下AI革命影响如此之大的原因，不仅在于其影响的规模，还有进展的速度。这同时带来红利和风险。
- 随着日益强大的AI系统的出现，加强国际间的通力合作，建立全球信任是最重要的。
- 对齐仍是一个未解决的问题。GPT-4在过去8个月时间完成对齐工作，主要包括扩展性和可解释性。
演讲中，Altman多次强调全球AI安全对齐与监管的必要性，还特别引用了《道德经》中的一句话：
千里之行，始于足下。
在他看来，人工智能正以爆发式的速度发展，未来十年可能就会出现超强AI。
因此，需要推进AGI安全，加强国际间的通力合作，并在相关的研究部署上对齐最为重要。
Sam Altman认为，国际科技界合作，是当下迈出建设性步伐的第一步。特别是，应该提高在AGI安全方面技术进展的透明度和知识共享机制。
另外，Altman提到，目前OpenAI的主要研究目标集中在AI对齐研究上，即如何让AI成为一个有用且安全的助手。
一是可扩展监督，尝试用AI系统协助人类监督其他人工智能系统。二是可解释性，尝试理解大模型内部运作‘黑箱’。
最终，OpenAI的目标是，训练AI系统来帮助进行对齐研究。
演讲结束后，智源研究院理事长张宏江与Sam Altman开启了隔空对话，一起探讨了如何让AI安全对齐的难题。
当被问及OpenAI是否会开源大模型，Altman称未来会有更多开源，但没有具体模型和时间表。
另外，他还表示不会很快有GPT-5。
会后，Altman发文对这次受邀来智源大会演讲表示感谢。
LeCun：依然是世界模型的拥趸
在头一天发言的又一位图灵奖得主LeCun，仍然继续推行自己的‘世界模型’理念。
对于AI毁灭人类的看法，LeCun一直表示不屑，认为如今的AI还不如一条狗的智能高，还没有发展出真正的人工智能，这种担心实属多余。
他解释道：AI不能像人类和动物一样推理和规划，部分原因是目前的机器学习系统在输入和输出之间的计算步骤是基本恒定的。
如何让机器理解世界是如何运作的，像人类一样预测行为后果，或将其分解为多步来计划复杂的任务呢？
显然，自监督学习是一个路径。相比强化学习，自监督学习可以产生大量反馈，能够预测其输入的任何一部分。
LeCun表示，自己已经确定未来几年人工智能的三大挑战，就是学习世界的表征、预测世界模型、利用自监督学习。
而构建人类水平AI的关键，可能就是学习‘世界模型’的能力。
其中，‘世界模型’由六个*模块组成，具体包括：配置器模块、感知模块、世界模型、cost模块、actor模块、短期记忆模块。
他认为，为世界模型设计架构以及训练范式，才是未来几十年阻碍人工智能发展的真正障碍。
被问到AI系统是否会对人类构成生存风险时，LeCun表示，我们还没有超级AI，何谈如何让超级AI系统安全呢？
最顶配‘AI内行盛会’
轰轰烈烈的2023智源大会，可以说是本年度国内AI领域规格最高的、最受瞩目的大会。
从创办之初，智源大会的本质特征就很明确：学术、专业、前沿。
转眼间，这场面向AI内行的年度盛会已经来到了第五个年头。
这次，2023智源大会继续延续每一届智源大会的传统，学术氛围感依旧爆棚。
2021年，第三届智源大会上，图灵奖得主Yoshua Bengio、北京大学教授鄂维南院士、清华大学国家金融研究院院长朱民带来了主题演讲。
2022年，两位图灵奖得主Yann LeCun和Adi Shamir、强化学习之父Richard Sutton、美国三院院士Michael I． Jordan、哥德尔奖获得者Cynthia Dwork等重量级大佬做了分享。
而到了2023年，无疑是‘星光最盛’的一届。
共有4位图灵奖得主Yann LeCun、Geoffrey Hinton、Joseph Sifakis和姚期智，以及OpenAI创始人Sam Altman、诺贝尔奖得主Arieh Warshel、未来生命研究所创始人Max Tegmark、2022年吴文俊最高成就奖得主郑南宁院士和中国科学院张钹院士等大佬参与。
更为重要的是，继智源‘悟道’大模型项目连创‘中国首个+世界最大’纪录之后，‘悟道3.0’进入‘全面开源’的新阶段。
‘悟道3.0’是一个大模型系列。
具体来说，包括悟道·天鹰（Aquila）语言大模型系列、天秤（Flag Eval）大模型评测体系、‘悟道·视界’视觉大模型系列，以及多模态大模型系列。
语言大模型系列
悟道·天鹰（Aquila）：全面开放商用许可
首先登场的是悟道·天鹰（Aquila）系列大模型，是首个具备中英双语知识，支持国内数据合规需求的开源语言大模型，并且已经全面开放商用许可。
这次开源的包括70亿参数和330亿参数的基础模型，AquilaChat对话模型，以及AquilaCode‘文本-代码’生成模型。
悟道 · 天鹰 Aquila 开源地址：
https：//github.com/FlagAI-Open/FlagAI/tree/master/examples/Aquila
性能更强
在技术上，Aquila基础模型（7B、33B）在技术上继承了GPT-3、LLaMA等的架构设计优点，替换了一批更高效的底层算子实现、重新设计实现了中英双语的tokenizer，升级了BMTrain并行训练方法，在Aquila的训练过程中实现了比Magtron+DeepSpeed ZeRO-2 将近8倍的训练效率。
具体来说，首先是得益于一个并行加速训练框架的新技术。
智源去年开源的大模型算法开源项目FlagAI，里面集成了BMTrain这样的新的并行训练方法。在训练过程中，还进一步优化了它的计算和通信以及重叠的问题。
其次，智源率先引入了算子优化技术，跟并行加速方法集成到一起，进一步获得了性能的提速。
又学中文，又学英文的大模型
悟道·天鹰（Aquila）的发布，为什么如此值得鼓舞？
因为很多大模型都‘只学英文’——只基于大量的英文语料训练，但悟道·天鹰（Aquila）又要学中文，又要学英文。
大家可能有亲身体验：一个人学知识的时候，如果一直用英文就没问题，但如果一下学英文，一下学中文，难度就会爆棚。
所以，比起LLaMA、OPT这类以英文为主的模型，需要同时学习中英文知识的悟道·天鹰（Aquila）的训练难度提升了很多倍。
为了让悟道·天鹰（Aquila）针对中文任务达到优化，在它的训练语料上，智源放了将近40%的中文语料。究其原因是智源希望悟道·天鹰（Aquila）不只能生成中文，还能读懂大量的中文世界的原生知识。
另外，智源还重新设计实现了中英双语的tokenizer（分词器），这是为了更好地识别和支持中文的分词。
在训练和设计的过程中，针对中文任务，智源团队特意会权衡质量和效率两个维度决定分词器大小。
在悟道·天鹰（Aquila）基础模型底座上打造AquilaChat对话模型（7B、33B）支持流畅的文本对话及多种语言类生成任务。
多轮对话
高考作文生成
此外，通过定义可扩展的特殊指令规范，可以实现AquilaChat对其它模型和工具的调用，且易于扩展。
例如，调用智源开源的AltDiffusion多语言文图生成模型，实现了流畅的文图生成能力。配合智源InstructFace多步可控文生图模型，它还可以轻松实现对人脸图像的多步可控编辑。
文图生成
多步可控人脸编辑
AquilaCode-7B‘文本-代码’生成模型，基于 Aquila-7B 强大的基础模型能力，以小数据集、小参数量，实现高性能，是目前支持中英双语的、性能最好的开源代码模型，经过了高质量过滤、使用有合规开源许可的训练代码数据进行训练。
此外，AquilaCode-7B分别在英伟达和国产芯片上完成了代码模型的训练，并通过对多种架构的代码+模型开源，推动芯片创新和百花齐放。
文本-代码生成
更合规、更干净的中文语料
相比国外的开源大模型，悟道·天鹰（Aquila）的最鲜明的特点就在于，它支持国内数据合规需求。
国外大模型可能具备一定的中文能力，但是几乎所有国外开源大模型使用的中文互联网数据，都是从像 Common Crawl 这样的互联网数据集上抽取的。
但如果对Common Crawl语料进行分析可以发现，它100万条里可用的中文网页只有不到4万个，并且其中83%是海外的网站，在质量上明显不可控。
因此，悟道·天鹰（Aquila）并没有使用Common Crawl里的任何中文语料，而是用的智源自己过去三年多积累的悟道数据集。悟道中文数据集来自一万多个中国大陆网站，因此它的中文数据更加满足合规需要，更加干净。
总的来说，这一次的发布只是一个起点，智源的目标是，打造一整套大模型进化迭代流水线，让大模型在更多数据和更多能力的添加之下，源源不断地成长，并且会持续开源开放。
值得注意的是，悟道 · 天鹰（Aquila）在消费级显卡上就可用。比如7B模型，就能在16G甚至更小的显存上跑起来。
天秤（Flag Eval）大模型评测体系
一套安全可靠、全面客观的大模型评测体系对于大模型的技术创新和产业落地也十分重要。
首先，对于学术界来说，如果想要促进大模型的创新，就必须有一把尺子，可以去衡量大模型的能力和质量到底如何。
其次，对于产业界来说，绝大多数企业都会选择直接调用已有的大模型，而不是从头研发。在挑选时，就需要一个评测体系来帮助判断。毕竟，自研基础大模型依赖庞大的算力成本。研发一个300亿参数的模型，需要的经费包括算力、数据等，至少要两千万。
此外，是否有能力打造一套‘自动化评测+人工主观评测’的大模型全面评价系统，并实现从评测结果到模型能力分析，再到模型能力提升的自动闭环，已经成为基础大模型创新的重要壁垒之一。
为了解决这一痛点，智源研究院选择优先推出天秤（Flag Eval）大模型评测体系及开放平台（Flag Eval.baai.ac.cn）。
天秤（Flag Eval）大模型评测体系及开放平台，旨在建立科学、公正、开放的评测基准、方法、工具集，协助研究人员全方位评估基础模型及训练算法的性能，同时探索利用AI方法实现对主观评测的辅助，大幅提升评测的效率和客观性。
具体来说，天秤（Flag Eval）大模型评测体系创新性地构建了‘能力-任务-指标’三维评测框架，能够细粒度刻画基础模型的认知能力边界，可视化呈现评测结果。
目前，天秤（Flag Eval）大模型评测体系包含了总计600+评测维度，包括22个评测数据集和84，433道题目，更*度的评测数据集正在陆续集成。
此外，天秤（Flag Eval）大模型评测体系还将持续探索语言大模型评测与心理学、教育学、伦理学等社会学科的交叉研究，以期更加全面、科学地评价语言大模型。
30+能力×5种任务×4大类指标=600+维全面评测
视觉大模型系列
在计算机视觉方面，悟道3.0团队打造了具备通用场景感知和复杂任务处理能力的‘悟道·视界’系列大模型。
其中，构建起‘悟道·视界’底层基座的，正是这次6连发的SOTA技术：
多模态大模型‘Emu’，预训练大模型‘EVA’，视觉通用多任务模型‘Painter’，视界通用分割模型，图文预训练大模型‘EVA-CLIP’以及视频编辑技术‘vid2vid-zero’。
1． Emu：在多模态序列中补全一切
Emu是一个接受多模态输入，产生多模态输出的大模型。基于多模态上下文学习技术路径，Emu能从图文、交错图文、交错视频文本等海量多模态序列中学习。
训练完成后，Emu能在多模态序列的上下文中补全一切，对图像、文本和视频等多种模态的数据进行感知、推理和生成，完成多轮图文对话、少样本图文理解、视频问答、文图生成、图图生成等多模态任务。
2． EVA：最强十亿级视觉基础模型
项目地址：https：//github.com/baaivision/EVA
论文地址：https：//arxiv.org/abs/2211.07636
EVA将语义学习模型（CLIP）和几何结构学习方法（MIM）相结合，并把标准的ViT模型扩大规模到了10亿参数进行训练。一举在ImageNet分类、COCO检测分割、Kinetics视频分类等广泛的视觉感知任务中取得当时最强的性能。
3． EVA-CLIP：性能最强开源CLIP模型
项目地址：https：//github.com/baaivision/EVA/tree/master/EVA-CLIP
论文地址：https：//arxiv.org/abs/2303.15389
以视觉基础模型EVA为核心开发的EVA-CLIP，目前已经迭代至50亿参数。
和此前80.1%准确率的OpenCLIP相比，EVA-CLIP模型在ImageNet1K零样本top1准确率达到了82.0%。在ImageNet kNN准确率上，Meta最新发布的DINOv2模型和10亿参数的EVA-CLIP持平。
4． Painter：首创‘上下文图像学习’技术路径
项目地址：https：//github.com/baaivision/Painter
论文地址：https：//arxiv.org/abs/2212.02499
通用视觉模型Painter建模的核心思想是‘以视觉为中心’，通过将图像作为输入和输出，来获得上下文视觉信息，从而完成不同的视觉任务。
5． 视界通用分割模型：一通百通，分割一切
视�
查看资料
收藏
顶 
踩 
