院士们如何看待2022年人工智能的未来发展？人工智能未来是模型驱动还是数据驱动？人工智能发展的问题是什么？
2月26日，在以构建一体化开放新生态为主题的WAIC2022上。上海在人工智能开发者大会主论坛上，学术界院士和行业技术专家就这些问题进行了深入探讨。
中国工程院院士蒋昌俊、中国人工智能协会理事长、中国南方科技大学副校长、张东晓教授发表主题演讲。
圆桌论坛上，众多学术界代表就数字化转型、人工智能发展等开发者关心的热点话题进行了深入探讨。
物质信息和智力是我们发展中非常重要的标志。在本次主题演讲中，中国工程院院士、中国人工智能协会理事长蒋昌俊首先回顾了16世纪以来人类在这三个方面的探索和主要成就，然后谈了自己对智能的思考。
蒋昌俊提到，目前人们对智力的认知仅限于连续结构和离散结构，其他结构形式有待探索；深度学习算法理论没有根本改变，还是基于神经层级，只是处理层面越来越广；直到今天，智能世界在理论上还没有形成公认的理论基础。
除了可计算的思维，人还有不可描述的思维，比如顿悟、灵感。他认为，不可预测性和不确定性是这一轮智能发展中人工智能的基本问题。
南科大副校长、讲座教授张东晓分享了人工智能在理论指导下的话题。
模型驱动和数据驱动在模型和映射关系上是不同的。解决实际问题时，模型驱动和数据驱动哪个更好？
张东晓认为，在充分的条件下，数据可以以任何精度拟合任何函数，数据驱动可以实现良好的预测能力。
然而，仅有数据是不够的。以深度学习神经网络为例，其学习模式结构可以结合物理规律、工程控制、增加经验等信息进行训练，以提高可解释性和更好的稳定性。核心是深度学习框架中嵌入的知识。
张东晓说，如何从数据中挖掘模型。获取知识是人工智能的最高境界。在工业+人工智能的探索中，数据驱动和模型驱动的有机结合有助于解决实际的行业问题。
在讨论数字化转型的圆桌论坛上，上海科大副院长、信息科学与技术学院副院长于景毅，佟彬智能CEO龚朝辉，随缘科技人工智能计算专家。产品市场部总经理高平分别发表了对元宇宙的看法。
超宇宙首先要有身临其境的体验。由于人工智能等技术的发展，我认为目前有新的机会。我们必须为此建立一个数据驱动的引擎。闫静宜说。除了娱乐领域，元宇宙还有很多应用，比如智慧城市的3D模型重建。最近，谷歌和Waymo利用神经网络重建了旧金山的许多街区。他们的方法与传统技术完全不同，可以快速渲染，将大城市压缩成小数据集，但无法编辑。在智慧城市中，超宇宙有着巨大的前景。
从现有的技术手段来看，超宇宙的概念就是用一些图像。视觉技术在认知中描述物理宇宙，并希望通过其他技术手段再现。龚朝辉说:未来，新的技术手段很可能在虚拟世界和物理世界之间形成闭环和互动。我们可能会在世界上创造新的交互形式，然后带来新的商业模式和应用场景。
我认为元宇宙是一个元宇宙，是数字经济的新形态，需要强大计算能力的支撑。元宇宙的内容生产远远超出了我们现在所理解的。基于视频等媒体的互联网内容，未来我们需要大量的计算能力来支持虚拟环境渲染，对计算能力的需求需要人工智能数据来支撑。对于2B企业来说，可能会有许多基于元宇宙(Metauniverse)的2B基座的企业，元宇宙是由开发者建立的业务。人们会充分发挥自己的才能，让元宇宙产业生态繁荣起来。
开发者是一种身份。有的开发者在大学从事算法研究，有的开发者在企业从事人工智能应用的开发，有的开发者跨界工作。开发人员的职业是多种多样的。在本次圆桌对话中，几位嘉宾探讨了2022年人工智能发展的难点。
首先，与几年前相比，人工智能算法的研发变得更简单或者更困难。几位嘉宾阐述了自己的观点。
上海交通大学约翰·霍普克罗夫特计算机科学中心长期教学跟踪助理教授文英博士从生态发展的角度解释了人工智能算法研发难度的变化。他说:深度学习在2015年已经出现，但当时还没有完善的研究工具。Tensorflow于2015年底首次发布，2016年和2017年生态系统逐渐成熟。现在大规模模型和新算法的驱动，使得模型的门槛更高，对计算能力的要求也很高。
东方理工大学助理教授陈表示，人工智能算法的研发变得更加容易。一方面是因为框架多了，另一方面是目前良好的开源氛围让计算机与其他学科的交叉领域有了更大的进步。
上海人工智能实验室通用视觉集团计算机视觉研究员何一楠也表示，与几年前相比，人工智能开发更容易起步，更多的开发者在社区中贡献开源代码，以及许多大型工厂开源工具和平台。开发者现在需要做的是提高自己的知识和能力，解决更高层次的问题。
那么，打好基础之后，现阶段我们面临的更高层次的挑战是什么？
何一男指出，目前面临的第一个挑战是数据问题，训练模型需要收集大量数据，其次是提高训练效率。
陈也表示，机器学习是小数据的挑战，可解释性和知识嵌入性也是需要解决的问题。
文英提到，虽然强化学习在游戏中取得了很大的进步，但在实际应用场景中并没有完全体现出它的作用。我想尝试在强化学习中使用大模型。