2024 新学期，超星尔雅“开学第一课”，复旦大学张军平教授的“数字分身”聚焦 AI，直播开讲——AI 的专业应用、技术质变、现有不足，以及大学生应对 AI 挑战的方法......上万人次观看、点赞，含金量高，值得二刷！

↓长按识别二维码观看↓

  精彩回顾  

问题1

在各个专业中，AI能做些什么？

现阶段，AI 在已经成功应用于各个领域，许多悬而未决的难题，借由 AI 得以化解。比如：

物理上，黑洞离我们那么遥远，我们怎么能拍到它的照片呢？

科学家们用多台望远镜进行多角度拍摄，再利用AI进行超分辨率合成，最终得到了世界上第一张黑洞的照片。

第一张黑洞的照片

化学上，为制作一种特效药，需要合成一个化学分子，必须基于一千两百五十万个化学反应去预测和规划合成路线。在过去，科学家们只能不断实验试错，费时费力还容易出错。

现在，AI 可以辅助设计路线，进行大规模仿真实验和分子筛选，不仅成倍提升了路线设计速度，还能得到质量更高、更经济的路线。

生命科学上，想知道细胞功能，就必须进行蛋白质结构预测。但由于蛋白质的三维结构十分复杂，如果要实验预测，不但耗时长、费用高，而且有些蛋白质结构无法通过现有实验获得。过去 40 年，这个问题一直难以解决。

现在借助 AI，只要给机器氨基酸序列，以及对应的一些结构数据，机器就能自主预测蛋白质的结构，且预测精准度很高。 

蛋白质结构层次

AI在各领域的广泛应用

问题2

与过去相比，AI技术实现了怎样的质变？

自 2012 年，人工智能进入第三次热潮以来，发展迅速，突破不断，这背后离不开深度学习的应用。 

人工智能的第三次热潮

深度学习是机器学习的一个分支，机器通过模仿人脑神经网络的结构和功能，学习并处理数据，以完成复杂任务。

以人脸识别任务来说，传统机器学习方法训练出的机器很死板，每一步都需要人的介入。

第一步，识别图中人脸的位置，需要人手动设定算法，告诉机器图像边缘、颜色的区分规则；

第二步，提取眼睛、眉毛、鼻子等部件，需要人针对各个部件单独设定规则，帮助机器定位；

第三步，部件的合成，仍旧需要人的介入，告知机器鼻子、眼睛分别该占多大位置等信息。

传统机器学习：每个步骤都需要人为介入

深度学习训练下的机器，则可以自动识别边缘、纹理、五官，并提取其特征。在人脸合成的时候，也可以自主调整各个部件的权重，无需人手动设计每个合成步骤。即人只需要输入数据和要求，机器就能输出我们想要的结果。

问题3

现阶段，AI有哪些不足？

我们以爆火的 Sora 和 ChatGPT 为例。

Sora：真假难辨，面临“组合爆炸问题”

Sora 官方发布的视频中，人物面部细节、光影变换、动作轨迹的效果都非常逼真。但部分用户使用 sora 之后，生成的一些视频则比较奇怪，比如：人的一只手有六根手指，椅子从沙子里搬出来就变形了。

椅子从沙子里搬出后就变形了

这是因为现阶段人工智能存在“组合爆炸问题”，即随着问题规模的扩大，计算时要考虑的组合量呈指数增加，最终会导致机器无法找到最优解。这就是为什么，越多人使用 sora 生成视频，不符合人类世界的物理模型的视频出现的频率越高。

ChatGPT，警惕信息茧房

ChatGPT 和人的交流非常顺畅，而且越聊得多，你甚至会觉得它越懂你，但这时，如果你再次提问前面问过的问题，你会发现，它的回答不再是客观的答案，而是在重复你之前的想法，也就是说，你已经被困在了 GPT 营造的信息茧房里。

导致这一切的是 GPT 的一个算法：基于人类反馈的强化学习。比如你之前不认可 GPT 输出的某个观点，经过持续对话的不断反馈，它也就不再反驳，最后你只会在特定主题或观点上，得到以前反复强调过或类似的回答，加剧自我的偏见。

问题4

面对“AI狂潮”，我们大学生应该怎么做？

1

学会使用AI工具

包括大语言模型、办公软件人工智能模型等。

2

学会识别AI骗局

仔细辨别真伪，认清“AI 换脸诈骗”“AI 假新闻”“AI 伪造科研数据”等诈骗陷阱。

AI诈骗案件

3

正确理解人工智能

现在的人工智能更像是“预制菜”，把智能问题简单化为预测问题，而且也过分依赖于算力和资本，远没有达到人工智能的天花板，未来的探索之路还很长。同时，人类也应该更多地挖掘自身的潜力，发挥联想力、跳跃性思维等方面的独特优势。

来源：超星尔雅