关于数字智能系统、scaling law、技术飞轮、人类生物学数字孪生体
钛媒体App 11月24日消息，11月23日晚，获得港科大工程学荣誉博士学位的英伟达创始人黄仁勋，与港科大校董会主席、美国国家工程院外籍院士沈向洋展开对谈，围绕数字智能生态系统、scaling law、人类生物学数字孪生、物理智能、技术飞轮、高校计算资源短缺、领导力、能源消耗等话题，黄仁勋分享了个人见解，以下为发言要点速览：
1、人工智能的核心是认知的自动化，即问题解决的自动化。通过这些“数字代理人”（digital agents），我们已经能够创造出“数字智能”。如果我们将这些能力放在一个数据中心，它就像一个生成“数字智能”的工厂。
2、人工智能如今正在为我们创造一个“数字智能”生态系统。从工业的角度来看，这实际上是一个全新的行业，这个行业将能量转化为“数字智能”，然后被各种不同的应用所使用。这种智能的消耗将会非常巨大。
3、scaling law 似乎仍在延续。但是，仅仅依靠预训练是不够的。我们还需要“后训练”，即在特定领域深入学习技能。这需要强化学习、人类反馈、人工智能反馈、合成数据生成、多路径学习等技术。通过这些技术，我们可以在特定领域中深入挖掘，学习非常复杂和专业的技能。
4、在过去的十年里，英伟达将计算成本降低了百万倍。人们对计算的看法也完全改变了。我们让机器能够轻松学习和分析海量数据，这种能力让研究人员几乎无需犹豫就能使用。这正是为什么机器学习能够蓬勃发展的原因。
5、人工智能的答案并不是基于第一性原理得出的，而是基于观察数据的学习。因此，它并不像传统的第一性原理求解器，而是通过“模拟”来模仿智能和物理规律。
模拟对科学来说是不可或缺的。模拟让我们能够在更大规模、更复杂的系统中探索规律，这是人工智能赋能科学的巨大价值。
6、现在的问题是，我们能否利用人工智能来模拟人类生物学，以便更好地理解这些极其复杂的多尺度系统？如果可以的话，这将帮助我们创建“数字孪生体”，即人类生物学的数字化模型。
这是一个令人振奋的希望，因为我们可能首次拥有了这样的计算机科学技术，让数字生物学家、气候科学家和其他处理复杂问题的科学家能够真正理解大型物理系统的运作。
7、大学计算资源短缺是一个非常重要且结构性的问题。解决问题的关键是大学需要重新思考资助机制。
比如，建设一个全校共享的基础设施，可以为所有学科提供支持。这种系统性的改变是必要的，但也非常困难。但从长远来看，大学需要从根本上重新思考如何分配和使用研究经费。
8、我希望人工智能能够变得更加高效，帮助我们解决许多领域的浪费问题，比如电网的浪费。电网大部分时间都处于供电过剩状态，但在某些时刻又会供电不足。AI可以优化这些系统，减少浪费，同时节省能源。
如果人工智能能够通过节能技术节省的能源超过它本身的消耗，那么这是一个非常值得的交换。我的梦想是，我们最终能够看到，将能源用于创造智能是我们能够想象的最好的能源利用方式。
9、未来的人工智能需要学会物理智能（physical intelligence），理解并与物理世界交互。这是机器人技术的核心，也是我们在大湾区硬件生态系统中可以深入挖掘的一个巨大机会。从生成式AI到通用机器人，这一跨越其实已经非常接近了。
10、目前有三类机器人（汽车、无人机、人形机器人）能够实现大规模生产，这一点非常重要，因为大规模生产能带来技术飞轮效应。高产量能推动研发投入，而研发又会带来技术突破，从而制造出更好的产品，进一步提高产量。
这种技术飞轮对于任何行业来说都是至关重要的。粤港澳大湾区在这方面拥有得天独厚的优势。它是世界上唯一一个同时拥有机电技术和人工智能技术的区域它的独特之处就在于它能同时整合这两种能力。
11、作为CEO和领导者，我学到的一个关键点是，你不需要知道一切。你可以对自己的方向充满信心，但同时也要允许存在不确定性。第二点，作为领导者，需要展现力量，因为团队成员会从你的力量中获得信心。
然而，力量并不意味着不能表现脆弱。最后一点非常重要：不要为了自己而做，而是为了他人。真正被信任的领导者是那些每一个决定都以团队使命、他人成功为导向的人。
12、直接管理60位高管，透明度是关键。当公司需要确定方向、制定策略或做出决定时，我不会一个人进入“森林”深思熟虑，然后带着答案回来告诉大家该怎么做。
相反，我们会一起推理、讨论，最终得出结论。我通常是最后一个总结发言的人，我的职责是确保每个人都听到并理解相同的信息，消除任何可能的歧义。（来自钛媒体App）
