對話 IJCAI2024 大會主席張成奇：克服了幻覺，大模型就不夠「靚麗」

作者丨王悅 張進

編輯丨陳彩嫻

第 33 屆 IJCAI 大會在韓國濟州島圓滿結束，為期一周（8.3-8.9）的 IJCAI 吸引了來自全世界各地人工智能領域的研究者和關注者，大會現場的氛圍跟 8 月的濟州島天氣一樣火熱，現場的熱情氛圍昭顯了當下人工智能領域的蓬勃發展。

延續了 IJCAI 2023，此次大會最熱門的兩個領域依然是計算機視覺跟機器學習，有關大模型的話題往往參與者眾。此次參會人數將近 3000人，論文提交數量超過 2023 年的 23.8%。

張成奇是 IJCAI 首位華人大會主席，也是進入 IJCAI 理事會的第三位華人，前兩位分別是IJCAI 2019理事會主席楊強和IJCAI 2023理事會主席周志華。

張成奇告訴 AI 科技評論，他跟 IJCAI 的淵源要追溯到2011 年，這一年在他的積極參與下澳大利亞墨爾本成功取得了 IJCAI 2017 的舉辦權。這一屆贊助創歷史新高，贊助費超 70 萬美元，這是與張成奇的努力密不可分的。

更重要的是，張成奇本人在人工智能領域的成就亦不容小覷。

張成奇于 1982 年在吉林大學攻讀碩士研究生，從事專家系統方面的研究，而吉林大學是中國最早開始研究人工智能的單位之一。早年，張成奇曾用9年時間做一項研究，最終于1992年在 “國際人工智能雜志（Artificial Intelligence Journal）”上發表了大陸華人中的第一篇AI 期刊文章。根據2024年8月份Google Scholar統計，張成奇的所有文章被引用總數超過33000次，H-Index為70。

在從事人工智能和數據挖掘領域研究的 40 多年時間里，張成奇取得了豐碩的研究成果，到目前為止，共發表 300多 篇科技論文，很多論文都發表在頂級期刊。曾于2011年獲得新南威爾士州科學與工程（工程和ICT類）獎，并在2011年獲得悉尼科技大學副校長卓越研究（領導類）獎。

大會主席張成奇認為，IJCAI 的舉辦極大地促進了當地人工智能領域的交流，此次 IJCAI 選址韓國相比在其他地方舉辦韓國參會者多出超 20 倍。

在韓國濟州島舉辦的 2024 IJCAI 現場，AI 科技評論跟張成奇對話，講述他首次擔任大會主席的感受、本次 IJCAI 的變化以及他對當下人工智能發展、大模型發展的一些看法。以下是對話原文（經過簡單編輯）：

一、IJCAI 更嚴格了，但被接收的大部分都是好文章

AI 科技評論：今年各國的參會人數在整體參會者中占比大約是多少？

張成奇：中國參會者大概可以達到參會總人數的 1/3 左右。韓國參會者人數相比在其他地方舉辦多了起碼 20 倍，占總參會人數的1/5左右。IJCAI 選址對當地參會人數會有很大地促進作用，比如 2017 年澳大利亞的 IJCAI ，有 500 多澳大利亞人參加（大約1/4），這次澳洲過來的學者就只有 70 人左右。

AI 科技評論：我們觀察到，今年 IJCAI 的很多贊助商都來自中國。

張成奇：是的。從 2017 年起主要的贊助商都來自國內，這次來的參展企業有信也科技，百度、滴滴、華為、美圖、OPPO、ViVo、京東，貝式計算等。

IJCAI 從 2017 年開始，專門設置了一個 Sponsorship Officer，之前是我在負責，從去年開始由于涵負責，我來協助。

企業贊助的錢每年都可以資助很多學生，金額可以達到數十萬美金，受資助的學生也更愿意在這個會議上投論文，這是一個正循環。

AI 科技評論：組織 IJCAI 的過程中，是否遇到過很大的困難？

張成奇： IJCAI 整體進程推進得較順利。由于我自己有組織過很多場大型國際會議的經驗，對其中的節奏把握有很多經驗，可以算得上駕輕就熟。在近30年來，我先后在澳大利亞人工智能年會、亞太人工智能年會、亞太數據挖掘大會、國際數據挖掘大會這些會議中多次擔任大會主席。

AI 科技評論：您擔任過這么多地區會議、國際會議的華人主席，有什么感受？

張成奇：能夠擔任頂會主席的人非常少，其中的華人就更少。我之前當過 KDD、ICDM 的主席，這次也擔任了 IJCAI 的主席。這一系列主席當下來之后，至少感覺組織事情更有條理了。

張成奇與學者在 IJCAI 現場交流

另一個角度來看， IJCAI 是綜合性會議，強調涵蓋更多、更豐富的 AI 垂直領域，不像 CVPR、ICML 這些只關心一個研究領域的垂直會議。

綜合性會議的特點是，文章接收量的范圍相對寬一些，但想要辦出大名氣就比較難。

二、應用大模型要注意“領域的錯誤敏感度”

AI 科技評論：您怎么看待今天的大模型？

張成奇：大模型叫生成式模型，生成式模型最大的優點是它生成效果很靚麗，“腦子”很發散，像人一樣很聰明。但是最大缺點是有幻覺，而且幻覺無法被克服，如果克服了幻覺，那么生成式模型也就沒有那么靚麗了。

人的聰明之處在于解決問題，人算 38的平方是算不過計算機的，計算機在這種傳統、有標準的東西范圍是不會出錯的，大模型反而會出錯。這就是大模型的優缺點。

AI 科技評論：我們應該如何利用現在的大模型？

張成奇：要注意區分大模型在不同領域的錯誤敏感度。

舉三個例子：

第一個場景，核電站維修完全不能容忍錯誤，任何概率包括 0.01% 的錯誤都不能容忍，這種情況的錯誤敏感度較低；

第二個場景，寫詩作畫可以隨意發揮，寫錯、做錯沒有壞的影響，這種情況的錯誤敏感度就較高；

第三個場景，股票交易可以出錯，因為股票沒有 100% 賺錢的，只要賺錢超過50% 就可以，這種情況的錯誤敏感度就是中性。

因此，大模型很發散、很聰明，但是它不保證全部對，也不保證沒幻覺。所以這時使用者要考慮不同領域的錯誤敏感度，中性敏感度只要它正確率超過 50%，是可以被使用的。很多人吐槽幻覺問題，說有幻覺就不能用了。但其實并不是這樣，寫詩作畫、股票交易等領域都是可以用的。

99.9% 的人都是大模型的使用者，很難決定或左右大模型是否擁有幻覺。但我們可以判斷各種領域對錯誤容忍的敏感度，什么領域能用，什么領域不能用。不僅要考慮模型能力好不好，還要考慮是否和對應的領域適配。

但需要知道的是，大模型的幻覺問題不能從根上解決，否則的話它就不是大模型了，也不是生成式了。所以不能只盯著難以被解決的幻覺問題，要揚長避短、趨利避害。

AI 科技評論：在您的判斷中，目前階段有哪些適合大范圍應用大模型的領域？

張成奇：導游行業。比如規劃一條路線，多繞幾分鐘沒有太大關系，只要別發生危險就可以，所以這個領域容忍度很高。從這個角度開發垂直大模型是值得嘗試的。

智能養老也很適合做大模型應用，中國的養老，有兩個剛需，分別是健康和飲食。于健康管理而言，需要精準控制吃藥的時間、藥量、頻率等；于飲食管理而言，比如糖尿病的人哪些食品不能吃？身體寒寒的人哪些食物不能吃？食譜怎么給千人千面的搭配？這些是大模型能夠幫助實現智能化和個性化的方面。

除此之外，情感陪伴，也可以使用現在的生成式模型來實現，無論是外在的形象、實體陪伴，還是語言、情感的陪伴都也可做得很絲滑。

社交層面，也可以通過大模型匹配到不同的興趣愛好圈，加入不同的話題。還有運動管理，比如一位70歲老人是走 5,000 步還是走1萬步呢？是早晨走，中午走還是晚上走？是分開走，還是和別人一起走？都可以從大模型上去尋找答案。

開發通用大模型無需過度考慮領域問題，但要是做垂直領域大模型，一定要選好領域。

AI 科技評論：大模型發展的下一步趨勢是什么？

張成奇：一方面是減少算力，提高效率；另一方面是應用領域會越來越寬。沿著這兩個方向改進，都是漸進性的進步，至于之后能不能有 break through，就需要看底層架構有沒有突破，需要有像 GPT 這樣革命性的變革。

因此，在通用領域上，大模型比 99% 的人都聰明，但是在專業領域中，他們始終無法超越專家。

大模型的技術專家都在研究怎么解決幻覺、怎么提高效率。但還有一個層面，也需要站在普通老百姓用模型的角度看，怎樣去把現有的大模型能力更好地發揮出來，怎樣能夠讓技術更普惠人類社會。我認為更多要從上往下走，從現象中將本質抽象出來后，再往下落。

AI 科技評論：具身智能也在今年掀起了一波熱度，你認為這是泡沫嗎？

張成奇：人的智能大致可以分成感知、認知、行為三個方面。深度學習解決了感知問題，GPT + 深度學習在很大程度上解決了認知問題，而行為智能方面一直沒有很大突破，所有機器人控制都是屬于行為智能。

現在要做的事，是把感知、認知、行為等多種智能的層面融合起來。早期人工智能為什么沒法用？就是因為它感知上不過關，認知層面在前進，但是還沒有到達終點，后邊有好多東西要做，但也能實現很多工作了。

所以為什么家庭機器人還要需要時間？就是因為他的行為執行還是有難度。現在有了GPT，它的能力會上一個大臺階，這些臺階已經夠消化 5 年 10 年了。

AI 科技評論：具身智能下一階段將如何發展？

張成奇：具身智能這個方向一定能得到長足的發展，原因是現在的智能，不管感知、認知，單獨拿出來都是沒法用。

AI 科技評論：如何看待 Agent？

張成奇：Agent 原來就是一個方向，很多年了一直火不起來，后來熱度到低谷，現在又升上去了。原因是之前對環境的感知判斷做得不好，現在環境感知已經提高了很多，剩下需要做好協調工作。

雷峰網(公眾號：雷峰網)雷峰網雷峰網

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。