11 月 23 日,香港科技大学举行了今年度的学位颁授典礼。英伟达创始人和 CEO 黄仁勋又新增一个荣誉工程学博士头衔,与他一同获得荣誉博士学位的还有著名影星梁朝伟、2013 年诺贝尔化学奖得主 Michael Levitt、菲尔兹奖得主 David Mumford。
典礼现场照片,图源:X 用户 @biogerontology
行程中,黄仁勋与著名计算机科学家、香港科技大学校董会主席沈向洋身穿同款皮衣,进行了主题为「技术、领导力和企业家精神」的炉边谈话,内容涉及 AI 的发展和对社会的影响、AI 在科学领域的应用、大湾区的硬件生态系统、领导力和企业管理甚至爱情等主题。
黄仁勋与沈向洋展示同款皮衣
黄仁勋观点的太长不读版:
AI 的关键变革意义是可作为理解一切的「通用翻译器」,而 AI 还将创造一个全新的行业。
Scaling Law 仍在持续有效。英伟达最伟大的贡献之一是让机器能轻松地学习大量数据。
AI 还没有掌握从第一性原理中得出答案的能力,但模拟对科学也很有价值。
作为领导者,要持续学习、保持强大、考虑他人的利益。
大学生谈恋爱不会耽误学习。
AI 的目标是推理,而不是训练。AI 训练虽然耗能多,但最终也能帮助节省能源。
未来只有三种机器人可以大规模生产:汽车、无人机和人形机器人。
大湾区是世界上唯一一个机电技术和 AI 技术能够同时蓬勃发展的地区。
,时长01:10:54
机器之心整理了这场炉边谈话的主要内容。
AI 的社会影响
沈向洋:我昨晚睡不着,一个重要原因是我将把你当成宇宙第一 CEO 来介绍给大家。我很担心,因为昨天苹果公司的股票在涨,而你的公司没有。早上起来,我问了我的妻子,确认你们还是第一。所以我会给你提些难题。首先,你认为 AI(尤其是 AGI)对行业和整个社会来说有什么影响?
黄仁勋:首先,很感谢有机会与您共度时光。Harry(沈向洋)是我们这个时代最重要的计算机科学家之一。他是我和许多人的英雄。Harry,正如你所知,当 AI 有能力学习和理解语言、图像、蛋白质序列、氨基酸序列和化学序列等各种数据时,就能获得变革性的、开创性的能力。突然之间,我们有了可以理解字词含义的电脑。生成式 AI 让我们将一种信息模式转换为另一种信息模式,比如从文本到图像、从文本到文本、从蛋白质到文本、从文本到蛋白质、从文本到化学物质。
最初,这是一个通用的函数逼近器,现在演变成了适用于各种情况的通用语言翻译器。那么问题是,我们可以用它做什么?世界上有很多公司和团队在组合这些不同的模态和能力。我认为真正惊人的突破是 AI 现在可以理解各种信息的含义,成了可以理解任何东西的通用翻译器。
沈向洋:你曾说过,农业革命实际上是制造了更多食物,工业革命实际上制造了更多的科学技能,然后是信息技术带来了更多信息。现在是人工智能时代,你认为现在 AI 实际上是在制造更多智能吗?
黄仁勋:从计算机科学的角度看,我们已经重新发明了整个堆栈,也就是我们开发软件的方式。过去我们自己动手写代码。我一开始学习了 Fortran,后来学习了 Pascal、C 和 C++。每种语言都可以将我们的想法变成代码,然后在 CPU 上运行。
现在我们则是使用观察数据。我们将其提供给计算机,看它能从中发现什么模式和关系。现在不再是编程,而是机器学习。机器生成的不是软件,而是在 GPU 上处理的神经网络。从编程到机器学习,从 CPU 到 GPU。由于 GPU 能力强大得多,所以我们现在可以开发出异乎往常的软件类型。而它之上是人工智能。这就是涌现。所以计算机科学已经发生了很大的变化。
解决问题的整个过程可以被总结成三个基本步骤:感知、推理和规划。比如,对于自动驾驶,需要汽车感知其周围环境,然后推理自己的位置以及其它汽车的位置,再规划驾驶过程。我们可以将自动驾驶比作是数字驾驶员。类似于,我们可以有数字放射科医生等等。实际上,对于我们所做的任何事情,都可以想出对应的 AI 表达。我们可以称之为数字智能体。这些数字智能体互相交互,产生 token,但实际上就是数字智能。
沈向洋:Jensen,有一件事我真的想请教你,关于我们应该在港科大做些什么。我们其实有很多选择,其中有一个特别令人兴奋的事情,我们称之为 AI for Science。例如,我们一直在我们的大学投资大量的计算基础设施 GPU,校长和我特别鼓励我们的教师在物理和计算机科学、材料科学和计算机科学、生物学和计算机科学之间进行合作。你一直在谈论生物学的未来。现在在香港发生的一件非常令人兴奋的事情是,我们的政府决定建设第三所医学院。事实上,港科大是第一个提交提案的大学。你对此有什么建议?我们应该投资在什么地方?
一路上我学到了很多。这里说一个。如果你想成为一家公司的 CEO,你有很多东西要学。你必须不断地重塑自己。世界一直在变化,你的公司一直在变化,技术一直在变化。所以我基本上每一天都在学习,当我飞到这里的时候,我在看 YouTube 或者我在和我的 AI 说话。顺便说一下,我找了个 AI 当家教。我会问很多问题。比如,如果它告诉我一个答案,我会问你为什么给我那个答案?一步一步告诉我答案。执行推理或类比等等。我通过折磨我的 AI 来学习。所以学习的方法有很多。
关于 CEO 和领导力方面,我学到了什么?首先,你是 CEO,是领导者,但你不必知道一切。你必须对自己想要做的事情充满信心,但你不必确定。信心和确定性不是同一个概念。你有可能完全自信地追求一个方向,同时又给不确定性留出空间,而这种不确定性的空间能给你提供你继续学习的机会。不确定性是你的朋友,而不是敌人。
实际上,我们在这方面已经取得了一些进展。例如,你可以用生成式 AI 将文本转化为视频。如果我输入指令,让 AI 生成一段视频,展示「黄仁勋拿起咖啡杯喝了一口」,AI 可以完成这个任务。如果 AI 能够生成这样的场景,那为什么不能进一步生成操作指令,让机械臂真正去拿起咖啡杯?从生成式 AI 到通用机器人的跨越已经非常接近了。所以,我对这个领域感到非常兴奋。