講演人: 過去，我們通常采用人工假設生成、手動實驗設計、物理設備執(zhí)行、人工數(shù)據(jù)分析，最后撰寫論文的流程。這一過程效率較低。如今，我們引入AI技術，通過AI假設生成和強化學習進行自動實驗優(yōu)化，進入B階段。在B階段，我們進一步與物聯(lián)網(wǎng)連接，由機器人執(zhí)行實驗。物聯(lián)網(wǎng)，尤其是工業(yè)物聯(lián)網(wǎng)，在工業(yè)領域廣泛應用。結合邊緣計算和主動學習，我們實現(xiàn)了動態(tài)閉環(huán)的A、B循環(huán)。在《三體智能革命》書中，我們作者提出了“狀態(tài)感知、實時分析、自主決策、精準執(zhí)行和學習提升”的理念，這些理念在智能革命中得到了充分體現(xiàn)。假設、實驗、分析、新假設的循環(huán)在工業(yè)互聯(lián)網(wǎng)領域以及許多機器運行領域中同樣適用。講演人:我們再來觀察工具的重塑過程。如今，有一個現(xiàn)象值得我們關注：從過去“延伸人類感官”、替代人腦和手的功能，到如今科學工具的智能化躍遷，這一過程正在深刻改變我們的工作方式。講演人:通過替代手部的觸覺、鼻子的嗅覺、人眼的視覺、耳朵的聽覺等感官功能，機器延伸了人類的感知能力。在此基礎上，我們進行計算與分析。然而，值得注意的是，它已經提升到了新的層次，開始“創(chuàng)造認知的新器官”。這一下就變得與眾不同了。為什么呢？當今的TRIZ是基于行業(yè)的小知識，即靜態(tài)知識，但這些都是已知的寶貴知識。在五六十年前，我們沒有其他能力時，依賴這種小知識和領域知識來解決問題。但在今天，基于全網(wǎng)既有的大知識，以及AI可能帶來的有限新知識，我們幾乎可以解決所有問題，而不僅僅是顏色相關的問題。大模型作為“超級數(shù)字腦”，融合了人類有史以來的知識，替代了無數(shù)最聰明的頭腦。因此，大模型是一種“新的認知器官”。而過去的TRIZ，以小知識引導方式激發(fā)人的有限思考。然而，發(fā)展是創(chuàng)新的基礎。未來，以大模型作為外界的超級數(shù)字工具，能夠獲得更精準的解決方案。當前，TRIZ面臨的最大問題是，在座的眾多TRIZ高手需要引導大家進行功能分析、因果分析以及系統(tǒng)模型分析等。大家普遍感到困難的地方在于如何定義功能，如何確定動詞和賓語。在進行屬性分析時，需要研究其物理屬性、幾何屬性和化學屬性。在這個問題上，選擇合適的術語、詞匯進行表達，尤為困難。為什么經常存在這種“不可言盡”、“詞不達意”的情況呢？其實這并不奇怪。大家可以仔細看看維特根斯坦的觀點：“語言的邊界就是思想的邊界”，人類語言的邊界就是我的世界的邊界。因此，凡是語言無法表達的東西，都不能作為思想產物存在，也不能作為意識活動存在。因為你無法表達，所以無法思考、定義和傳達。當你詞不達意時，必然會錯過許多東西。過去，人用小模型可以解釋問題，但如今譴詞用句“人機協(xié)作、日益精準”。多個大模型的分析集成已經能夠高效解題。在這個時代，我們可以輕松地使用不同的工具來解答問題，比如Kimi、DeepSeek和豆包。此外，智通云聯(lián)公司首席科學家譚總還專門下載了大約二十多個大模型，包括譚總等研發(fā)專家，他們都是智能制造領域的專家。他們提出了一個具有陷阱的問題，直接回答并不容易，必須通過深入分析才能找到答案。搭建信息橋梁才能解決問題，他讓它們（各大模型）去搭建，但許多都出現(xiàn)了錯誤。通常情況下，我們認為水在60度時，再加熱幾十分鐘后，可以達到100度。有些大模型計算了線性關系，認為加熱幾十分鐘后，可以達到120度。然而，在非高溫高壓條件下，這是不可能實現(xiàn)的。因為，大模型缺少了一個關鍵知識點：水在沸騰后，溫度不會繼續(xù)上升。如果沒有高壓和高溫的維持，水溫不可能再增壓。因此，我們還需要不斷訓練，并持續(xù)提供正確的知識。然而，大家已經看到，它們比我們任何個體都能更準確地表達觀點，更[敏感詞]地計算那些我們此前可能分析不好的問題。我愿意引用鐘院士的觀點，人類的科學工具正在經歷智能化的范式躍遷。鐘院士提出的“感知、認知、謀行、執(zhí)行”策略，與我們的“狀態(tài)感知、實時分析、自主決策、精準執(zhí)行”是一致的。我們強調知行合一的策略，并注重語法、語義、語用的三位一體，其中語言包含語義、語用三個層面。必須實現(xiàn)三位一體，但傳統(tǒng)的三位一體在解決問題時存在局限性。根據(jù)鐘教主義的觀點，必須采用新的三位一體，即基于人腦與數(shù)字腦的結合，實現(xiàn)人機共生的狀態(tài)。通過“感知、認知、謀行、執(zhí)行”，達到知行合一，最終運用新的三位一體來解決問題。此外，思維、方法、工具的動態(tài)平衡尤為重要。講演人:我們認為，科學方法、科學思維和科學工具構成了一個穩(wěn)固的鐵三角。它們之間能夠相互平衡。我們始于科學思維，可以質疑、批評和批判，甚至不相信某些事物?？茖W是建立在實證基礎上的，因此它指導我們的科學方法，避免迷信。不盲目地開始計算、理論和模型方法，只要運用人類世界目前積累的任何第一性原理，如牛頓的第一、第二、第三原理，以及愛因斯坦提出的質能方程原理等，都不會出錯。因為這些第一性原理經過人類數(shù)百年的奮斗和反復驗證，最終催生了AI工具。AI工具包括硬件工具和大模型軟件，通過不斷研究，最終推動科學思維的升級。這種相互驗證的過程就是創(chuàng)新方法的巨大提升。DeepSeek通過動態(tài)參數(shù)剪枝技術，顯著提升了算力效率。他們僅使用2048塊顯卡，便達到了相當于萬卡的計算能力，實現(xiàn)了千倍的性能提升。這一創(chuàng)新方法以極低的成本，完成了通常需要巨額投資才能實現(xiàn)的目標。講演人:國外幾十億美元與DS幾百萬美元的投入相比，效率相差千倍。DeepSeek從哲學角度提出了算法簡化思維，并通過最小必要數(shù)據(jù)理論，結合蒸餾和對抗訓練，僅用五分之一的標注量就達到了與其他人標注量同等的效果。此外，量子物理中的疊加態(tài)思想也是一個重要的思維突破。過去，人們普遍認為薛定諤的貓既死又活的狀態(tài)難以理解，直到我40多歲時才真正明白其中的原理。在未打開盒子之前，量子處于疊加態(tài)，沒有量子坍縮；打開盒子后，量子才會坍縮，我們才能觀察到確定結果。兩個量子之間存在著糾纏效應，無論相隔多遠，一個量子的狀態(tài)變化會立即影響另一個量子。這種效應在過去看來是匪夷所思的，但它的確存在。風險控制三角不僅體現(xiàn)在我們能夠進行循環(huán)思辨，還體現(xiàn)在風險的可控性上。今天，我們尤其需要防范科學研究的風險。我一直認為，任何技術的進步和科學的進步都是中性的。每一個科技工具既可以用于國計民生，促進社會發(fā)展，提高人民的幸福感、滿意感和獲得感，同時也可能被用于犯罪活動。 AI技術目前最先被應用于實施各種犯罪行為，尤其是電信詐騙。通過換臉、換聲音等技術手段進行詐騙。例如，詐騙者會冒充親屬，聲稱急需借款，以此騙取錢財。先進技術的應用中確實存在欺騙行為。因此，我們可以從思維層面、方法層面和工具層面探討如何防范。此外，我還想分享一個觀點，即從語言到語言智能的轉變，這是我個人的體會。講演人:智人的稱呼似乎是拉丁語中的“sapiens”。在歷史發(fā)展的長河中，從六百萬年前我們從樹上下來，到幾十萬年前走出非洲——盡管是否走出非洲仍有爭議——我們逐漸遍布世界各地。當時存在許多不同的人類群體，至少有十類以上，如大家熟知的丹尼索瓦人、尼安德特人、霍比特人等。 他們今天都不在了，原因何在？被智人這一支徹底擊敗。那個時代的競爭極其殘酷，資源有限，食物、水源、棲息地都極為稀缺。在有限的生存空間里，有水、草、狼、兔子等資源，但每個人都想占據(jù)這些資源。你來，我就不能來；你占據(jù)，我就無法生存。于是人們互相爭斗，智人戰(zhàn)勝了尼安德特人——身材更高大，會使用火，會制作工具，會用獸皮制作衣物，最終占據(jù)了優(yōu)勢。講演人: 尼安德特人力量更大，至少需要兩個智人才能與一個尼安德特人抗衡。根據(jù)考證，尼安德特人非常強壯，因此需要三個智人才能確保擊敗一個尼安德特人。然而，在長期的進化過程中，經過數(shù)萬年的競爭，智人最終戰(zhàn)勝了尼安德特人。講演人:憑什么？智人掌握了一個極其有利的工具——語言。通過語言，我們能夠協(xié)同合作，發(fā)展工業(yè)，實現(xiàn)分工，可見語言對人類智能的重要性。如果連最基本的“what”、“where”、“how”都無法表達清楚，那么協(xié)同、分工和創(chuàng)新都無從談起。尼安德特人只有喊叫式的語言，表達不清，因此他們無法實現(xiàn)有效的分工。于是，其他人種相繼出局，智人發(fā)展到今天的七十多億人口。因此，我們有了多種語言表達，如英語、漢語、西語等，這里不再贅述。語言出現(xiàn)后，我們繼續(xù)通過圖形表達，最終在沒有文字的情況下，從圖形中產生了文字。于是，我們所有的圖形表達逐漸演變?yōu)槲淖帧?/span>
隨著時間的推移，特別是在幾百年前，人類開始使用繪圖來表達信息。這些圖形逐漸發(fā)展成為一門通用的工程語言，因為三視圖在全球范圍內都被廣泛理解，且表達方式沒有歧義。隨著進一步發(fā)展，我們可以看到人類語言，轉化為編程高級語言，尤其是以英語為藍本，逐漸成為主流。如今，中文也加入了這一行列。這些語言被轉化為各種編程語言，如Fortran、C、COBOL、Pascal、JAVA等，直至今天的Python。大數(shù)據(jù)語言和人工智能語言的發(fā)展使得我們能夠利用機器進行學習和計算。諸如“If”、“Then”、“Else”等邏輯結構完全是從語言中提煉出來的，從而形成了各種機理模型。工藝模型等各類模型所表達的主題，以及我們在TRIZ中所涵蓋的語義內容，問題模型的分析涉及多種表達方式。包括我們工業(yè)軟件中的CAD、CAM、CAE以及ERP、MES、EDA等。通過這種方式，我們向大家傳達了一個觀點：即使繪制出一個CAD模型，如果不使用平移、旋轉、縮放、剖切、漫游等工具，仍然難以理解。如今，我們通過知識引擎來表達人工智能和大模型的概念。人工智能從專家系統(tǒng)、知識工程的發(fā)展歷程一直延續(xù)至今，形成了今天的GPT、Sora、LLM等。特別值得一提的是，中國在人工智能領域取得了顯著進展，無論是通義千問、Deep Seek還是昆侖大模型，都代表了我國在大模型領域的成就。這些多樣化的語言和語義通過數(shù)字化和彼此融合，逐漸形成了大知識體系。這一體系不斷凝聚和提煉，最終構建了一個穩(wěn)固的框架，并持續(xù)發(fā)展完善。我們可以發(fā)現(xiàn)，語言正趨于多模態(tài)化，而系統(tǒng)則趨于賽博物理化，這是當今時代的發(fā)展趨勢。由此可見，語言是表達語義的工具。講演人:語言的含義即語義，但在不同語境中，大家對“喝茶”這一概念有著不同的表達和理解。我“請你喝茶”是一個語義，如果紀委“請你喝茶”，大家都知道這是另一個意思。例如，今天天氣炎熱，“能穿多少穿多少”，今天天氣非常寒冷，“能穿多少穿多少”。這些例子展示了在不同語境下，語言表達的高度相關性。因此，語言必須在特定的語境中去理解才有意義。符號僅僅是語言的載體，符號本身并無意義，只有承載了語義的符號才能被使用。于是，人類發(fā)現(xiàn)我們可以用語言進行交流。例如比特，這兩個比特狀態(tài)，一個0和一個1，未來可能更加先進，因為0是一個量子，1也是一個量子，還有一個是0和1交疊的量子。因此，量子計算機現(xiàn)在計算速度特別快，性能提升至少上1億倍。于是，我們開始有了由二進制組成的電腦語言，包括硬件表達的0和1，以及軟件表達的模型語言。通用語言、繪圖語言、多模態(tài)語言等。在工業(yè)產品中，基礎語言包括二進制語言、圖形語言和工程圖語言。文生圖等元素構成了我們工業(yè)的語義表達。為何需要強調這一點？因為工業(yè)語言和工業(yè)語義與日常用語不同，需要引起大家的重視。所以語言智能的基礎是工業(yè)部原副部長楊薛山先生在《智能原理》一書中特別強調的內容：“一切智能都是語義的”。講演人:在研究的基礎上，我提出了個人的思考。自然語言的演變過程，首先我們可以看到，自然語言（Nature Language）的處理形成了NLP（自然語言處理），這是人工智能的一個基本學科。圖文生成各種概念模態(tài)表達的語言，工程圖的語言，模型的語言算法語言，以及各種中間狀態(tài)，一直延伸到電腦硬件的語言。我們解析到二進制表達的0和1，這兩個最小信息單元。0和1本身并無意義，但當你定義0為“關”，1為“開”時，它們便從數(shù)字數(shù)據(jù)轉化為信息。進一步解析到單機軟硬件，從電子管和邏輯語言到單機電腦，這是我們在五十年代末六十年代初的應用成果。更重要的這是一個開端。就像剛才安總提到，芯片的出現(xiàn)催生了電腦，而電腦的普及則推動了各行各業(yè)的變革，成為第三次工業(yè)革命的重要起點。由此可見，電腦的廣泛應用對現(xiàn)代社會產生了深遠影響。從最早的電子管通過晶體表示0和1，發(fā)展到如今高度先進的計算機技術。在初級階段，實際狀態(tài)不斷發(fā)展，逐步演變。這一過程中，首先實現(xiàn)了量變引起質變。大家都知道這是一個最基本的哲學觀點，即“對立統(tǒng)一”，矛盾。此外，“量變引起質變”，以及“否定之否定”，構成了哲學中的三大定律。另一個觀點是“萬物源自比特”，這是由美國專家惠勒提出的。他寫了一本書《Its from Bit》，翻譯過來就是“萬物源自比特”。由此我們了解到，用0和1可以以數(shù)字化的形式表達萬事萬物。同時，“萬物皆數(shù)”這一概念早在兩千五百年前就已存在。從畢達哥拉斯時代起，先賢們便已提出“萬物皆數(shù)”的理念，這一思想一直傳承至今。經過今天的匯總，它已演變?yōu)槿W(wǎng)硬件、軟件、網(wǎng)件的綜合體系，即網(wǎng)絡邏輯語言。我們可以看到它仍在不斷變化。在那個節(jié)點上，大家能夠清晰地看到，我們已實現(xiàn)了數(shù)據(jù)的分類。講演人:我們已掌握了基礎語言的分類信息，圖譜語言；我們有了分類的知識，抽象語言。這就是從數(shù)據(jù)（D）到信息（I），再到知識（K），最終在全網(wǎng)的知識體系中形成了我們的原料語言（W）。這些原料語言不斷融合，進而產生了引擎語言，從而誕生了大語言模型。生成式大模型涵蓋多種模型，大語言模型僅為其中之一。關于未來的發(fā)展方向，我還有一個構想。向上發(fā)展，從“自然語言”，演變?yōu)椤爸侨徽Z言”。大家注意，從自然語言到“智然語言”的演變，這是我經過深思熟慮后，認為是能夠準確表達我意思的一個表述。因為在創(chuàng)新的方法論中，一個非常重要的概念IFR已被廣泛認知。最終理想化結果的表達，即Ideal Final Result（IFR），不應被誤解為“最終理想解”，因為理想系統(tǒng)和理想解根本不存在，應該被稱為“理想化最終結果”。這是TRIZ創(chuàng)新方法的基本概念之一。IFR的意思是，我們并不清楚最終結果的理想化具體狀態(tài)，因此我們首先設定一個理想化最終結果（Ideal Final Result）。必須強調一個“結果”，它并非“解決方案”或“解”。只是設定一個比較理想的結果，意在追求卓越，我們在不斷逼近那個方向，可以不斷進化達到這一狀態(tài)。講演人:因此工業(yè)語言由基礎語言、圖譜語言、抽象語言等這些要素構成，大家便能夠清晰地看到工業(yè)語言由多種語言構成。講演人:我們可以在工業(yè)現(xiàn)場觀察到其生產、供應、銷售和服務等環(huán)節(jié)。各環(huán)節(jié)都涉及海量的動態(tài)和靜態(tài)數(shù)據(jù)。這些工業(yè)語言一直都在向人們描述工業(yè)現(xiàn)場發(fā)生的事情，但人們往往難以理解。這是因為數(shù)據(jù)背后的含義并不直觀。這正是大數(shù)據(jù)的概念所在。例如，我問大家，2+3等于幾？大家說，2+3不是應該等于5嗎？那是數(shù)據(jù)意義上的理解，你把自己限定在算術領域。如果把它變成生活場景，為什么不是“兩個人+三個菜”，然后就是“一頓合適的餐”？“兩個大人+三個孩子”等于“一個家庭”？確理解工業(yè)語言場景下的語義至關重要。要理解我們工業(yè)現(xiàn)場的真實情況，關鍵在于準確把握其運行規(guī)律和參數(shù)含義。人類處理參數(shù)超過7個時，機器處理參數(shù)超過16個便無法勝任。因此，一直以來，我們便致力于解決這一問題。通過將機理模型算法與專業(yè)化數(shù)據(jù)語料標注方法相結合，最終實現(xiàn)技術的通用性和復用性，并將其應用于實際的工業(yè)領域硬件裝置和工業(yè)運營場景中。大家可以看到智通云聯(lián)公司已經在石油領域取得了不少應用成果。例如應用油氣大模型智能調控開關增加氣井的產量。講演人: 在“AI for Science”的大背景下，科學范式已經躍遷到第五范式，已經吹響了各行各業(yè)應用AI大模型的集結號。講演人: 最后，我將對今天的內容進行小結。大模型正在重塑我們創(chuàng)新方法的DNA，不斷改變科學思維，豐富科學方法，強化科學工具。大模型本身已成為創(chuàng)新方法的核心工具，其重要性在未來將愈發(fā)顯著。 未來，一切軟件都將被AI重構，一切數(shù)據(jù)都將由AI進行計算，一切硬件都將被AI驅動，一切網(wǎng)絡都將被AI調控。雖然我的說法可能有些[敏感詞]，但趨勢正在朝這個方向發(fā)展。我們已經邁入了“碳基智慧與硅基智能”深度融合的人機共生新時代，即“創(chuàng)新方法2.0”。謝謝大家的聆聽！
