牛津开启了人工智能研习新模式

机器学习（ML）暑期研习大会（OxML 2023）于7月7~16日在牛津大学数学研究所举行。几百名来自世界各地的AI专家和青年学者到会，议题集中在AI的基础构建（ML、DL）及其在金融和医疗领域的应用。

自去年11月ChatGPT发布以来，人工智能（AI）便成为了热门话题。有人认为AI敲响了碳基生命（包括人类）的丧钟，也有人认为AI铺建了人类长寿幸福的大道。无论这些观点孰是孰非，大家的共识是研讨AI走向和运用，培养理解和掌握AI的人才。牛津顺势推出这个为期九天的研习会，主题包括ML的统计基础、金融和医疗领域中的ML运用、ML案例研究等。研习会演讲团队由ML领域的知名专家、教授、研究人员和行业从业者组成，其中有四个讨论最为精彩。

1.现在流行的AI模型有什么局限和前景？

数位学者指出了AI大型语言模形（LLM）的局限性。牛津大学的Steven Zohron认为LLM可以生成高度连贯的文本，但它对语言没有任何真正的理解，并会产生幻视，从而生成看似合理、实际错误的答案。比如当你问“你看见我的手机吗”，它可能回答“我看见了”，但它不知道你实际问的是手机放哪了，正确答案应该是“去查看是否掉到洗手间了”。

伦敦大学院的E. Cohere也举例，当被问及如何作弊不被抓时，LLM拒答。但当被问到采用什么具体步骤可以避免作弊被抓，LLM就会给出详尽的建议。他们认为LLM缺乏人类的直觉、伦理、经验和协同。

一些与会学者则从哲学角度看到了AI的亮丽前景。DeepMind（深层心智）的Ali Eslami引用柏拉图的洞穴理论，认为人类看到的只是真实物体的影像，这对AI仿真人类分析鉴别有重要含义。首先，这表明AI有可能能够以与人类相同的方式感知和理解世界，并有可能像人类一样学习并做出复杂的决策。其次，这表明AI有可能能够克服人类感知能力的局限性。例如，AI有可能能看到人类看不到的光谱，或者以人类无法理解的方式处理信息。

2.AI模型可以帮助选股和预测股市走向吗？

虽然学者们同意所有的模型在一定意义上都是错的，但一致认为AI模型预测股市比任何传统模型都准确。

牛津大学的Rama Cont推荐LSTM（长短期记忆神经网络），他说LSTM属于深度学习模型，这是一种可以学习数据间长期依赖关系的周期性神经网络，所以可以被用于时间序列的预测。由于股市预测涉及季节性、非线性和其他复杂模式的数据预测，因此LSTM模型优于传统的ARIMA模型。LSTM结合“门”（gates）、“状态”（states）以及捕获时间依赖性的能力，能够有效地建模和掌握数据的动态趋势，从而实现更准确、更可靠的预测。

Rama Cont认为，AI模型可用来选股，包括单个股票的价格、收益及发展势头，帮助确定何时买进和卖出股票。不过，用AI模型预测整个市场的变化比预测单个股票的走势要准确得多。

3.AI在医疗方面的应用有何潜力？

与会学者普遍看好AI在医学领域的应用前景。剑桥大学的Puerto Lio分析了AI在临床诊断、预判和干预措施方面的应用，他认为AI有望在癌症的早期发现和诊断中发挥重要作用。例如，AI可以被训练识别CT或MRI扫描中的癌症肿瘤,还可以用于分析血液样本中癌症相关的生物标志，以帮助医生识别癌症风险较高的人。

剑桥大学的Mireia Crispin认为，对有些药物，研究人员完全不知道它们为什么对某种疾病有效。比如抗生素是一种常见的抗感染药物，但研究人员只知道抗生素可以通过杀死或抑制细菌而发挥作用，但不知道它们也可能通过其他方式起作用。再如抗抑郁药是一种常见的精神疾病药物，但研究人员并不完全了解它们如何起作用的。AI及ML可以帮助研究人员解开这些谜团。

佐治亚理工学院的M. Chaudhury相信“文明都是死于自杀，而非谋杀”（Civilizations die from suicide, not by murder)，她因此专门分析了如何使用AI减少日益增长的自杀率。

4.量子计算机可以加速AI模型的训练吗？

与会学者认为，目前AI模型面临的一大挑战是，AI建模需要大量数据，而就现在的计算机能力看，训练一个AI模型需要很长时间。

今年1月，谷歌凭借sycamore处理器宣示了其量子霸权，4月IBM宣布了Eagle的127量子处理器。量子计算机的长足进步引起与会者的关注。

有的学者认为，量子计算机具备超强的计算能力，可在瞬间完成传统计算机需要数年完成的计算量，这能帮助缩短AI的训练时间。但另一些学者指出，量子计算机比传统计算机快是因为它使用不同的方式处理信息，传统机使用位是0或1，而量子使用量子位可同时为0和1。由于这些特点，Quantinuum研究机构的Steph Clark指出，量子计算机更适合复杂的大运算，比如用逆运算破解区块琏密码的SHA256，或开发新的抗量子加密方法使之更安全，或挑选最优方案的大运算，但并不适合处理大数据。训练AI模型需要的是大数据处理，如分析天文数字的蛋白质结构。

尽管分歧存在，大家一致认为量子技术还处于早期阶段，潜力巨大。目前世界上没有几台量子计算机，对它的研究还是理论上的争辩，并不是实验上的比较。

经历了近两月的前期参与和九天的会议，笔者感受到了牛津AI研习的独特之处。比较笔者在斯坦福和哈佛学习的经历，牛津新模式可以概括如下:

首先，与其他研习大会缴钱登记参会的模式不同，牛津参会者需要经过严格的申请程序。这个过程在参会前近一年就开始了。申请者来自92个国家，录取率不公开，通常低于10%。

其次，牛津研习会有点像行业年会和暑期学校的结合体。大会之前，有一个从5月1日开始的前期参与项目，主要在网上进行，有讲座、有作业，还有项目竞赛。

再次，牛研习会是一个非常有竞争性的项目。它的费用低于哈佛、斯坦福和麻省理工的暑期项目。对有兴趣了解ML或DL最新进展的学者，这是一个绝佳机会。

最后是学术古城体验。参会前一天，主办方安排了一个90分钟的牛津城和大学校园游览。那些查着牛津字典、读着哈利波特小说长大的年轻人到这里不会感到陌生。大会的演讲者和参会者中也不乏华人面孔，会场经常能见到操着纯正牛津口音的华人侃侃而谈。

正如一句诗句所言，牛津是成长、创新和梦想的圣地，在那里，人们得到激励、机会和支持。

（李运奇系马里兰大学教授、Wesley Leeroy系哈佛大学SEAS学者）