“ChatGPT：生成式人工智能技术的现在与未来”研讨会成功举办2023年3月11日，由北京交通大学人工智能研究院和中国计算机学会人工智能与模式识别专委会联合承办人工智能知行论坛 “ChatGPT：生成式人工智能技术的现在与未来”在机械工程楼一层多功能厅成功举办。该论坛旨在探讨以ChatGPT为代表的生成式人工智能技术的最新发展和应用，并为学术界、工业界、政府部门相关人员提供交流和合作的平台。
“ChatGPT：生成式人工智能技术的现在与未来”研讨会成功举办
研讨会由北京交通大学计算机学院院长蔡伯根教授、北京交通大学人工智能研究院院长、CCF-AIPR专委会主任于剑教授致开幕辞，由北京交通大学计算机学院景丽萍教授、刘健博士主持。
蔡伯根院长致开幕辞
于剑主任致开幕辞
景丽萍教授主持
研讨会邀请了西安电子科技大学焦李成教授、清华大学黄民烈教授、南京大学俞扬教授、天津大学熊德意教授、中国科学院自动化研究所张家俊研究员和何世柱副研究员、以及华为MindSpore架构师苏腾博士进行特邀报告。他们从理论模型到实际应用，为参会者带来了一系列前沿的分享和专业的解答。大会探讨了ChatGPT的应用场景和挑战方面，使参会者获得了更加精确和专业的认知。此外，该研讨会的交流具有很强的前沿性和实用性，受到了广泛关注，共超过150人到场参会，同时有超过100名校外人士报名（来自30余家企业、10余所高校），反响热烈。青年教师、研究人员和学生纷纷表示收获颇丰。
研讨会现场
----------------------------------报告信息----------------------------------
焦李成教授做《从ChatGPT看下一代人工智能的挑战与思考》报告
西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长焦李成教授在本次研讨会上做了题为《从ChatGPT看下一代人工智能的挑战与思考》的报告。焦李成指出，人工智能技术已成为当今社会的主要生产力，不断为各领域和行业赋能并取得显著成果，最近备受关注的ChatGPT则代表着第三波人工智能技术的一个重大进展。我国高度重视人工智能的发展，投入大量人才和财力制定了诸多战略方针。在对人工智能及其核心技术的内涵与发展进行回顾的同时，焦李成教授也探讨了人工智能发展中的变革和存在的挑战，对当前人工智能发展的现状给出了下一代人工智能的一些思考和展望。
黄民烈教授做《从ChatGPT看深度生成模型的机会和挑战》报告
清华大学黄民烈教授的报告题目是《从ChatGPT看深度生成模型的机会和挑战》。黄民烈在他的报告中介绍了深度生成式AI技术在AGI方面的潜在影响，尤其是在人机交互和对话系统研究中所面临的机会和挑战。他强调了评估和管理深度学习技术所带来的影响的必要性，也分享了实验室在大规模生成模型方面的研究和实践经验。他认为，良好的对话系统需要探索更高效的生成模型和更高质量的数据集，同时也需要关注模型的可解释性和可控性，以支持更好的用户体验和更有效的应用场景。
张家俊研究员做《提示与指令学习：ChatGPT通用能力的触发器》报告
中国科学院自动化研究所张家俊研究员的报告题目是《提示与指令学习：ChatGPT通用能力的触发器》。张家俊指出，使用ChatGPT的人们几乎都有超出预期的体验，这主要得益于其通用理解能力和具备洞察能力。甚至有些人会认为对话对象是真人而不是机器人。他主要从提示学习和指令学习的角度来探讨技术，以揭示触发ChatGPT通用理解能力的原因。张家俊研究员随后简要介绍了自己的工作，并从个人角度探讨了一些以ChatGPT为代表的大型模型面临的有趣问题。
俞扬教授做《Common Ingredients of Reinforcement Learning and Language Foundation Models》报告
南京大学的俞扬教授在他的报告中分享了关于强化学习和语言基础模型的研究，题目为《Common Ingredients of Reinforcement Learning and Language Foundation Models》。俞扬认为，强化学习和自然语言处理在处理序列数据方面存在很大的共性，两者都致力于找到最优的序列决策。然而，尽管这两个领域之间的联系十分密切，但这方面的研究却很少。随着自然语言大模型的不断发展，俞扬教授及其研究团队发现这两个领域使用的技术越来越类似。因此，他们总结了这些共同点，并从多个角度为人们提供更深入的技术理解和研究启发。
熊德意教授做《ChatGPT视角下的人机对齐》报告
天津大学熊德意教授的报告题目是《ChatGPT视角下的人机对齐》。熊德意认为在GPT-3基础上进行人机对齐训练的ChatGPT，因其出色的文本生成、逻辑推理、持续对话、用户意图捕获、人类价值对齐等能力而大放异彩，引起了新一轮AI热潮，其背后的杀手锏技术“人机对齐”也逐渐浮出水面。报告通过以ChatGPT为代表的Language Agent角度，探讨了人机对齐的潜力，并分析了社会和技术上的障碍，概述了人机对齐的主要技术路径，并对未来进行了乐观的展望。
何世柱副研究员做《ChatGPT及其基座的知识蕴含及推理能力分析》报告
中科院自动化所模式识别国家重点实验室何世柱副研究员的报告题目是《ChatGPT及其基座的知识蕴含及推理能力分析》。何世柱探讨了以预训练语言模型为基础的ChatGPT在语言理解和文本生成方面的强大能力。他分析了ChatGPT及其基座模型的知识蕴含程度，探究了其内在推理能力，同时也讨论了知识对ChatGPT应用的支撑作用。该报告为当下互联网上数据内容安全面临的问题提供了新的思路。
苏腾博士做《昇思MindSpore超大规模AI实践》报告
华为MindSpore架构师苏腾博士的报告题目为《昇思MindSpore超大规模AI实践》。苏腾博士在报告中首先介绍了AI大模型成为当前人工智能研究的热点问题，各个领域都展现出了惊人的能力。然而，由于有限的硬件内存、集群训练的性能瓶颈以及用户高昂的开发成本等问题，训练一个大模型并非易事。为了满足用户的需求，提供高效易用的工具，MindSpore提供了一整套的大模型训练相关解决方案。之后，报告详细介绍了MindSpore在AI大模型训练方面的技术，包括自研DSA硬件、自动并行编译流程、多维混合并行以及大模型套件等。同时，结合真实的大模型训练场景，他介绍了MindSpore在稠密、稀疏Transformer以及推荐大模型的训练实践，让参会者更深入地了解了实际应用中的挑战和解决方案。最后，苏腾博士探讨了MindSpore在自动化并行策略搜索领域的前沿探索，呈现了其在AI大模型训练方面的先进性。