MIT梁琪瑶:对AI乐观,所以对科研悲观
AI 总结
在 MIT 科技评论中文刊出的 DeepTech 对话中,MIT 研究者梁琪瑶表示自己对 AI 乐观、却对科研悲观,并把这与资金和人才向该领域集中联系起来。她认为大模型已展现令人惊讶的能力,但人们仍难解释这些能力如何产生,如今的 AI 研究因此仍带有某种“炼金术”色彩——研究者知道哪些方法能提升性能,却未必清楚背后的原理。她以物理学方法把 AI 当作复杂系统研究,用小型“玩具模型”做控制变量实验,研究对象从扩散模型的组合泛化延伸到用进化策略做大语言模型后训练。
深度见解
梁琪瑶认为,解释训练方法为何有效的理论研究既是有价值的科学问题,也是学术界仍有机会与大厂竞争的方向。
“正因为对 AI 乐观,所以才对科研悲观。”采访中,梁琪瑶用这样一句看似矛盾的话,形容自己对 AI 与学术研究未来的判断。
几年前,她还在研究量子计算。作为一名接受物理学训练的研究者,她始终对世界的运行机制抱有好奇,希望通过理论与实验,解释那些尚未被理解的现象。2022 年底,ChatGPT 的出现,让她找到了一个新的研究对象——AI。
尽管大模型已经展现出令人惊讶的能力,但人们仍然很难解释,这些能力究竟是如何产生的。在她看来,如今的 AI 研究仍带有某种“炼金术”色彩。研究人员知道哪些方法能够提升模型性能,却未必清楚背后的原理。她希望改变这一点。