研究者提出滲透式人工智能新概念讓大語言模型與真實物理世界進行交互

近日，新加坡南洋理工大學博士生、香港科技大學研究助理徐華韜和所在團隊，打造了一個名為“滲透式人工智能（Penetrative AI）”的項目。

該項目旨在突破大模型（如ChatGPT）的常規邊界，將其應用從僅限于處理文本的任務拓展到更廣泛的場景。

本次研究的動機源于：大模型在寫作、編程等多個領域取得的巨大成功，它們不僅能夠理解人類語言，還能創造出驚人的人類文本。

然而，這些應用大多仍局限于數字世界。通過將來自現實世界的真實數據融合進大模型，課題組希望實現數字智能與現實世界的無縫對接。

研究人員表示，這一探索不僅希望可以拓寬大模型的應用領域，更開辟了一種新的模式，即讓人工智能直接與人類周圍真實物理世界的感測數據進行交互、解析并作出反應。

這種進步可能會根本性地改變人們在網絡物理系統中處理問題和實施自動化的方式，比如大模型能夠直接通過手機數據來推斷人們的活動與環境情況。

該團隊預計“滲透式人工智能”將在眾多網絡物理系統中發揮重要作用，包括但不限于以下領域：

其對數據的深度洞察和處理，可以顯著提升應急響應效率與決策準確性，能對城市管理、緊急救援等提供技術支撐。

那么，徐華韜等人為何開展了這樣一項研究？

據介紹，在ChatGPT于2022年底發布并取得顯著成功之后，徐華韜的導師李默教授洞察到其可能成為顛覆性技術，2023年春節期間，李默多次鼓勵徐華韜等人深入了解并積極使用ChatGPT。受到導師的啟發，徐華韜開始深入思考大模型的特性和優勢。據介紹，徐華韜的研究主要集中在設計算法處理傳感器數據，比如利用手機傳感器數據來感知人的行為。

這促使他考慮是否可以借助大模型來解析這些傳感器數據。初步的實驗驗證表明，像ChatGPT這樣的大模型，確實能夠理解包括無線寬帶在內的各種信號。

將這些發現匯報給導師后，后者同樣感到興奮，并認為應該繼續深入探索。隨后，他們開始探討大模型是否能夠處理更多其他類型的任務，并選擇心跳檢測作為新嘗試。然而，在心跳檢測任務中，大模型需要處理長串數字，直接應用大模型并不能取得良好的效果。

后來，徐華韜嘗試用傳統算法的思維來指導大模型，但是效果乏善可陳，研究因此陷入了僵局。

一次在南洋理工大學校園綠地散步時，徐華韜靈光一閃，開始思考人類是如何完成這類任務的。

他心想：如果面前有一個小孩，該如何指導他完成這項任務？于是，徐華韜開始將大模型視為“人類”，通過文本描述信號模式來輔助其處理信號，最終發現GPT-4能夠非常出色地完成這一任務。

研究期間課題組還發現，在兩個任務中，大模型處理信號的方式存在不同層次，因此他們總結出了“文本化信號”與“數字化信號”兩種層次。

后來， 他們又與美國加利福尼亞大學洛杉磯分校馬尼· 斯里瓦斯塔瓦教授課題組合作， 最終完成了本次研究。

此外，研究中徐華韜等人一直在思考如何給本次概念命名。經過多次篩選與考慮，他們最終選擇了“滲透式人工智能（PenetrativeAi）”這一名稱。

這個名稱有雙重含義：

一方面，“Penetrative”有“深刻理解”的意思，這意味著他們希望基于大模型的新智能可以深入理解物理世界。

另一方面，“Penetrative”有“滲透”的含義，它也象征著這種新智能能夠滲透到各個產業和應用中。

另據悉，滲透式人工智能是一個很廣的方向，后續該團隊會積極探索大模型在物聯網場景下可以支持的新應用，也會盡力普及這一概念，讓更多學者一起探索更多的可能性。 （綜合整理報道）（策劃/克珂）