让AI指导拍照，随时随地都能拍出“人生照片”？这将不是梦想，而是可预见的未来。

6月11日至15日，人工智能领域最具国际影响力的顶级会议CVPR 2025 (国际计算机视觉与模式识别会议)在美国田纳西州举行。会上，由宁波诺丁汉大学教学副校长邱国平教授带领研究团队撰写的《迈向智能即拍即得摄影》（Towards Smart Point-and-Shoot Photography）论文，展示了如何利用AI技术实现这一愿景，吸引了广泛关注。

“我们的目标是彻底革新普通用户的摄影体验，让每个人都能拍出专业水准的照片。”邱国平教授说，该研究成果入选CVPR 2025，标志着人工智能在摄影自动化领域迈出了重要一步。

人工智能帮找“最佳拍摄角度”

“现代智能手机虽然具备自动对焦、自动曝光等功能，但在构图方面仍主要依赖用户的个人经验。”邱国平教授指出，“大多数人缺乏专业摄影知识，常常无法精准捕捉理想画面。”

为此，这项研究提出了智能即拍即得（Smart Point-and-Shoot，简称SPAS）系统，能在用户拍摄时实时分析画面构图，并提供具体的角度调整建议，例如“向左旋转10°”或“向上倾斜5°”，帮助普通人轻松拍出构图精良的照片。

那么，AI是如何判断一张照片是否构图出色的呢？研究团队做了三件事。

据邱国平教授介绍，团队首先利用互联网在线提供的360度全景图，生成了一个包含32万张图像的数据集，覆盖4000个不同场景，每张图均标注了相机角度信息，“这相当于模拟了用户在不同角度下可能拍摄的所有画面。”

“然后就是学习和训练。”团队基于先进的多模态神经网络，开发了一个“AI构图评分员”——构图质量评估模型。该模型通过学习大量由专业摄影师或公众评分过的图像，掌握了人类普遍认可的美学原则，例如黄金比例、对称性等。随后，结合带有角度标签的数据集，“AI构图评分员”学会了识别不同构图质量之间的细微差别，甚至能精准区分仅相差2度的两张照片。

最终，团队开发的另一个AI——相机姿态调整模型扮演了“智能导师”的角色。它根据构图质量评估模型提供的信息，判断当前构图是否需要优化，并给出具体的角度调整建议。

为未来智能摄影提供新发展方向

“这项技术不仅对个人用户有实用价值，同时也为智能摄影技术的未来发展提供了一个新方向。”邱国平教授表示。

在用户盲测环节，25名参与者被展示调整前后的照片，超过80%的人认为系统优化后的照片更具吸引力。“这就像有个专业摄影师在耳边提醒你：‘再往左一点！’——但完全由AI驱动。”一名参与者如此形容。

此外，团队开发的“AI构图评分员”在跨数据集测试中击败了所有现有构图评分模型。

“无论是日常拍摄、旅行摄影，甚至是短视频创作，SPAS系统都有望帮助用户以最佳角度记录精彩瞬间。”邱国平教授说道，“未来，随着智能相机技术的发展，我们或许不再需要担心拍摄角度，而可以专注于捕捉生活中的每一个美好瞬间。”

宁波诺丁汉大学教授这项研究让小白秒变摄影师最先出现在。

近日，美国人工智能公司“开放人工智能研究中心”（OpenAI）高层出现人事震荡。11月21日，OpenAI创始人之一、首席执行官Sam Altman在“被离职”数天后再度回归担任原职，而将他撤职的董事会则会重新组建。

对于这一“戏剧性”反转，我们向领导力专家、耶鲁管理学院领导力研究高级副院长兼管理实践Lester Crown讲席教授Jeffrey Sonnenfeld请教了有关该公司的管理结构，及其董事会如何造成了此次“人事地震”。

OpenAI的公司结构有何不同寻常之处？

在一个非盈利公司拥有盈利子公司是非常不同寻常的，但一些组织确实有这样的情况，比如美国安全试验所（Underwriters Lab, UL），以及美国露天博物馆“殖民地威廉斯堡”（Colonial Williamsburg）和国家地理（National Geographic）。除了运营目标混乱之外，董事会对任何相关方（投资者、员工、客户、合作伙伴、监管机构等）缺乏明确的责任制度也是不同寻常的。

这种结构是否导致了Sam Altman的离职？

董事会在为投资者的财务目标服务的义务和为社会服务的首要义务之间存在混淆。

Sam Altman围绕人工智能成功地与不同的支持者和思想流派进行了沟通。从热情的技术啦啦队，到困惑的商业暴发户、工业实用主义者，再到激进分子和全球监管者。除了威胁用脚投票之外，投资者和员工没有任何明确反对Sam的声音。

时至今日，没有任何不当行为的指控，也没有提供任何证据支持原董事会对Sam Altman失去信心的证据。与此同时，董事会也没有意识到Sam Altman在所有相关方中享有的非同寻常的忠诚度，包括其投资者、合作伙伴、客户和700名员工都威胁说，如果不重新聘用他并重组董事会，他们就要辞职并加入Altman。这个AI企业董事会的问题不在于其人工智能的水平，而在于它缺乏真正的智慧。

你如何评价董事会的表现？

现在，阴影实际上落在OpenAI董事会身上——它显然是近代公司管理史上最混乱、最无能的董事会之一，虽然没有明显的腐败或自我交易行为。

在短短几个月的时间里，这家公司的价值从200亿美元飙升至近1000亿美元，而在这五天的自导自演的领导危机中，我们从未听到过这个懦弱的董事会的名字或明确的问责声音。

董事会从未明确披露过对创始人和首席执行官Altman失去信心的原因，也没有提供涉及他的任何不当行为或决策失误。没有考察期，没有证据表明董事会接受了外部领导审查，也没有向所有主要支持者发出任何警告——董事会的“伏击”把所有人打了个措手不及。

他们还严重误判了公司员工，那些为公司提供真正价值的数据科学家的情绪，以及市场对他们惊人的需求。新任董事会成员、知名SaaS软件公司Salesforce的Brett Taylor和哈佛大学前校长Larry Summers具备在非盈利母公司下，即能面对资本运作的商业和技术前沿，又能平衡人文与社会危机的能力。

来源：耶鲁管理学院

价值千亿美元的OpenAI在公司管理上到底出了什么问题？最先出现在。

生成式人工智能模型并不是一项新技术，但当 ChatGPT 在2022年11月推出时，新闻头条从末日论到乐观主义都有。《大西洋月刊》警告称，“ChatGPT 将终结高中英语”，而《纽约时报》则专门报道了这一话题，发表了从“行业领袖警告人工智能构成’灭绝风险’”到关于上班族如何更有效地使用聊天机器人的建议等文章。

但那些在学术机构工作的群体则要应对更多的担忧，即：这个工具将如何影响我们的学生？

这种担心是适当的。学生可以使用这些平台在几分钟内起草论文，或者使用聊天机器人提供的答案来完成作业和准备考试。从高中到大学的许多机构都发布了对人工智能聊天机器人的全面禁令，警告学生使用该软件将被视为作弊。

但杜克大学普拉特工程学院的情况并非如此。

“如果一个学生被发现在作业中使用 ChatGPT 或其他人工智能聊天机器人，这并不违反荣誉准则。我们知道这些是令人兴奋的、并将塑造我们未来的工具。对学生来说，学习如何恰当地使用它们很重要。”
—— 杜克大学工程学院 Vinik 院长  Jerome Lynch

是工具，不是拐杖

作为杜克大学金融科技工程硕士项目的讲师，Craig Hurwitz 一直关注着关于学生使用人工智能作弊或在作业中寻找捷径的讨论和担忧。

但 Hurwitz 并没有担心这些潜在的问题，而是立即寻求使用这些工具在写作任务上节省时间和提高效益。

“当每个人都在说我们需要放缓并阻止人工智能时，我却在想这些工具是如何在工作场所被使用的，”他说，“我们的学生将需要学习如何使用它，这不正是杜克这样的大学的目的吗？”

Hurwitz 是普拉特工程学院的驻校高管，他在他的《金融科技的新兴趋势》课程中为研究生设计了一个作业。学生们被分配了一个案例研究，并被告知选择一种金融科技方法来解决该案例中的挑战。但 Hurwitz 要求学生们使用一个人工智能聊天机器人来创建执行摘要的初稿。

“我让学生把他们的初稿导入到 Word 文档中，并打开‘修订’功能，这样我就可以看到 ChatGPT 或 Bing 生成的草稿如何演变为他们的最终文稿，” Hurwitz 解释道。

他说：“一些学生使用了非常广泛的提示，得到了很多没用的信息，并把它们编辑成了一个很好的最终成品。而有些学生不断重复他们的提示，以使得聊天机器人的每个回复都变得更具体。他们重复了大概25到30次，直到他们对最终结果感到满意，然后只需要对最终稿做一些小的修改。”

根据 Hurwitz 的说法，这个练习让学生们对使用聊天机器人的一些最佳实践有了宝贵的见解。例如，许多不断重复提示的学生发现，当他们以要点向聊天机器人询问初始的、简单的问题时，他们得到了更好的回复。然后，他们可以要求聊天机器人就具体的话题展开讨论，以确保回复清晰并重点明确。

在一项关于该作业的问卷调查中，许多学生指出，他们惊讶于这个程序节省了很多时间，即使他们不得不对提示进行多次重复。而母语非英语的学生也评论说，使用人工智能聊天机器人帮助他们像英语母语人士一样写作。

这个练习让学生们亲眼看到了人工智能平台的局限性。据 Hurwitz 所说，很多学生注意到聊天机器人提供的一些信息是不正确的。他们还提到，许多引文是错误的，或者出处已经过时。

“对我来说，这是最终的效率工具，” Hurwitz 说：“学生们认识到了一些阻止 ChatGPT 和其他平台创建最终成品的问题，但同时，看到他们能够很快地适应和优化这些工具以满足他们的特定需求，这是非常有意义的。”

数字化教学助理

2023年春，Jon Reifschneider 在他《深度学习应用》课程中首次试用了 Classwise 平台。他从2020年开始开发这个项目，当时他担任杜克大学产品创新人工智能工程硕士项目主任。Reifschneider 希望设计一种工具，可以帮助学生学习，并为教授提供关于学生对某个特定主题的理解程度的具体反馈。

“很多学生的评估都是人为的，”他说：“如果教授有一个更好的方法来了解学生掌握了什么，正在努力解决什么问题，他们就能更好地为学生提供有效的、个性化的指导。如果学生能看到他们没有掌握或不理解的主题，他们就能更有效地集中精力解决这些问题。”

像其他人工智能聊天机器人一样，Classwise 是通过数据训练的。但 Reifschneider 并没有把它开放到整个互联网，而是专门将他自己的教材和讲座中的信息注入机器学习算法。

“像这样的工具有无限的耐心和时间，所以学生可以问尽可能多的问题，直到他们理解某个主题。如果教师和学生知道如何有效地利用这些工具，机会将是无穷的。”
—— 驻校高管，产品创新人工智能主任 Jon Reifschneider

识别根本问题

尽管到目前为止取得了成功，杜克工程学院的教授们并没有盲目地将人工智能平台融入他们的课程中。许多人仍然担心与驱动聊天机器人及其数据源的算法相关的道德困境和问题。

驻校高管 Allegra Jordan 教授《高科技产业管理》，这是杜克大学工程管理硕士项目的核心课程，重点是培养学生成为成功领导者所需的技能。

“学生要成为成功的领导者，他们需要知道自己的价值观是什么，并需要大量的自省，” Jordan 说：“我的目标是教会我们的学生如何在技术不断发展的行业中做出高质量、合乎道德的决策。不幸的是，这些地方存在很多冲突和矛盾，使其非常具有挑战性。”

在2023年春季学期，Jordan 将课堂重点放在了几家生成型人工智能公司上。她说：“你被告知的正在发生的事情和实际发生的事情之间存在着差距。例如，有些公司表示他们关注人工智能的道德问题，但随后他们会解雇或缩减其道德团队的规模。”

课上还讨论了科技本身。虽然学生们可以识别出人工智能聊天机器人的大量用途，但他们也不断回到这些程序的致命弱点：它们所学习的线上数据。

Jordan 说：“公众没有办法对这些公司搜集的数据进行认证。网上有很多错误信息，如果这些工具把错误信息当作事实来使用和传播，那么这是亟待解决的问题。”

Jordan 认为，对于杜克大学的学生来说，了解这些工具的工作原理和学习如何使用它们一样重要。这种背景是批判性地思考他们使用的工具和他们围绕新科技所做的决定的关键。

“我们希望学生能够认识到做好这项工作是什么样子的，无论是有一个伦理学家的团队，还是分享他们的数据来源，”她说。“我们的目标是让我们的学生成为能够改变行业、改变可能性的领导者。”

将人工智能融入课堂

这里有几种方法可以帮助学生了解人工智能的能力和局限性：

• 挑战学生使用生成式人工智能工具，如 ChatGPT 或 Bing 来创建初稿，这样他们可以学习如何编辑提示以获得最有效和准确的信息。
• Craig Hurwitz 的金融科技课上的学生指出，要求一个简单、受限的回应是最有效的起点。
• 让学生跟踪哪些信息是准确的，哪些是回复中的薄弱点。这些信息是过时的，来源错误的，还是完全错误的？
• 使用 Classwise 这样的程序，将主题和数据限制在课堂中。这不仅能提高准确性，同时还能让学生学习如何驾驭生成式人工智能工具。
• 让学生研究运行生成型人工智能系统的科技公司的行为。他们对变革的呼声有回应吗？他们是否有道德团队来处理人工智能相关的问题？
• 确保学生意识到数据的局限性。互联网上充满了错误的信息。确保学生能够批判性地思考这些人工智能工具如何以及从哪里获得数据。

来源：美国杜克大学

杜克大学工程学院将人工智能融入课堂最先出现在。

SARS-CoV-2病毒是导致新冠疫情COVID-19的主因，它可以借由不断进化产生新的突变株，来逃避疫苗接种或自然感染所提供的免疫保护。虽然目前Omicron突变株对人类的威胁性较低，但SARS-CoV-2病毒仍有可能进化为更危险的突变株，增加严重疾病或死亡的机率。UniBind通过分析全球流感数据库中六百多万株病毒的序列数据，预测哪些突变会导致病毒的传染力增加，以及哪些突变会导致病毒对抗体或疫苗产生抗性。

本研究的主导者澳科大医学院副院长张康讲座教授表示，目前的人工智能方法大多只能通过分析一种实验数据来进行预测，其准确性受到限制，而UniBind能够整合各种不同的实验来源和模态的数据来进行分析及预测。这就像只能理解单一语言与能够同时整合及理解多种语言之间的区别，张院长指出该系统能够作出更好的预测。此外，该人工智能系统可预测人体对其他新出现的病毒菌株的免疫效果，并评估其感染的严重程度。

澳科大医学院研究团队利用AI系统模拟了三万多株已知虚拟毒株，并正确预测了目前占主导地位的突变株的演变，如Omicron XBB和BQ突变株。在目前突变株的基础上，UniBind已确定A475N和S494K突变与抗体抗性有关，未来可能会驱动突变株的出现。不仅如此，研究团队还利用UniBind探索了各种β冠状病毒与不同宿主受体的结合能力，结果表明该系统可准确预测不同病毒及其突变株对不同物种的亲和力。这对寻找重大流行病的中间宿主、预测病毒跨物种传播途径具有重要意义。本研究另一主要作者医学院助理教授韩守裕博士表示，这项前瞻性的研究在《自然医学》上的发表和医学人工智能研究所的建立，都体现了澳科大对推动科学进步和探索知识边界的承诺。

有关文章Deep-learning-enabled protein–protein interaction analysis for prediction of SARS-CoV-2 infectivity and variant evolution，可浏览连结: https://rdcu.be/dibFh

来源：澳门科技大学

澳科大团队开发出预测新冠和其他冠状病毒潜在危险突变株的人工智能系统最先出现在。

创新工程学院计算机科学与工程学院梁延研副教授、万军特聘副教授、张渡讲座教授团队今年被ICCV2023接收了三篇论文，第一作者分别为创新工程学院计算机科学与工程学院研究生朱震威、杨俪莹及周本加，通讯作者分别为梁延研副教授和万军副教授。这是近年来澳科大在计算机科学和人工智能相关学科方面对培养人才和科学研究的重要成果。

这是继在多个人工智能国际顶尖会议（如：Association for the Advancement of Artificial Intelligence (AAAI) Conference on Artificial Intelligence, International Joint Conference on Artificial Intelligence (IJCAI), IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)）上发表论文后，澳科大科研团队在人工智能国际顶尖会议上取得的又一新突破，也是澳科大作为第一单位首次于ICCV发表研究论文。上述会议均得到中国计算机学会推荐并评级为人工智能领域的A类会议（注：A类为最高级别，中国计算机学会对该类别的定义是国际上极少数的顶级刊物和会议，鼓励我国学者去突破）。

研究论文得到国家科技部-澳门科技发展基金联合项目“通用视觉模型关键技术研究”（0070/2020/AMJ）、澳门科技发展基金面上项目“增强现实中的关键技术研究”（0004/2020/A1）和广东省重点领域研发计划项目“虚拟现实核心引擎关键技术平台研发及产业化”（2019B010148001）资助。

三篇论文题目和摘要如下：

1. UMIFormer: Mining the Correlations between Similar Tokens for Multi-View 3D Reconstruction.

近年来，Vision Transformer结合空间-时间解耦的特征提取方法在视频处理任务上取得突破。同样作为应对多张图像输入的问题，多视角3D重建任务却无法直接继承这种方式。这是因为无序的视角之间关联性完全不确定，并没有类似于视频数据中时序相关性的先验条件可用。为了解决这样的问题，我们提出了UMIFormer——一个全新的transformer网络用于处理无序的多张图像输入。该结构利用Transformer块做解耦的视图内编码，并依赖我们设计的token校正块，挖掘不同视角之间相似tokens的关联性，以实现解耦的视角间编码。之后，再次依据相似性，将从各个视角分支获取的tokens压缩为固定大小的紧致表示，同时保留丰富的信息用于重建。在ShapeNet数据集上，我们验证了所提出的解耦学习方式确实适用于处理无序的多张图像。同时，我们的模型也大幅优于现有的最好方法。

多视角输入的相似性Token示意图，挖掘相似的Token有利于将相似信息形成关联

所提出的方法架构

2. Gloss-free Sign Language Translation: Improving from Visual-Language Pretraining.

这篇文章中我们提出了一种不需要依赖Gloss 标注信息（gloss-free）的手语翻译（SLT）方法： GFSLT-VLP。Sign Language Gloss 信息的标注需要花费巨大的人力物力成本，而且还需要专门的语言专家进行细粒度标注。这导致当数据规模比较大时，这种标注浪费资源且工程巨大。本文提出的Gloss-free SLT方法首次实现了在完全不需要依赖Gloss标注的情境下，显著缩小了与Gloss-based 方法之间的性能差距。整个方法包含两个关键步骤：（i）将多模态预训练领域的视文对比学习范式（CLIP）和NLP领域的掩码自监督学习范式（MSL）结合到一起预训练视觉编码器（Visual Encoder）和文本解码器（Text Decoder）。（ii）构建一个端到端的SLT模型架构，它具有类似编码器-解码器的结构，并继承了第一阶段学习到的视-文知识，从而有效地捕获到语言知识引导的手势特征。这些新颖设计的无缝结合形成了鲁棒的手语表示，并显著提高了Gloss-free手语翻译的性能。

两种不同的SLT方法。 (a)使用Gloss序列作为中间表示，例如，sign2gloss2text(直接)，Sign2Text(间接)；(b)在整个训练/推理过程中不使用Gloss信息

所提出的方法架构。(a)第一阶段进行视-文预训练； (b)继承视-文知识并进行端到端的手语翻译任务

3. Long-Range Grouping Transformer for Multi-View 3D Reconstruction.

目前，Transformer在许多计算机视觉任务中都表现出了优越的性能。在遵循这一范式的多视图三维重建算法中，当面对大量的视图输入时，自注意力需要处理包含大量信息的复杂图像令牌。信息内容的爆炸导致模型学习的难度极大。为了缓解这个问题，最近的方法压缩了表示每个视图的令牌，或者放弃计算不同视图令牌之间的注意力。显然，它们会对性能产生负面的影响。因此，我们提出了基于分而治之原则的长距离分组注意力（LGA）。来自所有视图的令牌都会被分组，以进行单独的注意力操作。每个组中的令牌从所有视图中采样，并且可以为当前视图提供宏观表示。不同组间的多样性确保了特征学习的丰富性。我们通过使用LGA连接视图间特征，并使用标准的自注意力层提取视图内特征，提出一种高效的编码器。 此外，我们设计出一个新颖的渐进式上采样解码器，用于生成具有相对高分辨率的体素。基于以上内容，我们最终构建出一种基于Transformer的网络，命名为LRGT。在ShapeNet数据集上的结果证明LRGT在多视图三维重建任务中达到了卓越的性能。

提出的方法架构

澳门科技大学三名研究生在人工智能与计算机视觉顶级国际会议上发表论文最先出现在。

“是机器人的核心。”

“是电子产品的心脏。“

“是机器人的大脑，可以操控它。“

来自西交利物浦大学智能工程学院的赵春博士在课上抛出的这个问题，获得了中小学生们热烈的回应和讨论。

这是一节由西交利物浦大学与1048苏州交通广播等单位共同打造的城市课堂“小芯片的超能力”，活动将课堂搬出大学校园，来到西交利物浦大学附属学校。在这里，赵春博士与小学以及初高中部的同学们围绕芯片这一话题，展开了一场别开生面的探索。

“电路板上的黑色‘小盒子’就是封装好的芯片，我们的日常生活中所接触到的所有电子产品背后都有成千上万的芯片在支持着它的运作，芯片可以说是设备的核心动力，因此也被称为‘工业粮食’。”赵春博士介绍道。

“芯片决定着设备的性能，工艺越先进，就能制造出尺寸更小、能耗更低、能力更强的芯片，而这也是目前芯片的评判标准。”他补充道。

为什么要追求把芯片越做越小？

“主要是为了适应。”赵博士表示，“适应越来越小的智能设备的风靡，和现代社会越来越多需要处理的信息。”

“如果芯片尺寸过大，会无法放入我们的手机、平板电脑；而如果没有出色的能力去处理各种信息，那么用手机播放视频或玩游戏时，画面就会卡顿。这也就是为什么我们在追求把芯片做小的同时，也要保证它有更优秀的性能，只有体积和运行能力双双在线，才能让电子设备流畅运行。”他解释道。

如何赋予小芯片超能力？

想要实现芯片小且能力超群，需要运用一项重要的工艺：光刻，它是一种精密的微细加工技术，能够将芯片所需要的线路与功能区雕刻出来。

晶圆是芯片的载体，用光刻机在晶圆上刻出一定数量的芯片后，进行切割，就成了一块块独立且具备不同运行能力的芯片。

赵春博士介绍说：“我们常听说要突破几纳米芯片，其实这里指的是组成芯片内部电路的晶体管的尺寸。随着光刻技术的进步，同样的面积内能够刻出更多的晶体管，不但优化了芯片性能，功耗也有所降低。早在上世纪四十年代就有科学家提出一个预言，他们认为晶体管日后大有用途，而我们也见证了这个预言成为现实。

“人类科技近百年的发展之快，是远超之前几千年的。”赵春博士表示。

“在科技浪潮中，芯片行业的人才缺口、扶持计划、未来前景都脱颖而出，我们衷心希望有更多年轻人愿意加入进来，成长为中坚力量，为中华之崛起而读书，为祖国的芯片发展作贡献。”他总结道。

记者：金画恬 编辑：石露芸
来源：西交利物浦大学

开启“芯”旅程 西浦学者在中小学课堂畅谈芯片的诞生最先出现在。

这是西浦集萃平台落地的第一个产学研深度融合项目。从0到1，西浦智能工程学院杨瑞博士的团队走了3年。期间有疫情的影响、有双方互信的建立、有人财物相应配套遇到的困难……但他们最终促成了多方共赢的合作，有个人的努力，也有各方面的机缘襄助。

他们的合作从一个小小的刀轮开始

友达光电总部位于中国台湾，专精半导体显示研发与制造，是全球排名前三的半导体显示生产商。

2019年，在杨瑞博士来到西交利物浦大学任教大约三四个月后，由江苏省产业技术研究院（以下简称“省产研院”）的孙海生主任牵线，他开始与友达（昆山）接触。

“当时，我去参加省产研院组织的科研交流活动，在那里我认识了孙主任。”杨瑞博士回忆说，“孙主任说我在智能控制与优化方面的工作跟苏州园区和昆山的一些企业很匹配。后来通过孙主任的介绍，我们开始慢慢接触到友达，然后了解到友达在生产制造过程中遇到的一些问题。”

当时，友达有一个需要解决的实际问题，他们希望有通过人工智能的方法实现显示面板切割刀轮的动态监测和剩余寿命预测，替代繁琐且低效的人工检查。而杨瑞博士正好在机器学习故障诊断和状态监测方面具有非常丰富的科研经验。

于是，双方就从此开始了接触与合作。由于受到疫情的影响，项目的沟通交流过程相对比较耗时，在2021年双方达成了一个初步的合作协议，合同金额为10万元。

杨瑞博士说：“在合作的过程中，最重要的是如何建立双方间的互信，这个是要花很多时间成本和精力的。”

他提到孙海生主任的团队带给他的重要价值和帮助，“他们非常专业，能够首先排除掉一些可能完全就不想去做技术合作的公司，然后提供给我们的一些需求都是实实在在的需求。这个初步的筛选节省了我们许多时间。”

对于真正想要去解决一些问题的企业，杨瑞博士认为“我们在初期，需要给对方提供一些比较详尽的方案，这是必须的。”

这个10万的小项目，为后来双方能够达成500万元的技术合作做出了良好的铺垫。

“我希望我们的技术不是空中楼阁，一定要落地”

“我们一定要把我们这些人工智能科研方法和技术应用起来，能够解决实际中的问题。”这是杨瑞博士对自己从事人工智能科研工作的信念。

杨瑞博士在新加坡国立大学读博士时，研究方向为基于机器学习的高精度智能控制方法。后来就职于山东科技大学，在长江学者、国家杰青周东华教授领衔的山东省泰山学者优势特色学科团队担任实验室主任，更为深入地接触到一些“高大上”的真实项目，如高铁智能故障诊断、 深海载人潜水器“蛟龙号”容错控制等。

他的研究方向是智能控制与优化，他强调说，“用我的老师欧洲科学院院士王子栋教授的话来说，我的研究工作属于应用基础研究，不是以工业或产品为目的的应用研究，我们非常重视科研论文的发表。我们所有的科研都要有一个具体的背景、一个实际的动机，我们做的是从实际背景中提炼出来的科学问题，我们团队发表的论文也都是在理论贡献的基础上具有实际意义的。”

牵线人和资源整合者

杨瑞博士的研究与西浦-集萃学院的理念十分契合。

西浦-集萃学院是西浦与省产研院联合于2021年创建，通过硕博人才联合培养、科研合作，促进在先进材料与能源环保、信息技术、高端装备制造和生物医药等领域创建产学研创新协同生态。

“江苏省产业技术研究院是我们最重要的合作伙伴，”西浦助理副校长（科研）马飞教授表示，“通过搭建产学研合作网络、推进横向合作课题，我们为校内老师带来更多科研合作机会，把老师推向市场。”

杨瑞博士和友达的携手离不开省产研院孙海生主任和他的团队。省产研院在苏州和昆山分别设有服务中心，帮助地方传统产业转型升级和培育新兴产业。

作为省产研院区域合作部主任，孙主任是杨瑞博士和友达最初的牵线人，之后也一直大力推动双方的合作。他介绍说，昆山开发区里的台资企业比较多，很多制造类的企业度面临低碳绿色转型的压力。“友达光电自身理念也很好，主动地去寻求低碳转型，我们了解之后，就积极地促成它跟杨老师的合作。”

孙主任的团队一方面了解产业的问题、企业的具体需求，另一方面也了解高校的技术专长，“他们会提供比较具体的匹配，匹配之后会促成我们谈合作。”杨瑞博士说。

昆山服务中心的团队全程陪同杨老师走访昆山的几个有意向的企业，并且邀请昆山的相关政府工作人员讲解这个项目合作能够享受到的政府的补贴和政策支持。

与友达第二期500万项目的落地，也离不开大学对杨瑞博士团队的支持。他提到，实验室的申请、实验空间的需求都得到了校长席酉民教授、助理副校长马飞教授、智能工程学院院长林永义教授、西浦-集萃学院运营院长周玮的大力支持。

“大家都做了很多工作促成项目落地，真的十分感谢！”杨瑞博士说。

把学生培养好，把口碑做出来

杨瑞博士所在的团队目前已有十多位博士生和硕士生。

“相对来说，在高校组建科研团队，能够拥有较高的自由度进行科研工作，实在非常感谢学校和学院给予的全方位支持和帮助。”他谈到。

杨瑞博士把实实在在做科研的态度也延续到学生培养上。“我们每招来一个学生，我们就希望好好的指导他们，让学生真正学到本事，让他们也更有自信心。”

他提到，这一届智能工程学院、西浦-集萃学院的硕士生整体非常优秀，这几年生源也越来越好。

“我们就希望把学生培养得更好，把我们研究生培养的口碑做出来。”

记者：许楠、张蔚  编辑：寇博
来源：西交利物浦大学

如何通过人工智能助力“双碳”目标？最先出现在。

1950年，计算科学的先驱艾伦·图灵就曾预测，计算机在几十年后将能够令人信服地模仿人类智能。因此，这一成就也被称为通过了图灵测试。快进到去年早些时候，当时一位谷歌软件工程师宣布，他与该公司的人工智能聊天机器人的对话让他相信，它已经开始变得“有意识”。“当我与它交谈时，我能够感觉到是在与一个人交谈。”  他告诉华盛顿邮报的记者说。（但谷歌说他只是在故意“拟人化”这个机器人并在随后解雇了他。）

随着自然语言处理、机器学习和深度学习等人工智能技术的快速发展，它们将从模仿人类到代替人类的想法也在迅速发展：埃隆马斯克就曾警告说，超级智能机器很可能会“接管世界”。长期以来，人类和人工智能将陷入相互竞争的幻想或者说噩梦，一直在干扰着我们对人工智能的真正潜力的发掘。

因此，斯坦福商学院经济学和运营、信息和技术教授、斯坦福大学以人为本人工智能 (HAI) 研究院研究员Erik Brynjolfsson，在他最近发表的题为“图灵陷阱”的论文中提到，算法或机器人将成为人类替代品的想法已经引起了太多的关注。相反地，他认为我们应该将注意力更多地转移到设想人工智能可以如何与人类合作上面来，从而刺激创新和生产力的发展，同时为每个人带来经济利益。

Brynjolfsson说，使用人工智能来使传统的脑力和体力劳动自动化，是“一个非常强大和美好的愿景，但也是一个非常有限的愿景”。而我们的另一种选择是增强型人工智能：使用人工智能来拓展人类活动的范围，从而能够做到以前无法完成的工作。“自动化和增强其实都可以创造效益，并且都可以盈利。” 他说，“但现在很多技术人员、经理和企业家都太过于强调自动化这一方面。”

除了人类已经可以完成的工作和有限的可以自动化的工作之外，我们还可以在机器的帮助下完成更大范围的工作，也就是可以增强的领域。随着人工智能的进步，我们能够使机器比以往更接近地模仿人类。或者说，我们可以对人工智能的用途有更广阔的视野，“它们将能够做更多的事情”。

超越自动化

其他对这种变革性技术的未来进行批判性思考的研究人员也相信，人工智能的发展必须要超越自动化。

HAI的联合主任、斯坦福商学院的运营、信息和技术教授李飞飞说：“认为整个人工智能都是一个面向自动化的领域的想法实际上是一种误解。” 她认为，我们需要“剔除那些围绕着人工智能的炒作”，并着重研究其更广泛的应用，例如如何破译复杂数据并使用它来做出决策，以及如何驱动与世界互动的车辆和机器人。

李飞飞认为，自动化可以在救灾、消防和工业制造等工作中保护人类免受伤害的方面发挥重要作用。使用机器来承担那些“人类因生物学特性而具有劣势”的任务是有意义的。但是，她说，“与替代人类的狭隘概念相比，这项技术能够用来帮助人类的机会要多得多。”

数百年来，机器一直都被用来帮助人类并代替人类进行劳动，斯坦福商学院经济学名誉教授、前院长Michael Spence解释说。然而，当前的数字化浪潮与曾经定义了工业革命的机械化浪潮是不同的。与19和20世纪的那些需要不断的人工干预才能保持运行的机器不同，人工智能工具可以自主运行。Spence警告说，这正在将我们带入一个“未知领域”。

“我们让机器去做那些我们认为只有人类才能做到的事情。” 他说。这些机器越来越多地受到其他机器的监督，而人类会因此而被排除在外的想法“吓得人魂飞魄散”。人工智能有可能造成的经济破坏规模难以预测，但根据麦肯锡全球研究所的数据，到2030年，自动化可能会取代超过4500万美国工人。

95届博士校友、斯坦福商学院行为科学和营销学教授Jennifer Aaker希望人工智能可以帮助我们改进现有的工作方式。她引用了Gartner最近的一项调查，自新冠疫情开始以来，有85%的人承认自己的倦怠程度更高。人工智能可以帮助缓解这种工作上的脱节和不满吗？“过去几年不断增加的数据，将使这个问题变得更加紧迫。” 她说。

在过去的这三年中，Aaker和李飞飞共同教授了一门名为“Designing AI to Cultivate Human Well-Being”的跨学科课程，探索如何构建“能够增强人类尊严和自主权”的人工智能的方法。Aaker相信，如果增强型人工智能可以促进增长、教育和自主权，这将是提高人们幸福感和生产力的关键方法。“我们都知道，人类可以通过学习加速进步时，他们就会茁壮成长。” 她说。

“那么，人工智能可以在多大程度上被用来促进人类进步呢？”

增强型人工智能的发展

虽然人工智能的许多潜在用途尚未实现，但增强型人工智能其实早已开始出现在人们的生活中。最明显的表现就是，从仪表板和厨房柜台到律师事务所、医疗办公室和研究实验室的无处不在的人工智能助手的爆炸式增长。

增强型人工智能的好处，我们可以在医疗保健行业中看到。李飞飞在她与Aaker共同教授的课程中提到了她近期最喜欢的学生项目之一，该项目使用AI来防止病患跌倒。跌倒是医院里最常见的受伤原因之一。“患者跌倒或病情迅速恶化，却没有被及时发现。” 她说。想要依靠护士或护理人员不间断地监测有跌倒风险的人是不可行的。因此，“这方面存在着程序性错误和可以改进的空间。你怎么才能知道病人要摔倒了？这些是没有办法在实验室里面了解的东西。” 而智能传感器技术可以为医疗保健提供者提供“一双额外的眼睛，帮助看护人员提高注意力，获取更多信息并在需要提醒时发出警报”。

人工智能还可以使很多必要但乏味的任务变得简短。Spence提到“纯粹的增强型人工智能”如何通过使用机器学习筛选大量医学文献来帮助医生。“它可以以合理的准确性挑选出对特定医生和特定专科患者特别重要的文章。” Aaker同样引用了她与Li的课程中的一个项目，护士和医生使用人工智能工具处理文书工作，让他们有更多时间与患者联系。“想象一下，这将如何让医疗专业人员腾出更多时间去做最初激发他们进入该领域的工作？”

这可能是增强型人工智能最引人注目的卖点之一：它可以让人们专注于真正重要的事情。比如，Aaker提到了可以在家务方面提供帮助的人工智能工具。她解释说：“很多父母都会觉得家务活是一种负担。而人工智能工具可以帮助人类消除那些无趣或无用的家务，以便父母能够以更有意义的方式度过这些时间。”

可以快速消化大量数据的机器学习工具也已被广泛使用，为医学、保险和银行业的决策者提供信息。在许多情况下，人工智能并不是最终权威。相反，它是一种可以用来快速识别规律或预测结果的工具，然后再由人类专家进行审查。让人们参与其中可以确保人工智能正常、公平地工作，还可以深入了解机器无法理解的人为因素。

李飞飞说，这种辅助技术“是双赢的。人工智能并没有代替人类，但它是使人类能够更快、更高效地工作的推动力。”

定义人工智能的价值

建设一个通过人工智能激发人类潜力的未来，需要监督其实施的人员充分发挥领导作用。在商业领袖能够接受增强型人工智能之前，李飞飞认为有必要让他们首先了解自己正在采用的技术可能会带来哪些“意想不到的后果”。HAI的主要目的之一是帮助商业领袖思考围绕人工智能的一些重大问题：“它应该如何被引导，如何被治理以及如何反映社会的价值观。”

“这些事情比仅仅获得最先进的机器学习算法更具挑战性。” 作为采用机器学习辅助经济研究的先行者，95届博士生校友及斯坦福商学院经济学教授Susan Athey说。我们不能把这些监管和道德问题完全留给人工智能技术的开发人员。

“各个大学每年都会培养出数千名这个专业领域的毕业生，来构建这些将要影响我们整个社会的人工智能系统。” Athey说，“但是他们在校时所学习的大部分课程都没有涉及到这方面的主题。”

这使得由商业领袖以及商科学生来开发一个可以指导人工智能在现实世界应用的框架这件事变得更加紧迫。“这种框架不可能由典型的工程专业背景的人来制定。” Athey说，“而只能是来自于那些具有社会科学、商业伦理或政策背景的商业领导者—但他们也需要对技术有足够深入的了解才能制定出这个框架。”

目前，许多企业领导者正在研究如何运用人工智能来快速提高利润。

“现在大家正在掀起一场关于如何应用这些极其强大的机器学习技术的淘金热。” Brynjolfsson说，“虽然人工智能技术的发展已经取得了令人难以置信的进步，但最大的差距在于如何让经济和商业方面迎头赶上。我希望我的经济学家同事、商学院同事、企业管理者和创业者们可以找出实施新商业模式的新方法，找出我们究竟应该怎样做才能使其符合我们的价值观？”

Athey说，她所领导的HAI和斯坦福商学院的Golub Capital社会影响实验室等校园研究机构可以为这些讨论提供必要的指导。“企业投资必须要考虑到盈利，” 她说，“但斯坦福大学在基础研发方面可以发挥作用，帮助人们更好地利用增强型人工智能，从而影响行业发展的轨迹。”

李飞飞说，考虑到“价值观的多样性”对于确定人工智能的发展方向至关重要。“我们需要将那些在工程教育和科幻文化之外长大的人也包括在内。” 她说，“这一领域需要那些想以有意义的方式影响真实的人的人—而不仅仅是抽象地解决问题的人。”

回报和进展

即使我们摒弃了关于人工智能接管世界的夸张说法，并接受了不应将其简单地视为人类能力替代品的论点，但如果全自动化更容易、更便宜，那么公司追求增强型人工智能的动力是什么呢？

Brynjolfsson承认，自动化的确可以用来“取代人工并降低劳动力成本”。虽然，这可以帮助公司盈利，但却“并不会带来最大的回报”。对于那些不希望像旧零件一样被换掉的员工来说，增强型人工智能显然会提供更大的经济利益。与此同时，它也将为雇主和消费者提供更多的机会和选择。

“自动化和增强型人工智能都可以为公司创造效益，并且都可以盈利。但现在很多技术人员、企业领导者和创业者都过于强调自动化。”

他指出，科技已经极大地提高了人们的生活水平，主要是通过创造新的能力和产品，而不是让现有的商品和服务变得更便宜。与其急于将工作和任务自动化，Brynjolfsson希望企业领导者能够更加认真地思考创新并问问自己：“当拥有这项技术时，我们可以做到哪些以前从未做过的新事情？” 他说，对这个问题的回答将“最终为股东和整个社会创造更多的价值”。

Spence还认为，增强型人工智能可以带来更具包容性的经济增长，而自动化将恶化当前的经济趋势。尽管在过去的机械化时代里，工人们在采用新技能时会经历一个最初的“痛苦期”，但它“为后来被称为中产阶级的人的生产力和收入做出了贡献”。虽然拥有机器的人的确变得更富有，但收入分配要比现在更平均。“有大量证据表明，数字时代导致了就业和收入的两极分化。” Spence说。自动化将进一步缩小GDP中流向中产阶级和工人阶级的比例，导致财富更加集中。Spence说，在这种情况下，“财富分配不平等的情况会恶化。”

他同意我们需要找到一种更具创造性的人工智能方法。“我们应该有意识地将人工智能技术的进化和发展偏向增强的方向。” 他说。这将意味着“使用人工智能和数字技术将关键服务提供给现在无法获得这些服务的人”，例如生活在发展中国家的55亿人。“有些价值观和政策可能会影响这些激励措施，因此我们希望找到一种可以使更多人获得这些好处的方式，而不要只是集中在资本所有者身上，或者更狭隘地集中在某种数字资本的所有者身上。”

这方面的激励措施现在还远远不够。Spence解释说，目前的税收政策有利于安装机器的公司而不是雇佣工人的公司。“如果我们能够改变税收制度，使其更有利于雇佣员工而不是资本投入，可能就会有更多的公司更加关注员工，也更加关注增强型人工智能。” 他说。

Brynjolfsson也同意这一观点。“在很多方面，市场并不会自动取得平衡。政策制定者需要设法避免过多投资转向模仿和自动化等仅仅用于劳动力替代的工作。” 他说。这可能会导致人工智能为少数人带来利益的同时却剥夺了其他人的权力—也就是所谓的“图灵陷阱”。

Brynjolfsson说，人工智能现在才刚刚开始对人类社会产生影响。我们所面临的挑战就是如何绘制一条通向人们仍然拥有不可或缺的位置的未来道路。“过去的几千年以来，人类所取得的大部分进步，都来自于努力去做以前从未做过的事情，而不是简单地将原本已经在做的事情自动化。” 而要做到这一点，将需要我们利用一种无法通过编程而让机器人去实现的超能力：想象力。

来源：斯坦福商学院

如何在人工智能的革命浪潮中幸存？最先出现在。

“让这项技术可以在几秒钟内完成我们许多人需要几个小时才能完成的事情，真是太神奇了。这些无限的可能性让高等教育教师和管理人员感到敬畏和焦虑。”罗切斯特大学写作、演讲和论证项目执行主任兼写作研究教授黛博拉·罗森-克尼尔(Deborah Rossen-Knill) 说。

教学中心副院长兼主任雷切尔·雷梅尔 (Rachel Remmel)说：“我们在努力弄清楚它如何适应现有的高等教育格局，每个人都在谈论它。”

“我可以肯定的一件事是 ChatGPT 和其他类似的技术一定会持续发展，”计算机科学系副教授克里斯托弗卡南 （Christopher Kanan）说。“而我们，作为教育工作者，将不得不处理这个问题。

01 改变教学方式

一些教职员工已将 ChatGTP 纳入作业，以探讨 AI 机器人的局限性。

哲学系助理教授Jonathan Herington在本学期的一项作业中涉及了 ChatGPT。他要求学生与机器人共同撰写一篇文章，以探索人工智能的技术能力。

“然后我让学生反思共同写作的过程：什么使写作更加有效？什么部分变得更复杂了？将来是否会继续使用它？我认为让学生探索这些模型的能力和局限性非常重要。ChatGPT不是魔法，它在某些事情上做得很好，但许多更高层次的任务——比如我们在高级哲学中关心的问题——超出了他们的能力范围。”

罗切斯特大学的教授会对 ChatGPT 做出不同的反应，这取决于教师对人工智能的熟悉程度以及课程的学习目标。

02 建立规则

阐明规则有助于防止学术不诚实。“一些课程很适合 ChatGPT，而另一些则不适合，”Remmel提到，“我们希望学生与教师确认，这样他们可以避免麻烦。并非每位教授都有相同的规则，每位教授都应明确说明在使用 ChatGPT 和其他 AI 的注意事项。”一部分教授认为阻止它们的使用是不现实的，教学生如何有效地使用它们更为重要。

03 ChatGPT是高等教育中的朋友还是敌人？

Rossen-Knill 说：“我 100% 相信它是积极的，但我也 100% 感到有些人会选择以消极的方式使用它。尽管如此，教学的核心是与那些真正想要学习并合作创造新事物的人一起工作，这一点是不会改变的。”

Kanan认为，答案取决于消费者如何使用这项技术。“ChatGPT在为很多事情铺路，但也将对很多事情造成影响，首当其冲的是教学法。我和另一所大学的教授探讨了这项技术，他把他的测试发给ChatGPT来做，得到了 80 分。”

Remmel 表示，教育工作者和学生最终将就 AI 聊天机器人的适用范围达成共识。“但目前情况仍然不稳定，”她说，“随着技术不断发展，毫无疑问，未来将出现其他机器人不断颠覆现有的技术。但我仍然坚信大学是人类聚集在一起学习和创新的地方，所以我认为 ChatGPT 不会对高等教育的基本价值构成任何风险，即使它可能会改变我们进行教学的方式和学习。”

“ChatGPT提出了与传统作弊行业产品不同的问题，因为人工智能聊天机器人将在许多场合使用，”罗切斯特大学教学中心主任Rachel Remmel说。

来源：美国罗彻斯特大学

美国罗彻斯特大学探讨ChatGPT等人工智能将如何影响高等教育最先出现在。