第五十四讲

2024年10月15日晚，由教育部人文社会科学重点研究基地厦门大学会计发展研究中心、厦门大学会计学系和厦门大学会计学系MPAcc中心联合主办的第五十四讲“冠亚·群贤”交叉学科工作坊在厦门大学嘉庚二号楼512室线上线下同步举行。本期特邀厦门大学信息学院人工智能系教授、国家重点青年人才项目入选者孙晓帅教授作主题为“人工智能的过去与未来”的学术讲座。厦门大学会计发展研究中心、会计学系刘峰教授、蔡宁教授、熊枫副教授、孟庆玺助理教授、陈璐助理教授，厦门大学财务管理与会计研究院李茂良副教授、陈晓琦助理教授等近两百名师生线上线下参加。

讲座伊始，刘峰教授以今年诺贝尔物理学奖授予了在人工智能领域取科学家们为引入，他突出了跨学科研究的价值，强调了不同领域思想碰撞所能产生的创新动力。刘教授也期待这次冠亚讲座能从人工智能的角度出发，分享一些新颖且值得关注的研究进展，为在场的听众带来新的洞见和启发。

孙教授首先简要介绍实验室的研究进展，并从自己成长的角度讲述了人工智能发展史。他风趣地将七八十年代的人工智能发展比喻为幼儿学习走路；九十年代的人工智能初露锋芒，机器学习领域开始繁荣发展；而当下，深度学习和深度神经网络引领人工智能新潮流，AI在各行业产生了颠覆性影响。但是人工智能也存在高额训练成本与较高道德风险等局限。

孙教授也从学术视角对人工智能的发展历史进行了深入的回顾。他指出，人工智能的概念起源比普遍认知的要早，1930年之前被认为是人工智能的孕育期。接下来的1930年至1950年，标志着人工智能的萌芽阶段，而1950年至1970年则是其形成期。自1970年以来，人工智能进入了逐步成熟并持续快速发展的阶段。孙教授强调，今年诺贝尔奖的颁发反映了学术界对跨学科研究的重视。他还详细介绍了今年诺贝尔物理学奖的颁奖原因，这也进一步凸显了多学科融合在科学研究中的重要性。

孙教授指出现代人工智能核心方法借鉴了生物智能的神经网络，GPT-3的神经网络参数达1750亿，已经远超人脑。人工神经网络的参数通过训练可以不断的迭代优化。现代深度学习“编码-解码”的计算结构决定其普适的应用能力。人工智能的泛化能力取决于其编码解码结构及充足的指导，也就是大量的数据标注。

紧接着孙教授向在场师生抛出问题：“人工智能是否一定需要人类老师来指导？”“数据一定要在真实场景中采集？”，其实人工智能不一定需要人类教师指导，学习方法包括有监督学习和无监督学习。而微软提出过使用CG引擎自动生成训练数据来替代手工标注，这种方法在科研和工业界具有重要启示意义。因此，有时候跳出自己的思维范式，可能会有奇效。

之后孙教授对人工智能技术进行了分类，将其分为计算机视觉、语音识别、语音合成、自然语言处理、机器学习、推荐系统等，其中技术与技术之间可以进行结合。如今，人工智能已广泛渗透进各行业经济生产活动的主要环节，与制造业、交通运输业、互联网等行业都进行了紧密结合。人工智能正作为新质生产力的代表，推动新一轮科技革命和产业变革。

讲座的结尾，孙教授向大家介绍了多模态人工智能大模型“思源大模型”及其应用。在互动环节，孙教授与在场师生就公司舞弊的人工智能识别、人工智能造假防范等问题进行了深入的探讨和交流。

通过此次讲座，刘教授希望同学们能够注重积累，开拓视野，并关注人工智能方面的前沿与交叉研究。伴随着线上线下与会者的热烈掌声，本次讲座圆满落幕。通过此次讲座，与会师生对人工智能的过去和未来有了更清晰的认识，对交叉学科研究的理论和实践意义有了更深刻的理解。