粤港澳大湾区数字经济研究院（IDEA研究院）在 AI 研究方面取得了丰硕的成果，以下是一些主要的研究方向和成果：
IDEA 研究院聚集了一批来自产业界和学术界的世界一流科学家和工程师，围绕 AI 金融、下一代 NLP 技术、新一代通用人工智能等领域展开国际一流的研究和产业化落地，实现科研、创新、创业一体化发展。
18 天前
2025年4月10日，斯坦福大学人工智能研究所发布的《2025年人工智能指数报告》显示，中美顶级AI大模型性能差距出现显著变化。具体情况如下： 中美顶级AI大模型性能差距变化 美国在生产顶级人工智能模型方面仍然领先，但中国正在缩小性能差距。2024年，美国的机构产生了40个值得注意的人工智能模型，而中国只有15个，欧洲只有3个。虽然美国在数量上保持领先地位，但中国车型已经迅速缩小了质量差距。中美顶级AI大模型性能差距从2023年的17.5%急剧缩小至0.3%，几乎实现了性能上的“零差距”。这意味着中国在AI大模型领域的发展迅速，与美国的差距正在快速拉近。 重要大模型入选情况 在2024年重要大模型评估中，美国有40个模型入选，中国有15个。其中，谷歌与OpenAI均以7个模型入选并列榜首，阿里巴巴凭借6个入选模型，在模型贡献度上位列全球第三，是唯一杀入前三的中国企业。 中国模型的突出表现 在由业内顶级专家评选出的“2024年AI领域重要发布”榜单中，阿里巴巴的Qwen2、Qwen2.5以及DeepSeek - V3三款产品位列其中。此外，通义千问在全世界的衍生模型数突破10万，超越美国的Llama模型，成为全球范围内最受欢迎的开源大模型之一。自2023年以来，阿里巴巴通义实验室已累计开源超过200款AI模型，展现出强大的开源生态建设能力。 该报告由李飞飞等著名AI科学家组成的专家组进行调查研究，对人工智能技术进步、经济影响和社会影响提供了严谨客观的分析，是业界公认的AI领域最客观的权威报告之一。报告中对中美顶级AI大模型性能差距的分析以及对中国模型的认可，充分体现了中国在AI领域，尤其是大模型方面的卓越进步和强大实力。
1 个月前
阿西洛马人工智能原则（Asilomar AI Principles）是一套旨在确保人工智能（AI）技术安全、伦理和有益发展的指导原则。该原则于2017年1月在美国加利福尼亚州阿西洛马举行的“Beneficial AI”会议上提出，由“生命未来研究所”（Future of Life Institute）牵头制定，得到了包括斯蒂芬·霍金、埃隆·马斯克等在内的众多AI领域专家和学者的支持。 原则概述 阿西洛马人工智能原则共包含23条，分为三大类：科研问题、伦理和价值、更长期的问题。以下是各类别的核心内容： 1. 科研问题（Research Issues） 研究目标：AI研究应致力于创造有益于人类的智能，而非不受控制的智能。 研究经费：AI投资应部分用于研究如何确保其有益使用，包括计算机科学、经济学、法律、伦理等领域的问题。 科学与政策的联系：AI研究者与政策制定者之间应保持建设性交流。 科研文化：应培养合作、信任与透明的科研文化，避免因竞争而降低安全标准。 2. 伦理和价值（Ethics and Values） 安全性：AI系统应在整个生命周期内保持安全可靠，并在可行的情况下接受验证。 故障透明性：若AI系统造成损害，应能确定其原因。 责任：AI设计者和建造者应对其使用、误用及行为产生的道德影响负责。 价值归属：高度自主的AI系统应确保其目标与人类价值观一致。 个人隐私：人们应有权访问、管理和控制其生成的数据。 共同繁荣：AI创造的经济繁荣应惠及全人类。 3. 更长期的问题（Longer-term Issues） 能力警惕：应避免对未来AI能力上限的过高假设。 风险：AI系统可能带来的灾难性或存亡风险，需有针对性地减轻。 递归的自我提升：能够自我升级或复制的AI系统需受严格的安全控制。 公共利益：超级智能的开发应服务于广泛认可的伦理观念，而非单一国家或组织的利益。 原则的意义与影响 阿西洛马人工智能原则旨在为AI技术的发展提供伦理框架，确保其符合人类利益并避免潜在风险。这些原则不仅得到了学术界的广泛支持，也在政策制定和行业实践中产生了深远影响。 争议与挑战 尽管原则提出了明确的指导方向，但在实际应用中仍面临诸多挑战。例如，如何确保AI系统的价值归属与人类价值观一致，以及如何在全球范围内协调AI技术的监管等问题。 总结 阿西洛马人工智能原则为AI技术的发展提供了重要的伦理和安全指导，但其成功实施仍需全球范围内的合作与努力。如需了解更多细节，可参考相关文献或访问生命未来研究所的官方网站。
8 个月前
7月17日“牛津数学公开讲座”系列研讨会邀请陶哲轩演讲主题关于AI在科学和数学领域的潜力。 陶哲轩认为AI是“猜测机器”，本质是在解巨大方程组；AI虽不是魔法但类似飞机发明，从初始发展到真正发挥作用需要很多工作；科学领域可以利用AI这个“大消防水管”（强大输出能力）结合验证过滤掉杂质，如药物设计领域可减少试验候选对象，材料科学领域或可跳过昂贵合成过程缩小候选范围；气候模拟领域也能利用AI大大缩短模拟时间。 陶哲轩将 AI 描述为“猜测机器”，这一观点颇具启发性。 他的这一表述可能意味着，AI 基于大量的数据和算法进行运算和预测，从而给出各种可能的结果和解决方案，就如同在进行各种猜测。但这种“猜测”并非是毫无根据的盲目行为，而是建立在对海量数据的学习和分析基础之上。 例如，在图像识别中，AI 会根据已有的图像特征和模式，猜测输入的新图像属于何种类别；在自然语言处理中，AI 会根据语言的语法、语义和上下文，猜测下一个可能出现的单词或句子。 这一观点也提醒我们，虽然 AI 能够提供有价值的推测和建议，但这些结果并非绝对准确和可靠，仍需要人类的进一步验证和判断。您是对陶哲轩的这一观点感兴趣，还是希望了解更多关于他在 AI 领域的其他见解呢？
9 个月前
粤港澳大湾区数字经济研究院
9 个月前
粤港澳大湾区数字经济研究院（idea ）在人工智能和数字经济领域有多项前沿研究成果。
9 个月前
北京智源人工智能研究院(BAAI)是在科技部和北京市委市政府的指导和支持下，由北京市科委和海淀区政府推动成立，依托北京大学、清华大学、中国科学院、百度、小米、字节跳动、美团点评、旷视科技等北京人工智能领域优势单位共建的新型研究机构。于 2018 年 11 月 14 日揭牌成立。 智源创新中心 智源研究院加快 AI 前沿技术落地，围绕类脑脉冲芯片、认知知识图谱...
