正發(fā)生

今年2月，深圳市福田區(qū)70名“AI公務(wù)員”上崗的新聞迅速登上了熱搜。這批新員工的公文格式修正準(zhǔn)確率超過(guò) 95% ，審核時(shí)間縮短 90% ，能夠適應(yīng)240個(gè)場(chǎng)景……從無(wú)人駕駛出租車(chē)“蘿卜快跑”，到AI公務(wù)員、AI主持人，各行各業(yè)都或大或小地受到了AI的影響。

近年來(lái)，AI在天文學(xué)中的應(yīng)用取得了重大突破，尤其在尋找系外行星方面，最引人注目的案例之一是Kepler-90i的發(fā)現(xiàn)。

NASA的開(kāi)普勒太空望遠(yuǎn)鏡于2009年發(fā)射，專(zhuān)門(mén)用于尋找圍繞其他恒星運(yùn)行的行星。它采用“凌日法\"（transitmethod）來(lái)尋找行星：當(dāng)行星經(jīng)過(guò)母恒星前方時(shí)，會(huì)暫時(shí)遮擋一部分恒星的光，使恒星的亮度稍微變暗，這種亮度變化被記錄下來(lái)，形成一條光變曲線。開(kāi)普勒太空望遠(yuǎn)鏡觀測(cè)了超過(guò)15萬(wàn)顆恒星，記錄的數(shù)據(jù)量非常龐大?？茖W(xué)家需要逐一檢查可能由行星引起的亮度變化，既費(fèi)時(shí)，又容易遺漏微弱的信號(hào)。

2017年，谷歌與NASA合作，訓(xùn)練了一個(gè)“行星偵探\"模型。它學(xué)習(xí)的過(guò)程有點(diǎn)像訓(xùn)練一個(gè)“貓偵探”來(lái)識(shí)別照片中的貓，AI需要\"看\"成千上萬(wàn)張帶貓和不帶貓的圖片，學(xué)會(huì)分辨貓的特征。同樣地，AI通過(guò)分析數(shù)萬(wàn)條已經(jīng)標(biāo)記好的光變曲線，學(xué)習(xí)識(shí)別\"行星凌日\(chéng)"的特征信號(hào)。

到了學(xué)以致用的階段，AI識(shí)別的過(guò)程類(lèi)似于一個(gè)“篩選器”。AI先將光變曲線的數(shù)據(jù)分成很多小片段，然后掃描這些數(shù)據(jù)片段，尋找符合\"行星凌日\(chéng)"特征的信號(hào)。行星通過(guò)恒星前方時(shí)產(chǎn)生的微弱光變，就像照片中的\"貓耳朵”，是AI重點(diǎn)關(guān)注的特征。AI還會(huì)過(guò)濾許多類(lèi)似但不是真正的行星的信號(hào)，比如恒星活動(dòng)或望遠(yuǎn)鏡儀器誤差。最終，當(dāng)AI發(fā)現(xiàn)符合所有條件的信號(hào)時(shí)，科學(xué)家會(huì)進(jìn)一步驗(yàn)證。就這樣，AI發(fā)現(xiàn)了隱藏在Kepler-90恒星系統(tǒng)中的一個(gè)微弱信號(hào)，也就是行星Kepler-90i。這意味著Kepler-90恒星系統(tǒng)中發(fā)現(xiàn)的行星數(shù)量達(dá)到了8顆，與太陽(yáng)系的行星數(shù)量相同。

AI在系外行星搜索中取得的成功只是個(gè)開(kāi)始。目前，NASA正在使用類(lèi)似的AI技術(shù)分析來(lái)自凌日系外行星勘測(cè)衛(wèi)星（TESS）的數(shù)據(jù)，TESS觀測(cè)了覆蓋85% 天空的恒星，有望發(fā)現(xiàn)更多的行星候選體。未來(lái)，我們或許能夠發(fā)現(xiàn)類(lèi)似地球的\"第二家園”。

盧健龍（天體物理學(xué)博士，新加坡國(guó)立大學(xué)數(shù)學(xué)系研究員）

我所在的工作部門(mén)叫“精確醫(yī)療”，你可以理解成“個(gè)人化醫(yī)療”。AI醫(yī)療的應(yīng)用，也許比你想象中近得多——由清華大學(xué)智能產(chǎn)業(yè)研究院打造的人工智能醫(yī)院，已于2025年4月正式成立。那么，智能醫(yī)療到底是怎么運(yùn)作的呢？

眾所周知，要成為一名具有獨(dú)立診斷資格的醫(yī)生，需要多年的學(xué)習(xí)和住院醫(yī)師的培訓(xùn)。同理，我們可以讓AI去學(xué)習(xí)這類(lèi)知識(shí)。在這個(gè)環(huán)節(jié)，研發(fā)人員會(huì)與真正的醫(yī)生合作，讓AI去學(xué)習(xí)權(quán)威的、經(jīng)得起驗(yàn)證的知識(shí)，而不是去網(wǎng)上搜索病人的個(gè)人體驗(yàn)或者江湖郎中的未經(jīng)驗(yàn)證的總結(jié)。此外，AI將學(xué)習(xí)自有醫(yī)療記錄以來(lái)的真實(shí)病例數(shù)據(jù)庫(kù)，化身為一名匯集了幾千年全球醫(yī)學(xué)知識(shí)的“神醫(yī)”。這就像當(dāng)年圍棋名將柯潔與阿爾法狗的對(duì)決，柯潔面對(duì)的是歷史上所有圍棋名將的總和及過(guò)去的自己，因此幾乎沒(méi)有勝算。當(dāng)這樣一位AI醫(yī)生給你問(wèn)診時(shí)，它不僅能提供給你一些基本的情緒價(jià)值，還能通過(guò)問(wèn)答給出相當(dāng)準(zhǔn)確的建議和診斷。

不過(guò)，這并不意味著我們可以百分百地信任智能醫(yī)療，不論是在研發(fā)階段還是在應(yīng)用階段，都會(huì)有真實(shí)的醫(yī)生參與AI訓(xùn)練、審核和優(yōu)化。真實(shí)的人在整個(gè)過(guò)程中會(huì)一直起到?jīng)Q定性的作用。

Peter（精確醫(yī)療高級(jí)研究員）

早在20年前，計(jì)算機(jī)輔助繪圖的普及就已為建筑行業(yè)帶來(lái)了變革。彼時(shí)，一套完整的建筑圖紙需要繪圖師在巨大的畫(huà)板上耗費(fèi)數(shù)周精心繪制，一旦出錯(cuò)或方案調(diào)整，往往只能推倒重來(lái)。而電腦制圖不僅大幅縮短了繪圖時(shí)間，也使修改變得高效便捷。

如今，AI已經(jīng)可以一鍵生成圖紙與效果圖，迅速產(chǎn)出看似成熟的設(shè)計(jì)方案。AI生成的成果本質(zhì)上是對(duì)已有數(shù)據(jù)的分析與重組，但建筑設(shè)計(jì)的復(fù)雜性遠(yuǎn)非“響應(yīng)問(wèn)題\"所能涵蓋，真正的設(shè)計(jì)工作往往始于“提出問(wèn)題”。

當(dāng)然，如果你給AI輸入指令，它也會(huì)嘗試反問(wèn)或補(bǔ)充條件，但這與設(shè)計(jì)師的思維模式大相徑庭。設(shè)計(jì)師提出問(wèn)題，是為了回應(yīng)某種整體性的訴求 一一種對(duì)創(chuàng)新、對(duì)美的不斷追問(wèn)。而這種出于自由意志的美學(xué)追求，當(dāng)前的AI顯然還無(wú)法做到。

朱文瀚（建筑設(shè)計(jì)師）

大家都知道，法律工作是非常嚴(yán)肅的，特別是涉及意思表示和引用時(shí)。目前，AI在法律領(lǐng)域的主要應(yīng)用場(chǎng)景有：一、法律法規(guī)檢索，通常搜索引擎也可以做到；二、案例檢索，相比于專(zhuān)業(yè)庫(kù)中有限的案例，AI能找到最新的案例或非官方的案例；三、合同預(yù)審；四、法律分析，為使用者提供思路;五、法律語(yǔ)言的外語(yǔ)翻譯。

但我不得不吐槽AI的\"主觀能動(dòng)性”。以案例檢索為例，AI試圖提供準(zhǔn)確的

搜索結(jié)果，但它會(huì)對(duì)部分符合要求的案例進(jìn)行\(zhòng)"二次創(chuàng)作”，從而達(dá)到全面符合

要求的目的。這種二次創(chuàng)作在法律工作中是個(gè)巨大的雷點(diǎn)！因此，在使用AI檢索案例的時(shí)候，我們還得加以復(fù)核。

湯明亮（律師）

對(duì)語(yǔ)言感興趣的同學(xué)或許會(huì)擔(dān)憂：“將來(lái)翻譯還是不是一份體面的工作？\"我們公司做的事就是，訓(xùn)練機(jī)器翻譯模型，并運(yùn)用于翻譯中。自ChatGPT誕生之后，AI翻譯從神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)向了大模型，不但效果更好，而且潛力巨大。粗略地說(shuō)，目前我們使用機(jī)器翻譯的比例已經(jīng)超過(guò) 50% 。當(dāng)然，機(jī)器翻譯的結(jié)果還需經(jīng)過(guò)人工修正，才能交給客戶(hù)。同學(xué)們可以自行比對(duì)機(jī)器翻譯和翻譯大家的作品，不難發(fā)現(xiàn)，AI確實(shí)能夠把字面的含義流暢地翻譯出來(lái)，但在句子組織、信息傳遞、情感傳遞等方面做得還很不夠?，F(xiàn)階段，AI可以幫助提升翻譯效率，但人依然是翻譯的核心。

劉海明（深圳新宇智慧科技有限公司副總經(jīng)理）

讓AI來(lái)預(yù)測(cè)股票趨勢(shì)，靠譜嗎？確實(shí)還行！目前國(guó)內(nèi)券商對(duì)AI大模型的探索集中在風(fēng)險(xiǎn)管理、投資顧問(wèn)、交易等領(lǐng)域。我們?cè)诠ぷ髦薪佑|到的很多量化交易工具，都與算法息息相關(guān)。AI可以通過(guò)算法學(xué)習(xí)識(shí)別和捕捉股票非線性的高頻特征，短期內(nèi)預(yù)測(cè)股票價(jià)格的波動(dòng)及走勢(shì)，在為投資者提高交易效率的同時(shí)，嘗試獲取超額收益。當(dāng)然，算法的預(yù)測(cè)并非完全準(zhǔn)確，會(huì)受很多因素影響。根據(jù)我們的觀察，當(dāng)股票單邊上漲（股票價(jià)格幾乎只漲不跌）時(shí)，算法預(yù)測(cè)的準(zhǔn)確率會(huì)高一些，可以達(dá) 70% 左右。鑒于金融市場(chǎng)存在太多的不確定因素，我們應(yīng)該給AI更多的包容，它也會(huì)給我們帶來(lái)更多的驚喜。盡管如此，還是得記住那句老話：“股市有風(fēng)險(xiǎn)，入. 市需謹(jǐn)慎。\"

容謙（證券行業(yè)從業(yè)者）

黃強(qiáng)豪（電子信息專(zhuān)業(yè)博士，浙江大學(xué)控制科學(xué)與工程學(xué)院科研助理）

還記得蛇年春晚上驚艷四座的人形機(jī)器人表演《秧BOT》嗎？在浙江大學(xué)控制科學(xué)與工程學(xué)院和西湖區(qū)靈隱街道聯(lián)合打造的石虎山機(jī)器人創(chuàng)新基地，你能見(jiàn)到各種形態(tài)的機(jī)器人。在機(jī)器人的創(chuàng)新研究中，AI必不可少，比如我們?cè)谌粘９ぷ髦芯托枰肁I來(lái)訓(xùn)練機(jī)器人的各種體態(tài)、步態(tài)。這里有個(gè)小知識(shí)點(diǎn)，大家有沒(méi)有想過(guò)機(jī)器和機(jī)器人有什么區(qū)別呢？一個(gè)機(jī)器只有具備了感知、決策、執(zhí)行3個(gè)要素，才能叫機(jī)器人，否則它只是一個(gè)單純的機(jī)器。世界上公認(rèn)的第一個(gè)機(jī)器人是被美國(guó)通用公司用在流水線作業(yè)上的一個(gè)機(jī)械臂，它完成了熱壓鑄件的搬運(yùn)和點(diǎn)焊作業(yè)，替代工人去進(jìn)行高溫環(huán)境下的重復(fù)作業(yè)。還是以流水線分揀貨物舉例，假如一個(gè)機(jī)器的所有動(dòng)作都是固定的，無(wú)法智能區(qū)分貨物的大小、貨物的好壞、出現(xiàn)的位置，就算它的外形非?！案叽笊稀?，也只是個(gè)機(jī)器而已。當(dāng)它能夠通過(guò)攝像頭識(shí)別出表面受損的貨物，這就具備一定的自主智能了。我們的工作就是借助AI的力量，制作出越來(lái)越智能的機(jī)器人，未來(lái)能夠應(yīng)用于生活的方方面面。

我曾讓學(xué)生用AI輔助策展。一方面，AI能快速處理大量文獻(xiàn)和圖像數(shù)據(jù)，比如學(xué)生以《宋畫(huà)全集》為語(yǔ)料，通過(guò)AI快速形成了以\"衣、食、住、行\(zhòng)"為主題分類(lèi)的畫(huà)作清單；它能幫助策展人拓展創(chuàng)意，比如學(xué)生以宋代花鳥(niǎo)畫(huà)為靈感，使用AI構(gòu)建了具有博物學(xué)特色的展覽框架；AI還能通過(guò)數(shù)據(jù)分析提供觀眾的反饋，對(duì)展覽的敘事結(jié)構(gòu)、展品選擇和展示方式進(jìn)行優(yōu)化。另一方面，AI生成的內(nèi)容往往比較“套路化”，難以滿足策展對(duì)創(chuàng)意的高要求。

今天，AI的應(yīng)用已經(jīng)在許多博物館悄然展開(kāi)，國(guó)外如紐約現(xiàn)代藝術(shù)博物館（MoMA）舊展覽照片識(shí)別項(xiàng)目、大都會(huì)藝術(shù)博物館的GAN藝術(shù)品生成項(xiàng)目，國(guó)內(nèi)如上海博物館的“滿庭芳菲：卡地亞的藝術(shù)魔力\"展。這些實(shí)踐大多停留在技術(shù)工具層面?！癆I是放大鏡，能讓我們看見(jiàn)更多細(xì)節(jié)；但選擇看什么、如何解讀，永遠(yuǎn)需要人類(lèi)的眼光。\"AI時(shí)代，最成功的展覽必定是人類(lèi)與AI優(yōu)勢(shì)互補(bǔ)的成果—AI提供效率，人類(lèi)貢獻(xiàn)智慧。

毛若寒（浙江大學(xué)藝術(shù)與考古學(xué)院“百人計(jì)劃”研究員）