Künstliche Intelligenz definiert "Ich" neu. Nach der Verschmelzung mit KI kann jeder Wissenschaftler werden | 36Kr WISE2025 Business King Conference
Am 27. und 28. November fand die von 36Kr organisierte WISE2025 Business Leaders Conference, die als "Jährlicher Leitfaden für Technologie und Geschäft" gilt, im Conduct Space im 798 Kunstviertel in Peking statt.
Dieses Jahr ist die WISE-Konferenz nicht mehr eine herkömmliche Branchenkonferenz, sondern eine immersive Erfahrung, die auf "Technologie-Sensationstheaterstücken" basiert. Vom Neudefinieren der Hardwaregrenzen durch KI bis hin zum Öffnen der Türen zur realen Welt durch Embodied Intelligence; von der Globalisierung von Marken in der Auslandsausdehnungswelle bis hin zur "Künstlichen Verstärkung" traditioneller Branchen – wir rekonstruieren nicht nur Trends, sondern erfassen auch die Erkenntnisse, die in unzähligen Geschäftspraktiken gewonnen wurden.
In den folgenden Abschnitten werden wir die tatsächlichen Hintergründe dieser "Sensationstheaterstücke" Schritt für Schritt aufschlüsseln und gemeinsam die "Einzigartigen Landschaften" des Geschäftslebens im Jahr 2025 entdecken.
Große Freunde:
Im Folgenden finden Sie den Inhalt des Gesprächs, der von 36Kr bearbeitet wurde:
Feng Dagang: Ich freue mich sehr, Herrn Sun einladen zu können. Wir wissen, dass das vergangene Jahr zweifellos ein Jahr des KI-Anwendungsbooms war. Es gibt viele Anwendungen, die wir spüren können, wie verschiedene KI-Spiele, KI-Dialoge und KI-Begleitung. Aber es gibt auch viele, die wir nicht so deutlich wahrnehmen. Ich denke, dass diese Dinge nicht weniger wichtig sind, sondern dass sie großen Einfluss auf die gesamte Branche und sogar auf das Schicksal der Menschheit haben. Was ist mit "AI for Science"? Ich möchte wissen, ob es eine Erklärung dafür gibt, nämlich die KI-Entwicklung für die wissenschaftliche Forschung. Ich denke, das ist ein sehr attraktiver Bereich. In Silicon Valley wird dieser Bereich sehr gefördert. Ich weiß, dass OpenAI auch dieses Jahr entsprechende Projekte entwickelt hat. Ich möchte wissen, was chinesische Unternehmer in diesem Bereich tun. Sind sie so gut wie ihre amerikanischen Kollegen oder sogar besser? Ich denke, dass das beste Gesprächspartner für dieses Thema DeepTech ist. Ich habe gehört, dass das Konzept "AI for Science" von Ihnen oder Ihrem Mentor vorgeschlagen wurde und dass Sie bereits seit sieben Jahren daran arbeiten.
Sun Weijie: Ja, im Jahr 2018 hat der Mentor von mir und Lin Feng, der Akademiker E Weinan, an der Peking-Universität erstmals das Konzept "AI for Science" vorgeschlagen. DeepTech ist wahrscheinlich das weltweit erste Unternehmen, das diesen Bereich systematisch erschlossen hat.
Feng Dagang: Ja, das erste, das das Konzept vorgeschlagen hat. Herr Sun, Sie haben ein humanistisches Hintergrundstudium gemacht, aber Sie sind seit vielen Jahren CEO und Gründer einer Technologieunternehmen. Ich möchte wissen, wie Sie aus der Perspektive der Schnittstelle zwischen Humanwissenschaften und Naturwissenschaften auf den Bereich "AI for Science" sehen. Was ist der Wert für uns?
Sun Weijie: Vielen Dank für die Einladung von Herrn Feng Dagang. Ich bin sehr geehrt, an diesem Gespräch teilnehmen zu können.
Ich möchte Ihnen ein interessantes Wissen mitteilen. In der traditionellen akademischen Einteilung werden die von uns als Humanwissenschaften und Naturwissenschaften betrachteten Fächer im Ausland zusammenfassend als Humanwissenschaften bezeichnet. Obwohl ich ein Hintergrund in den Humanwissenschaften habe, denke ich, dass die von mir studierte Disziplin auf der Grundlage viele Gemeinsamkeiten mit dem wissenschaftlichen Geist vieler Naturwissenschaften hat.
Wenn man "AI for Science" einfach erklärt, heißt es, dass die KI uns bei der wissenschaftlichen Entdeckung hilft. Das ultimative Ziel ist, ob wir auf der Grundlage von KI-Technologie eine Reihe von KI-Wissenschaftlern schaffen können, die wie menschliche Wissenschaftler wissenschaftliche Entdeckungen machen können, oder ob wir ein intelligentes System entwickeln können, das autonom wissenschaftliche Entdeckungen vornehmen kann. Dies ist möglicherweise das ultimative Ziel von "AI for Science".
Ich denke, dass es für das Schicksal der Menschheit einige sehr grundlegende Werte hat:
Erstens, viele von uns denken möglicherweise nicht darüber nach oder ignorieren es, dass die wissenschaftliche Forschung selbst auch eine Produktionsaktivität ist, die unserer Definition einer Produktionsaktivität entspricht. Wir investieren Produktionsfaktoren, durchlaufen einen vollständigen Produktionsprozess und erhalten unser Produktionsergebnis, nämlich wissenschaftliche Ergebnisse.
In der Vergangenheit sind fast alle Produktionsschritte zu Fließbändern geworden. Warum kann die wissenschaftliche Entdeckung nicht auch zu einem Fließband werden?
Feng Dagang: Viele Leute denken, dass es normal ist, dass die Produktion zu einem Fließband wird. Aber wie kann die wissenschaftliche Forschung dazu werden?
Sun Weijie: Das ist eine sehr gute Frage. Zunächst einmal stimmen wir zu, dass die wissenschaftliche Forschung selbst auch eine Produktionsaktivität ist. Solange es sich um eine Produktionsaktivität handelt, können wir sie zu einem Fließband machen. Wie? Die Antwort auf diese Frage existiert, aber wir haben uns in der Vergangenheit nicht wirklich darüber Gedanken gemacht. Im Zeitalter der KI ist der erste wichtige Aspekt, dass die wissenschaftliche Forschung in vielen wichtigen Bereichen tatsächlich wie ein Fließband funktionieren kann und eine Reihe hochwertiger wissenschaftlicher Ergebnisse in Massen produzieren kann. Wenn wir beispielsweise ein bestimmtes Medikament oder ein bestimmtes Material benötigen, können wir diese Anforderung an die KI geben. Wie der Lehrer von JD gesagt hat, ich mag es besonders, dass Sie einfach die Frage stellen und sich nicht um den komplizierten Prozess hinterher kümmern müssen. Die KI und die damit verbundenen Technologien werden die Probleme lösen. Dies ist der erste Aspekt, der ein sehr wichtiger Einfluss auf das Schicksal der Menschheit hat.
Der zweite wichtige Einfluss auf das Schicksal der Menschheit ist, dass die von der gesamten Menschheit betrachteten ultimative Fragen besser beantwortet werden können. Beispielsweise das Alternsproblem, das Problem der unendlichen Energie, die interstellare Reise oder die schnellere und zeitnahere Kommunikation. Im Wesentlichen strebt die Menschheit seit langem diese Dinge an. Aber ob es das Altern, die interstellare Reise oder die bessere industrielle Entwicklung ist, im Wesentlichen benötigen wir stärkere Medikamente, stärkere Materialien, ein tieferes Verständnis unseres eigenen Lebens und eine weitere Erforschung der am meisten kniffligen Fragen der Physik. Mit einem solchen Fließband für die wissenschaftliche Forschung haben wir tatsächlich die Chance, diese Fragen gut zu beantworten.
Natürlich denke ich, dass es auch einen dritten sehr wichtigen Aspekt für das Schicksal der Menschheit gibt. Wenn unsere wissenschaftliche Forschung zu einem Produktionsmodell wie einem Fließband wird, wird die Schwelle für die Teilnahme an der wissenschaftlichen Forschung für jeden Menschen erheblich gesenkt. In der Vergangenheit waren in der Agrarzeit möglicherweise über 60 % der Bevölkerung in der landwirtschaftlichen Produktion tätig. In der heutigen Industriegesellschaft sind die meisten Menschen in der industriellen Produktion tätig. Natürlich ist es jetzt das Zeitalter der Informationstechnologie, und möglicherweise sind immer mehr Menschen in der Produktion von IP und Kunst tätig. Dies ist auch die zukünftige größere Nachfrage, dass immer mehr Menschen an der wissenschaftlichen Produktion teilnehmen werden.
Die Schwelle für die Ressourcen, das Wissen und die Werkzeuge der wissenschaftlichen Forschung wird erheblich gesenkt. Entsprechend wird die Anzahl der Personen, die an der Wissenschaft teilnehmen, zunehmen. Menschen, die wirklich viele kreative Ideen in der Wissenschaft haben und sehr clevere wissenschaftliche Anforderungen und Ingenieurkonzepte stellen können, werden mehr wissenschaftlichen Forschungswert schaffen können. Natürlich werden die wissenschaftlichen Ergebnisse auch von mehr Menschen geteilt werden. Im Wesentlichen wird dies zu einer Gleichberechtigung des Wissens und der Wissenschaft führen.
Ich denke, dass diese drei Aspekte, zumindest aus der Perspektive eines Humanisten, unausweichlich sind.
Feng Dagang: Man kann immer stärkere KI-Werkzeuge sehen. Viele Dinge, die wir früher für unmöglich hielten, können heute durch KI erreicht werden. Beispielsweise die KI-Programmierung. Wenn ich nur die Anforderung stelle, kann sie mir den Code schreiben. Ich habe eine Metapher, die Ihnen helfen kann, dies besser zu verstehen. Aber ich weiß nicht, ob ich es genau ausdrücke. Wir kennen die Geschichte von Edison. Die Elektrizität wurde nicht von Edison erfunden, aber die Glühbirne wurde von ihm erfunden. Wir haben als Kinder die Geschichte gelesen, wie Edison die Glühbirne erfunden hat. Er hat ungefähr Tausende oder sogar Zehntausende von Versuchen durchgeführt.
Sun Weijie: Es wird gesagt, dass er über 7.000 Materialien getestet hat und fast 300.000 Versuche unternommen hat.
Feng Dagang: Er hat möglicherweise viele Jahre gebraucht. Heute sagen wir DeepTech, dass wir eine Glühbirne erfinden möchten, aber wir brauchen unzählige Materialien, um sie zu testen. Die KI weiß selbst, wie die Leitfähigkeit und der Widerstand aller Materialien sind und hilft uns bei der Erfindung. Vielleicht können wir es in einem Monat erfinden. Stimmt das?
Sun Weijie: Ja, das ist sehr wahrscheinlich.
Feng Dagang: Also kann die KI heute nicht nur einen guten Fotografen, Regisseur oder Spieleentwickler machen, sondern sogar einen Wissenschaftler?
Sun Weijie: Ja. Beispielsweise die von Ihnen gestellte Anforderung. Damals hat Edison auf seine eigene Erfahrung vertraut und ständig nach passenden Materialien gesucht. Im Wesentlichen hat er jedes Material, das er sah, zu einem Draht gewickelt und auf der Lampe getestet. Natürlich wird die heutige KI zuerst alle vorhandenen wissenschaftlichen Ergebnisse weltweit zusammenfassen und durchsuchen, um zu sehen, ob es potenziell passende Grundlagen gibt. Dann wird die KI eine umfangreiche Berechnung durchführen. Sie kann in einem Computer über 100 verschiedene Materialien berechnen, um zu sehen, ob sie die Eigenschaften haben, um eine neue Glühfaden zu werden. Natürlich wird die KI am Ende möglicherweise noch einige Dutzend bis einige Hundert Mal testen. Dieser Versuch kann vollständig von Maschinen durchgeführt werden. Dieser Prozess wird wiederum an das KI-Modell zurückgemeldet, um es weiter zu trainieren.
Feng Dagang: Ich schlage vor, dass Sie in Zukunft beim C-Ende-Marketing das Bild von Edison als Ihr Logo verwenden können.
Sun Weijie: Das ist eine gute Idee und sollte übernommen werden.
Feng Dagang: In den letzten Jahren hat es in der "AI for Science"-Branche große Fortschritte gegeben. Wir haben gesehen, dass der Nobelpreis für Chemie im vergangenen Jahr an ein KI-Team verliehen wurde, nämlich das DeepMind-Team von Google. Sie haben den Chemiepreis gewonnen. Ich denke, das ist ein sehr deutliches Beweis dafür, dass die Wissenschaftsgemeinschaft sehr anerkennt, dass diese Technologie die Wissenschaft voranbringen kann. Ich möchte wissen, wie die Entwicklung der "AI for Science"-Branche in China ist?
Sun Weijie: Ich denke, dass die "AI for Science"-Branche in China zumindest nicht hinter den USA zurücksteht. Bei der Entstehung des Konzepts und der Gestaltung der gesamten Branche denke ich, dass wir sogar systematischer sind als die USA. Der relative Nachteil in China ist, dass wir an einigen wichtigen und auffälligen Problemen nicht genug investieren. Dadurch haben wir nicht so viele Ressourcen wie Google, Microsoft, DeepMind und Nvidia, die eine große Menge an Geld und Ressourcen in ein Problem investieren und so schnell ein auffälliges Ergebnis wie AlphaFold erzielen können. Ich denke, dass wir einen schwierigeren, aber richtigeren und zukunftsträchtigeren Weg wählen, nämlich die Infrastrukturentwicklung. Beispielsweise haben wir vorhin analysiert, dass die drei grundlegenden Infrastrukturen in der wissenschaftlichen Forschung sind: Lesen, Rechnen und Handeln. Erstens die wissenschaftlichen Literatur und Wissensdatenbanken, zweitens die Infrastrukturen für die wissenschaftliche Berechnung und drittens die automatisierten Labore. Man kann sehen, dass die chinesischen Unternehmer, einschließlich akademischer Institutionen und sogar viele von der Regierung initiierte große Institutionen, in der Entwicklung dieser Infrastrukturen sehr gut sind. Natürlich kann man auch nicht von der Beitrag von DeepTech abssehen. In der wissenschaftlichen Wissensdatenbank haben wir Molekül-, Atom- und Gen-Großmodelle, die weltweit führend sind. Nicht nur DeepTech, sondern auch viele andere kommerzielle Unternehmen und akademische Institutionen haben in der Entwicklung von automatisierten und intelligenten Labore viele Pläne.
Ich denke, warum die Infrastrukturentwicklung ein zukunftsträchtigerer Weg ist? Sie wird nicht wie AlphaFold plötzlich eine große Nachricht machen. Aber nachdem die Infrastruktur fertiggestellt ist, werden von den Wissenschaftlern auf dieser Plattform mehr Ergebnisse hervorgehen. Wir können nicht vorhersagen, wo es einen großen Erfolg geben wird. Aber diese Infrastruktur ist für alle Menschen, die an der Grundlagenforschung arbeiten, unbedingt erforderlich.
Feng Dagang: Wir haben gesagt, dass China zumindest nicht hintersteht. Gibt es chinesische Besonderheiten, die uns im Vorteil bringen?
Sun Weijie: Ich denke, dass der erste Aspekt unausweichlich ist, dass 50 % der Weltkader in der KI-Branche Chinesen sind und dass über 50 % der wissenschaftlichen Publikationen in der Grundlagenforschung von Chinesen verfasst werden. Also die Anzahl der Talente ist ein großer Vorteil. Zweitens ist unsere fleißige, mutige und wissenschaftliche Arbeitsweise und unsere Effizienz zweifellos ein Grundvorteil.
Zweitens denke ich, dass China, wenn es um "AI for Science" geht, in eine tiefe Verbindung mit der realen Welt treten muss, sei es die Verbindung mit der Industrie oder die Einrichtung von physischen Labore, die chemischen Infrastrukturen, die biologische Lieferkette oder die Lieferkette der Laboreinrichtungen. Nur China hat ein so komplettes Lieferketten-System.
Drittens können wir die staatlichen Politik sehen. Bis 2035 soll China ein hohes Niveau an Selbständigkeit und Stärke erreichen. Bis 2030 soll es die Selbständigkeit und Stärke erreichen. Ein hohes Niveau an Selbständigkeit und Stärke und die Selbständigkeit und Stärke müssen von der Technologie geleitet werden. Dies bedeutet, dass wir uns auf unsere eigene Infrastruktur verlassen müssen, um unsere eigenen technologischen Probleme zu lösen und unseren eigenen wissenschaftlichen und industriellen Wert zu schaffen. Dies bedeutet wiederum, dass unsere Infrastruktur eine enorme Aufrüstung erfordert. Leider waren wir bei der letzten Generation der wissenschaftlichen Infrastruktur hinter den Ländern in Europa und Amerika zurück. Unsere wissenschaftlichen Datenbanken, Software, Instrumente und sogar staatlichen Großanlagen waren hinterher. Aber dies bringt uns auch weniger historische Lasten. Wir können wie von der Bargeldzahlung direkt zur digitalen Zahlung wie WeChat Pay und Alipay Pay springen, ohne durch die physischen Kreditkarten zu gehen.
Feng Dagang: Also hat China im Zeitalter der KI eine größere Chance, den Nobelpreis für Chemie oder Physik zu gewinnen, weil wir "AI for Science" haben.
Sun Weijie: Da der Nobelpreis die Ergebnisse der letzten 20 bis 30 Jahre belohnt, denke ich, dass wir zumindest nach 2035 möglicherweise auf der Grundlage der "AI for Science"-Infrastruktur in Massen Nobelpreise gewinnen können, ähnlich wie die japanische Wissenschaftspolitik in den letzten 20 Jahren.
Feng Dagang: Okay, die nächste Frage ist, dass viele Unternehmen "AI for Science" als eine schwierige Reise betrachten, weil dieser Weg sehr schwierig ist und viel Geld kostet. Viele Leute denken, dass nur große Unternehmen wie Google geeignet