在世界顶尖科学家智能科学大会上，一场关于人工智能未来的深度对话悄然展开。今年的大会不仅汇聚了众多科学界的大咖进行主旨演讲，还特别增设了“案例研讨会”环节，通过一系列鲜活而具体的案例，为与会者揭示了科学进展的最新面貌。
中国科学院外籍院士、英国皇家工程院院士、深圳计算科学研究院首席科学家樊文飞在会上提出了一个引人深思的观点：人工智能的发展需要逻辑推理与机器学习并重，如同人的双腿，缺一不可。他强调，虽然人工智能对数据有着迫切的需求，但关键在于数据的质量而非数量。逻辑推理与机器学习各有千秋，前者在处理非结构性数据时稍显力不从心，而后者则在此方面展现出强大能力。然而，两者并非相互排斥，而是相辅相成。
樊文飞以药物发现和电动汽车电池生产为例，生动阐述了逻辑推理与机器学习结合的实际应用。在药物发现领域，传统的靶向识别因缺乏足够的数据而进展缓慢，但通过引入人工智能与逻辑推理，数个实验和试点项目取得了显著成果，得到了专业医疗医药实验室的认可。而在电动汽车电池生产中，通过叠加机器学习与逻辑推理，放电时间从20多个小时缩短至4个小时，能耗降低了50%，且出错率远低于工业标准，已在多个生产线部署。
与此同时，2024世界顶尖科学家协会奖“智能科学与数学奖”得主、康奈尔大学教授乔恩·克莱因伯格在展望人工智能算法预测的同时，也发出了对“单一性文化”的警示。他指出，当前的人工智能不仅能够学习已有知识，还能根据数据进行预测，如互联网根据用户的浏览行为推荐内容。然而，这种预测并非完美无缺，且可能导致“单一文化”的出现。他解释说，就像农业中的“单一栽培”会导致作物面临被病原体根除的风险一样，如果所有公司都使用相同的算法来评估简历，那么求职者实际上只会得到一个决定。
克莱因伯格还强调，这种机器预测的应用范围广泛，包括大学招生录取、企业招聘等。然而，他提醒人们要警惕这种预测可能带来的“单一性文化”问题。他举例说，如果12家不同的公司都使用相同的算法来评估简历，那么求职者可能会认为他们会得到12个不同的决定，但实际上却只有一个决定。这种单一性不仅限制了多样性，还可能增加系统的脆弱性。
在大会现场，来自同济大学计算机学院的研一学生杨梦梦和上海科技大学信息学院的研一学生鱼滋惠也分享了自己的感受。杨梦梦表示，这是她第一次参加顶科论坛，虽然之前已经听过两位顶科协奖得主的讲座，但她仍然想听听不同科学家的见解，以拓宽自己的思路。而鱼滋惠则对克莱因伯格教授的观点印象深刻，她认为算法预期可能导致单一性文化的问题，这提醒人们需要提高对AI安全研究的重视程度。
