整理编辑：抱一君
牛顿是科学时代起步时的一位科学家，他的重要工作是把物理学变成了数学。智能时代的起步，是从把语言变成数学开始的，以ChatGPT的突破为标志。
两者都是非常重大的时代突破。而在这里面，多模态并没有那么重要。
从科学时代、智能时代再往下走，迎来的将是共生时代，就是把生命变成数学问题，把意识变成数学问题，这个可能发生在十到二十年之后。
9月28日，2024清华五道口首席经济学家论坛在北京举行。百川智能创始人兼首席执行官王小川在主题演讲，分享了他的科学时代、智能时代迈向共生时代的三个时代论。
他首先分享了他的被证实是对的三个有关技术发展路径的认知：尽管多模态技术备受关注，但真正的突破在于语言处理技术。当行业普遍追求更大模型时，他认为真正的机会在范式的转变，GPT-o1的发布就是这种体现。在场景应用上，医疗健康是大模型应用的“皇冠上的明珠”，最后通向AGI。
他认为堆砌数据的大模型是“学而不思则罔”，学的东西很多，但是脑子是混乱的。拿它跟真实世界对齐，这个系统有它的天花板。走向慢思考背后的一套语言体系就是强化学习，强化学习的做法正好跟大模型截然相反，如果只是思考而没有学习，就是“思而不学则殆”。
OpenAI Sam Altman：我们真的相信深度学习，这是我们的赌注
而无论美团、滴滴、抖音和搜索，改变的都是生产关系。大模型实现范式的改变，直接产出生产力。
他认为，大模型时代，发现需求不是重点。很多需求已经天然存在，更多是供给不足，生产力不足。之前更多在造工具，有了大模型之后，实现的是造人，造自己的员工，造我们的伙伴，使得人类推向新的世界，人与智能形成共同面向世界的文明。
以下为王小川演讲的删减精要版：
我发现这一年多来技术路径怎么发展、市场怎么发展，我讲的都是对的：
第一，我反复强调语言为中心，这是最重要的一件事，语言变成数学是这一代的变化。行业老提多模态，整个学术界把多模态当回事儿，但其实突破是在语言上。
第二，行业开始往做的足够大的方向不断发展，但是有一个大的机会是范式的变化，GPT-o1的发布，从快思考走向慢思考，改变了堆积参数的方向。
第三，在赋能千行百业的场景中，往下要验证的就是医疗健康。医疗式大模型是皇冠上的明珠，最后走向AGI。
今天我的题目《从科学时代迈向智能时代》，开得有点大，先谈几个观点。在去年年初的时候，就通用智能时代是不是到来了，有争论。我是坚定地相信它到来了。我在2018年的时候讲过一句话，“当机器掌握语言，强人工智能就到来。”那会儿还没有到来。当我开始用GPT，开始看到机器掌握语言之后，我知道变天了，我们开始进入智能时代。
从工业时代、电气时代、信息时代到智能时代，我们称后者为第四次工业革命，这似乎是大家形成的共识。我依然觉得智能时代要比大家想的还更大。我不是把它当工业革命去看，这样看还有一种惯性。
我认为当下是科学时代向智能时代的迈进。牛顿是科学时代起步时的一个科学家，他有一本巨著叫做《自然哲学的数学原理》，在此之前有一本书叫《自然哲学》。
牛顿重要的工作是把物理学变成了数学，
科学实验范式也是他提出来的。从康德的讲法来讲，数学是理性的空间，我们没法得到真实的世界，但是物理学是今天最接近真实的学科。
天上星星怎样运动的，苹果怎么落地的，以前是不同的自然现象，但是通过他的翻译体系就变成了数学公式，变成了模型，变成了统一的一件事情了，世界的物理万物变成数学解释现实世界。像相对论、量子力学、麦克韦斯方程等等，都是以物理学变成数学作为起点，因此叫做科学的时代。
今天智能时代，跟科学时代不一样了！
首先，科学时代更多讲我们对世界的观测，
智能时代的起步，是从把语言变成数学开始的。
语言是人类认知世界中间重要的一个工具。其实人是观测者，没有观测者就没有创造者，观测使得我们对世界重新以人的意义体系建模。
维特根斯坦讲，语言的边界就是你世界的边界，包括语言是符号体系，数学、代码都是语言的符号。学过高等数学的知道，一个等号是一件非常复杂的事情，1+1=2，什么叫等号呢？这个等号是等价群的意思。人类发明语言是一种重要的重新分类的活动，代表的就是智能。
语言是我们学习知识、思考和沟通的载体，当语言变成数学问题之后，我们的沟通、知识和思考就变成了数学问题。
像物理变成数学一样，这是非常重大的时代突破。多模态在这里面，但是没有那么重要。
第二件事情是从快思考到慢思考。今天大模型拍脑袋灵光一现给人一点输出，不是经过深思熟虑的。用强化学习和思维链解决慢思考的问题，就发生在两周前重大的事件，这一大模型国内偏冷，但其实又有人类智慧巨大的突破。
前两天有媒体让我再预测下一个突破是什么？我想
在五年、十年后重要的一件事情是，机器能够通过写代码去运行代码，获得解决问题的能力。
譬如机器可以生成代码，生成一个下围棋的code去运行它，运行完之后机器学会下围棋，可以想象通过语言背后能够产生代码的连接。这个东西挺科幻，但我认为是大的技术方向。
再往下还有一个时代，那就是怎么
把生命变成数学模型
。后面我们再理解生命，
理解活着本身背后的数学问题，理解意识背后的数学问题，
人跟机器在共生当中都是以生命的视角来看，而不是物理的世界模型。
我称之为共生时代，这是我做的一个预测，可能发生在十到二十年之后。
英伟达黄仁勋已经讲过，今天出生的人不要再学习写代码了，写代码的工作未来机器都会干，我们要学习生物、生命、生物医药学。从科学时代、智能时代再往下走，我认为是走向共生时代。
智能时代核心在做四个阶段性工作，前两个在信息时代开始解决，我沿用DIKW的模型，它们分别指Data、Information、 knowledge、Wisdom。
二十年以前人类最伟大的作品，开篇之作是搜索，是解决信息检索的问题，数据变成了信息。收官之作的代表是抖音和TikTok，信息从搜索走向推荐。
再往后一直没解决的问题是知识问题，大家都听过一个词叫知识图谱，这是谷歌发明的一个词knowledge graph，我用一个概念讲叫做“苦海无崖，回头是岸”。这样的技术路线图是不通向未来的，靠人在里面大量地解三元组，人这样教机器学会语言，本身是不可能实现的事情，但大模型一举攻破了这个问题，把知识变成了数学问题。
之后开始走向搜索增强，把信息用起来，这个事情发生了18个月，GPT-o1的发布代表了强化学习的开始，我们跳出原来已经有的知识学习的分布。
从生成式大模型到推理大模型是重大的变化。语言模型的特点是数据越多越智能，除算力以外，尽可能多的数据进来，学的越多，它变得越聪明。这个学习系统，按照中国的古话来讲叫做“学而不思则罔”。学东西很多，但是脑子是混乱的，并不经过自己的反思。拿它跟真实世界对齐，这个系统有它的天花板。
郭毅可：AI是年轻人的天下，跟风去卷不过是在别人体系里挣扎
走向慢思考背后的一套语言体系就是强化学习，经典的代表之作是2016年发布的AlphaGo。强化学习的做法正好跟大模型截然相反，强化学习让数据越少越好，专家越少越好，每丢掉一些专家就变得越聪明，后来就是Alphazero，与AlphaGo动用了人类6000万的起居做了训练相比，Alpha zero用的是0，它不靠人教它怎么下棋，通过规则、通过思考，它自己学会了下棋，反而得到比人更高的下棋的能力。
如果它没有学习，只是靠思考，按照中国论语讲的就是“思而不学则殆”。
