“导游、养老等错误敏感度低的领域很适合推广大模型。”
来源：AI科技评论
作者：王悦 张进
编辑：陈彩娴
第 33 届
IJCAI
大会在韩国济州岛圆满结束，为期一周（8.3-8.9）的 IJCAI 吸引了来自全世界各地人工智能领域的研究者和关注者，大会现场的氛围跟 8 月的济州岛天气一样火热，现场的热情氛围昭显了当下人工智能领域的蓬勃发展。
延续了 IJCAI 2023，此次大会最热门的两个领域依然是计算机视觉跟机器学习，有关大模型的话题往往参与者众。此次参会人数将近 3000人，论文提交数量超过 2023 年的 23.8%。
张成奇是 IJCAI 首位华人大会主席，也是进入 IJCAI 理事会的第三位华人，前两位分别是IJCAI 2019理事会主席杨强和IJCAI 2023理事会主席周志华。
张成奇告诉 AI 科技评论，他跟 IJCAI 的渊源要追溯到2011 年，这一年在他的积极参与下澳大利亚墨尔本成功取得了 IJCAI 2017 的举办权。这一届赞助创历史新高，赞助费超 70 万美元，这是与张成奇的努力密不可分的。
更重要的是，张成奇本人在人工智能领域的成就亦不容小觑。
张成奇于 1982 年在吉林大学攻读硕士研究生，从事
专家系统
方面的研究，而吉林大学是中国最早开始研究人工智能的单位之一。早年，张成奇曾用9年时间做一项研究，最终于1992年在 “国际人工智能杂志（Artificial Intelligence Journal）”上发表了大陆华人中的第一篇AI 期刊文章。根据2024年8月份
Google Scholar
统计，张成奇的所有文章被引用总数超过33000次，H-Index为70。
在从事人工智能和数据挖掘领域研究的 40 多年时间里，张成奇取得了丰硕的研究成果，到目前为止，共发表 300多 篇科技论文，很多论文都发表在顶级期刊。曾于2011年获得新南威尔士州科学与工程（工程和ICT类）奖，并在2011年获得悉尼科技大学副校长卓越研究（领导类）奖。
大会主席张成奇认为，IJCAI 的举办极大地促进了当地人工智能领域的交流，此次 IJCAI 选址韩国相比在其他地方举办韩国参会者多出超 20 倍。
在韩国济州岛举办的 2024 IJCAI 现场，AI 科技评论跟张成奇对话，讲述他首次担任大会主席的感受、本次 IJCAI 的变化以及他对当下人工智能发展、大模型发展的一些看法。以下是对话原文（经过简单编辑）：
AI 科技评论：今年各国的参会人数在整体参会者中占比大约是多少？
张成奇：
中国参会者大概可以达到参会总人数的 1/3 左右。韩国参会者人数相比在其他地方举办多了起码 20 倍，占总参会人数的1/5左右。IJCAI 选址对当地参会人数会有很大地促进作用，比如 2017 年澳大利亚的 IJCAI ，有 500 多澳大利亚人参加（大约1/4），这次澳洲过来的学者就只有 70 人左右。
AI 科技评论：我们观察
到，今年 IJCAI 的很多赞助商都来自中国。
张成奇：
是的。从 2017 年起主要的赞助商都来自国内，这次来的参展企业有
信也科技
，百度、滴滴、华为、美图、OPPO、ViVo、京东，贝式计算等。
IJCAI 从 2017 年开始，专门设置了一个 Sponsorship Officer，之前是我在负责，从去年开始由于涵负责，我来协助。
企业赞助的钱每年都可以资助很多学生，金额可以达到数十万美金，受资助的学生也更愿意在这个会议上投论文，这是一个正循环。
AI 科技评论：组织 IJCAI 的
过程中，是否遇到过很大的困难？
张成奇：
IJCAI 整体进程推进得较顺利。由于我自己有组织过很多场大型国际会议的经验，对其中的节奏把握有很多经验，可以算得上驾轻就熟。在近30年来，我先后在澳大利亚人工智能年会、亚太人工智能年会、亚太数据挖掘大会、国际数据挖掘大会这些会议中多次担任大会主席。
AI 科技评论：您担任过这么多地区会议
、国际会议的华人主席，有什么感受？
张成奇：
能够担任顶会主席的人非常少，其中的华人就更少。我之前当过 KDD、ICDM 的主席，这次也担任了 IJCAI 的主席。这一系列主席当下来之后，至少感觉组织事情更有条理了。
另一个角度来看， IJCAI 是综合性会议，强调涵盖更多、更丰富的 AI 垂直领域，不像 CVPR、ICML 这些只关心一个研究领域的垂直会议。
综合性会议的特点是，文章接收量的范围相对宽一些，但想要办出大名气就比较难。
张成奇：
大模型叫生成式模型，生成式模型最大的优点是它生成效果很靓丽，“脑子”很发散，像人一样很聪明。但是最大缺点是有幻觉，而且幻觉无法被克服，如果克服了幻觉，那么生成式模型也就没有那么靓丽了。
人的聪明之处在于解决问题，人算 38的平方是算不过计算机的，计算机在这种传统、有标准的东西范围是不会出错的，大模型反而会出错。这就是大模型的优缺点。
AI 科技
评
论：我们应该如何利用现在的大模型？
张成奇：
要注意区分大模型在不同领域的错误敏感度。
第一个场景，核电站维修完全不能容忍错误，任何概率包括 0.01% 的错误都不能容忍，这种情况的错误敏感度较低；
第二个场景，写诗作画可以随意发挥，写错、做错没有坏的影响，这种情况的错误敏感度就较高；
第三个场景，股票交易可以出错，因为股票没有 100% 赚钱的，只要赚钱超过50% 就可以，这种情况的错误敏感度就是中性。
因此，大模型很发散、很聪明，但是它不保证全部对，也不保证没幻觉。所以这时使用者要考虑不同领域的错误敏感度，中性敏感度只要它正确率超过 50%，是可以被使用的。很多人吐槽幻觉问题，说有幻觉就不能用了。但其实并不是这样，写诗作画、股票交易等领域都是可以用的。
99.9% 的人都是大模型的使用者，很难决定或左右大模型是否拥有幻觉。但我们可以判断各种领域对错误容忍的敏感度，什么领域能用，什么领域不能用。不仅要考虑模型能力好不好，还要考虑是否和对应的领域适配。
但需要知道的是，大模型的幻觉问题不能从根上解决，否则的话它就不是大模型了，也不是生成式了。所以不能只盯着难以被解决的幻觉问题，要扬长避短、趋利避害。
AI 科技评论：在您的判断中，目前阶
段有哪些适合大范围应用大模型的领域？
张成奇：
导游行业。比如规划一条路线，多绕几分钟没有太大关系，只要别发生危险就可以，所以这个领域容忍度很高。从这个角度开发垂直大模型是值得尝试的。
智能养老也很适合做大模型应用，中国的养老，有两个刚需，分别是健康和饮食。于健康管理而言，需要精准控制吃药的时间、药量、频率等；于饮食管理而言，比如糖尿病的人哪些食品不能吃？身体寒寒的人哪些食物不能吃？食谱怎么给千人千面的搭配？这些是大模型能够帮助实现智能化和个性化的方面。
除此之外，情感陪伴，也可以使用现在的生成式模型来实现，无论是外在的形象、实体陪伴，还是语言、情感的陪伴都也可做得很丝滑。
社交层面，也可以通过大模型匹配到不同的兴趣爱好圈，加入不同的话题。还有运动管理，比如一位70岁老人是走 5,000 步还是走1万步呢？是早晨走，中午走还是晚上走？是分开走，还是和别人一起走？都可以从大模型上去寻找答案。
