講演人: 過去，我們通常采用人工假設生成、手動實驗設計、物理設備執行、人工數據分析，最后撰寫論文的流程。這一過程效率較低。如今，我們引入AI技術，通過AI假設生成和強化學習進行自動實驗優化，進入B階段。在B階段，我們進一步與物聯網連接，由機器人執行實驗。物聯網，尤其是工業物聯網，在工業領域廣泛應用。結合邊緣計算和主動學習，我們實現了動態閉環的A、B循環。在《三體智能革命》書中，我們作者提出了“狀態感知、實時分析、自主決策、精準執行和學習提升”的理念，這些理念在智能革命中得到了充分體現。假設、實驗、分析、新假設的循環在工業互聯網領域以及許多機器運行領域中同樣適用。講演人:我們再來觀察工具的重塑過程。如今，有一個現象值得我們關注：從過去“延伸人類感官”、替代人腦和手的功能，到如今科學工具的智能化躍遷，這一過程正在深刻改變我們的工作方式。講演人:通過替代手部的觸覺、鼻子的嗅覺、人眼的視覺、耳朵的聽覺等感官功能，機器延伸了人類的感知能力。在此基礎上，我們進行計算與分析。然而，值得注意的是，它已經提升到了新的層次，開始“創造認知的新器官”。這一下就變得與眾不同了。為什么呢？當今的TRIZ是基于行業的小知識，即靜態知識，但這些都是已知的寶貴知識。在五六十年前，我們沒有其他能力時，依賴這種小知識和領域知識來解決問題。但在今天，基于全網既有的大知識，以及AI可能帶來的有限新知識，我們幾乎可以解決所有問題，而不僅僅是顏色相關的問題。大模型作為“超級數字腦”，融合了人類有史以來的知識，替代了無數最聰明的頭腦。因此，大模型是一種“新的認知器官”。而過去的TRIZ，以小知識引導方式激發人的有限思考。然而，發展是創新的基礎。未來，以大模型作為外界的超級數字工具，能夠獲得更精準的解決方案。當前，TRIZ面臨的最大問題是，在座的眾多TRIZ高手需要引導大家進行功能分析、因果分析以及系統模型分析等。大家普遍感到困難的地方在于如何定義功能，如何確定動詞和賓語。在進行屬性分析時，需要研究其物理屬性、幾何屬性和化學屬性。在這個問題上，選擇合適的術語、詞匯進行表達，尤為困難。為什么經常存在這種“不可言盡”、“詞不達意”的情況呢？其實這并不奇怪。大家可以仔細看看維特根斯坦的觀點：“語言的邊界就是思想的邊界”，人類語言的邊界就是我的世界的邊界。因此，凡是語言無法表達的東西，都不能作為思想產物存在，也不能作為意識活動存在。因為你無法表達，所以無法思考、定義和傳達。當你詞不達意時，必然會錯過許多東西。過去，人用小模型可以解釋問題，但如今譴詞用句“人機協作、日益精準”。多個大模型的分析集成已經能夠高效解題。在這個時代，我們可以輕松地使用不同的工具來解答問題，比如Kimi、DeepSeek和豆包。此外，智通云聯公司首席科學家譚總還專門下載了大約二十多個大模型，包括譚總等研發專家，他們都是智能制造領域的專家。他們提出了一個具有陷阱的問題，直接回答并不容易，必須通過深入分析才能找到答案。搭建信息橋梁才能解決問題，他讓它們（各大模型）去搭建，但許多都出現了錯誤。通常情況下，我們認為水在60度時，再加熱幾十分鐘后，可以達到100度。有些大模型計算了線性關系，認為加熱幾十分鐘后，可以達到120度。然而，在非高溫高壓條件下，這是不可能實現的。因為，大模型缺少了一個關鍵知識點：水在沸騰后，溫度不會繼續上升。如果沒有高壓和高溫的維持，水溫不可能再增壓。因此，我們還需要不斷訓練，并持續提供正確的知識。然而，大家已經看到，它們比我們任何個體都能更準確地表達觀點，更[敏感詞]地計算那些我們此前可能分析不好的問題。我愿意引用鐘院士的觀點，人類的科學工具正在經歷智能化的范式躍遷。鐘院士提出的“感知、認知、謀行、執行”策略，與我們的“狀態感知、實時分析、自主決策、精準執行”是一致的。我們強調知行合一的策略，并注重語法、語義、語用的三位一體，其中語言包含語義、語用三個層面。必須實現三位一體，但傳統的三位一體在解決問題時存在局限性。根據鐘教主義的觀點，必須采用新的三位一體，即基于人腦與數字腦的結合，實現人機共生的狀態。通過“感知、認知、謀行、執行”，達到知行合一，最終運用新的三位一體來解決問題。此外，思維、方法、工具的動態平衡尤為重要。講演人:我們認為，科學方法、科學思維和科學工具構成了一個穩固的鐵三角。它們之間能夠相互平衡。我們始于科學思維，可以質疑、批評和批判，甚至不相信某些事物。科學是建立在實證基礎上的，因此它指導我們的科學方法，避免迷信。不盲目地開始計算、理論和模型方法，只要運用人類世界目前積累的任何第一性原理，如牛頓的第一、第二、第三原理，以及愛因斯坦提出的質能方程原理等，都不會出錯。因為這些第一性原理經過人類數百年的奮斗和反復驗證，最終催生了AI工具。AI工具包括硬件工具和大模型軟件，通過不斷研究，最終推動科學思維的升級。這種相互驗證的過程就是創新方法的巨大提升。DeepSeek通過動態參數剪枝技術，顯著提升了算力效率。他們僅使用2048塊顯卡，便達到了相當于萬卡的計算能力，實現了千倍的性能提升。這一創新方法以極低的成本，完成了通常需要巨額投資才能實現的目標。講演人:國外幾十億美元與DS幾百萬美元的投入相比，效率相差千倍。DeepSeek從哲學角度提出了算法簡化思維，并通過最小必要數據理論，結合蒸餾和對抗訓練，僅用五分之一的標注量就達到了與其他人標注量同等的效果。此外，量子物理中的疊加態思想也是一個重要的思維突破。過去，人們普遍認為薛定諤的貓既死又活的狀態難以理解，直到我40多歲時才真正明白其中的原理。在未打開盒子之前，量子處于疊加態，沒有量子坍縮；打開盒子后，量子才會坍縮，我們才能觀察到確定結果。兩個量子之間存在著糾纏效應，無論相隔多遠，一個量子的狀態變化會立即影響另一個量子。這種效應在過去看來是匪夷所思的，但它的確存在。風險控制三角不僅體現在我們能夠進行循環思辨，還體現在風險的可控性上。今天，我們尤其需要防范科學研究的風險。我一直認為，任何技術的進步和科學的進步都是中性的。每一個科技工具既可以用于國計民生，促進社會發展，提高人民的幸福感、滿意感和獲得感，同時也可能被用于犯罪活動。 AI技術目前最先被應用于實施各種犯罪行為，尤其是電信詐騙。通過換臉、換聲音等技術手段進行詐騙。例如，詐騙者會冒充親屬，聲稱急需借款，以此騙取錢財。先進技術的應用中確實存在欺騙行為。因此，我們可以從思維層面、方法層面和工具層面探討如何防范。此外，我還想分享一個觀點，即從語言到語言智能的轉變，這是我個人的體會。講演人:智人的稱呼似乎是拉丁語中的“sapiens”。在歷史發展的長河中，從六百萬年前我們從樹上下來，到幾十萬年前走出非洲——盡管是否走出非洲仍有爭議——我們逐漸遍布世界各地。當時存在許多不同的人類群體，至少有十類以上，如大家熟知的丹尼索瓦人、尼安德特人、霍比特人等。 他們今天都不在了，原因何在？被智人這一支徹底擊敗。那個時代的競爭極其殘酷，資源有限，食物、水源、棲息地都極為稀缺。在有限的生存空間里，有水、草、狼、兔子等資源，但每個人都想占據這些資源。你來，我就不能來；你占據，我就無法生存。于是人們互相爭斗，智人戰勝了尼安德特人——身材更高大，會使用火，會制作工具，會用獸皮制作衣物，最終占據了優勢。講演人: 尼安德特人力量更大，至少需要兩個智人才能與一個尼安德特人抗衡。根據考證，尼安德特人非常強壯，因此需要三個智人才能確保擊敗一個尼安德特人。然而，在長期的進化過程中，經過數萬年的競爭，智人最終戰勝了尼安德特人。講演人:憑什么？智人掌握了一個極其有利的工具——語言。通過語言，我們能夠協同合作，發展工業，實現分工，可見語言對人類智能的重要性。如果連最基本的“what”、“where”、“how”都無法表達清楚，那么協同、分工和創新都無從談起。尼安德特人只有喊叫式的語言，表達不清，因此他們無法實現有效的分工。于是，其他人種相繼出局，智人發展到今天的七十多億人口。因此，我們有了多種語言表達，如英語、漢語、西語等，這里不再贅述。語言出現后，我們繼續通過圖形表達，最終在沒有文字的情況下，從圖形中產生了文字。于是，我們所有的圖形表達逐漸演變為文字。隨著時間的推移，特別是在幾百年前，人類開始使用繪圖來表達信息。這些圖形逐漸發展成為一門通用的工程語言，因為三視圖在全球范圍內都被廣泛理解，且表達方式沒有歧義。隨著進一步發展，我們可以看到人類語言，轉化為編程高級語言，尤其是以英語為藍本，逐漸成為主流。如今，中文也加入了這一行列。這些語言被轉化為各種編程語言，如Fortran、C、COBOL、Pascal、JAVA等，直至今天的Python。大數據語言和人工智能語言的發展使得我們能夠利用機器進行學習和計算。諸如“If”、“Then”、“Else”等邏輯結構完全是從語言中提煉出來的，從而形成了各種機理模型。工藝模型等各類模型所表達的主題，以及我們在TRIZ中所涵蓋的語義內容，問題模型的分析涉及多種表達方式。包括我們工業軟件中的CAD、CAM、CAE以及ERP、MES、EDA等。通過這種方式，我們向大家傳達了一個觀點：即使繪制出一個CAD模型，如果不使用平移、旋轉、縮放、剖切、漫游等工具，仍然難以理解。如今，我們通過知識引擎來表達人工智能和大模型的概念。人工智能從專家系統、知識工程的發展歷程一直延續至今，形成了今天的GPT、Sora、LLM等。特別值得一提的是，中國在人工智能領域取得了顯著進展，無論是通義千問、Deep Seek還是昆侖大模型，都代表了我國在大模型領域的成就。這些多樣化的語言和語義通過數字化和彼此融合，逐漸形成了大知識體系。這一體系不斷凝聚和提煉，最終構建了一個穩固的框架，并持續發展完善。我們可以發現，語言正趨于多模態化，而系統則趨于賽博物理化，這是當今時代的發展趨勢。由此可見，語言是表達語義的工具。講演人:語言的含義即語義，但在不同語境中，大家對“喝茶”這一概念有著不同的表達和理解。我“請你喝茶”是一個語義，如果紀委“請你喝茶”，大家都知道這是另一個意思。例如，今天天氣炎熱，“能穿多少穿多少”，今天天氣非常寒冷，“能穿多少穿多少”。這些例子展示了在不同語境下，語言表達的高度相關性。因此，語言必須在特定的語境中去理解才有意義。符號僅僅是語言的載體，符號本身并無意義，只有承載了語義的符號才能被使用。于是，人類發現我們可以用語言進行交流。例如比特，這兩個比特狀態，一個0和一個1，未來可能更加先進，因為0是一個量子，1也是一個量子，還有一個是0和1交疊的量子。因此，量子計算機現在計算速度特別快，性能提升至少上1億倍。于是，我們開始有了由二進制組成的電腦語言，包括硬件表達的0和1，以及軟件表達的模型語言。通用語言、繪圖語言、多模態語言等。在工業產品中，基礎語言包括二進制語言、圖形語言和工程圖語言。文生圖等元素構成了我們工業的語義表達。為何需要強調這一點？因為工業語言和工業語義與日常用語不同，需要引起大家的重視。所以語言智能的基礎是工業部原副部長楊薛山先生在《智能原理》一書中特別強調的內容：“一切智能都是語義的”。講演人:在研究的基礎上，我提出了個人的思考。自然語言的演變過程，首先我們可以看到，自然語言（Nature Language）的處理形成了NLP（自然語言處理），這是人工智能的一個基本學科。圖文生成各種概念模態表達的語言，工程圖的語言，模型的語言算法語言，以及各種中間狀態，一直延伸到電腦硬件的語言。我們解析到二進制表達的0和1，這兩個最小信息單元。0和1本身并無意義，但當你定義0為“關”，1為“開”時，它們便從數字數據轉化為信息。進一步解析到單機軟硬件，從電子管和邏輯語言到單機電腦，這是我們在五十年代末六十年代初的應用成果。更重要的這是一個開端。就像剛才安總提到，芯片的出現催生了電腦，而電腦的普及則推動了各行各業的變革，成為第三次工業革命的重要起點。由此可見，電腦的廣泛應用對現代社會產生了深遠影響。從最早的電子管通過晶體表示0和1，發展到如今高度先進的計算機技術。在初級階段，實際狀態不斷發展，逐步演變。這一過程中，首先實現了量變引起質變。大家都知道這是一個最基本的哲學觀點，即“對立統一”，矛盾。此外，“量變引起質變”，以及“否定之否定”，構成了哲學中的三大定律。另一個觀點是“萬物源自比特”，這是由美國專家惠勒提出的。他寫了一本書《Its from Bit》，翻譯過來就是“萬物源自比特”。由此我們了解到，用0和1可以以數字化的形式表達萬事萬物。同時，“萬物皆數”這一概念早在兩千五百年前就已存在。從畢達哥拉斯時代起，先賢們便已提出“萬物皆數”的理念，這一思想一直傳承至今。經過今天的匯總，它已演變為全網硬件、軟件、網件的綜合體系，即網絡邏輯語言。我們可以看到它仍在不斷變化。在那個節點上，大家能夠清晰地看到，我們已實現了數據的分類。講演人:我們已掌握了基礎語言的分類信息，圖譜語言；我們有了分類的知識，抽象語言。這就是從數據（D）到信息（I），再到知識（K），最終在全網的知識體系中形成了我們的原料語言（W）。這些原料語言不斷融合，進而產生了引擎語言，從而誕生了大語言模型。生成式大模型涵蓋多種模型，大語言模型僅為其中之一。關于未來的發展方向，我還有一個構想。向上發展，從“自然語言”，演變為“智然語言”。大家注意，從自然語言到“智然語言”的演變，這是我經過深思熟慮后，認為是能夠準確表達我意思的一個表述。因為在創新的方法論中，一個非常重要的概念IFR已被廣泛認知。最終理想化結果的表達，即Ideal Final Result（IFR），不應被誤解為“最終理想解”，因為理想系統和理想解根本不存在，應該被稱為“理想化最終結果”。這是TRIZ創新方法的基本概念之一。IFR的意思是，我們并不清楚最終結果的理想化具體狀態，因此我們首先設定一個理想化最終結果（Ideal Final Result）。必須強調一個“結果”，它并非“解決方案”或“解”。只是設定一個比較理想的結果，意在追求卓越，我們在不斷逼近那個方向，可以不斷進化達到這一狀態。講演人:因此工業語言由基礎語言、圖譜語言、抽象語言等這些要素構成，大家便能夠清晰地看到工業語言由多種語言構成。講演人:我們可以在工業現場觀察到其生產、供應、銷售和服務等環節。各環節都涉及海量的動態和靜態數據。這些工業語言一直都在向人們描述工業現場發生的事情，但人們往往難以理解。這是因為數據背后的含義并不直觀。這正是大數據的概念所在。例如，我問大家，2+3等于幾？大家說，2+3不是應該等于5嗎？那是數據意義上的理解，你把自己限定在算術領域。如果把它變成生活場景，為什么不是“兩個人+三個菜”，然后就是“一頓合適的餐”？“兩個大人+三個孩子”等于“一個家庭”？確理解工業語言場景下的語義至關重要。要理解我們工業現場的真實情況，關鍵在于準確把握其運行規律和參數含義。人類處理參數超過7個時，機器處理參數超過16個便無法勝任。因此，一直以來，我們便致力于解決這一問題。通過將機理模型算法與專業化數據語料標注方法相結合，最終實現技術的通用性和復用性，并將其應用于實際的工業領域硬件裝置和工業運營場景中。大家可以看到智通云聯公司已經在石油領域取得了不少應用成果。例如應用油氣大模型智能調控開關增加氣井的產量。講演人: 在“AI for Science”的大背景下，科學范式已經躍遷到第五范式，已經吹響了各行各業應用AI大模型的集結號。講演人: 最后，我將對今天的內容進行小結。大模型正在重塑我們創新方法的DNA，不斷改變科學思維，豐富科學方法，強化科學工具。大模型本身已成為創新方法的核心工具，其重要性在未來將愈發顯著。 未來，一切軟件都將被AI重構，一切數據都將由AI進行計算，一切硬件都將被AI驅動，一切網絡都將被AI調控。雖然我的說法可能有些[敏感詞]，但趨勢正在朝這個方向發展。我們已經邁入了“碳基智慧與硅基智能”深度融合的人機共生新時代，即“創新方法2.0”。謝謝大家的聆聽！
