当前，以大模型为代表的生成式人工智能等前沿技术加速迭代，如何将认知智能与产业结合，成为摆在各行各业面前的一个问题。

论坛现场。主办方 供图

7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议在上海开幕。7月5日，在“认知世界·智创未来”论坛上，多位专家学者们探讨了关于认知智能的最新发展及认知智能如何与产业结合落地等问题。

数学深刻影响了物理学的发展，作为基础学科的数学，又能如何与人工智能及产业结合？

论坛上，图灵奖获得者、美国三院院士Manuel Blum带来了他在意识图灵机领域的最新研究成果。Manuel Blum介绍，意识的本质能够且应当通过经典确定性物理学的框架来阐释，意识图灵机类似一个做上行数的竞赛，所有的信息像竞技比赛一样，经过层层比赛达到最顶端，最后成功攀顶的信息就会被向下“广播”，这一过程正是意识图灵机运作的核心所在。

Manuel Blum表示，在这一体系中，每一条信息都承载着各自的权重，这些权重不仅客观存在，而且严格遵循比例原则，确保了信息在上升过程中的公平性与效率性。这种机制赋予了意识图灵机的灵活性与适应性，每一个处理器无论身处何位，都能以最优化的模式持续向上攀升。

由此，Manuel Blum提出意识图灵机不仅是对意识本质的探索，更是对未来人工智能尤其是通用人工智能（AGI）发展路径的启示，将为AGI领域的技术创新与突破开辟新的道路。

牛津大学DeepMind人工智能教授Michael Bronstein带来了关于“几何深度学习——从欧几里得到药物设计”的主题演讲。他表示，从数学的角度出发，通过对称性揭示深度学习的几何统一，从而引入“几何深度学习”数学框架，可以将其应用到生物学、医学和药物设计等新领域。他进一步提出，可以通过几何深度学习和图神经网络等方法，协助人类赋能药物开发。

在国家提出新质生产力与新型工业化战略的大背景下，多位专家学者也提到了认知智能如何与大模型结合并在产业落地的实践。

复旦大学计算机专业博士王晓梅认为，多模态大模型的应用极其广泛。她以多模态大模型在工业中的应用为例，在工业领域中，传统的表面缺陷检测模型一般是人工对采集数据进行标注，然后进行训练和推理，通过不断增加人工标注数据来微调模型逐步提升性能。而多模态大模型可以显著提高数据标注的效率，通过自动生成多数模态数据来提高模型的准确性，缓解长尾分布对模型的负面影响。