科学计算与人工智能

作者：仿真APP发布时间：2024-04-17

人工智能的“科技幻觉”

“美丽、白雪皑皑的东京市熙熙攘攘。镜头追随着人们，一同欣赏美丽的雪景和热闹的摊位，感受雪花纷飞，樱花起舞。”（翻译自英文Prompt）

这如同现实场景的画面，并非出自摄影师的镜头，而是由OpenAI的人工智能文生视频大模型Sora根据文字描述生成的。Sora以其惊人的还原度、高分辨率以及令人叹为观止的画面质感，迅速引爆热搜，继ChatGPT之后，再次掀起“AI热潮”。

Sora问世，是人工智能领域的一个重大进步。英伟达高级研究员Jim Fan博士认为，Sora是一个“数据驱动的物理引擎”。这表明，人工智能有望通过学习大量真实世界的视频和那些考虑物理行为的视频（比如游戏视频），来理解物理规律，模拟物理现象。

但值得探讨的是，Sora究竟是模拟真实世界的物理模型，还是短暂的“科技幻觉”？

图灵奖得主、Meta首席AI科学家Yann LeCun认为，当前AI面临着视频数据理解挑战和因果关系理解不足等问题，仅根据输入到模型的文字生成逼真视频，不能代表模型理解物理世界。

尽管Sora模型功能先进，但有时难以准确模拟复杂场景的物理特性。例如，角色与物体的交互不够真实，物体运动违背物理规律，或在时间推移中难以保持一致性。

显然，Sora在模拟物理过程、理解因果关系以及处理细节等方面面临挑战。

如何打破人工智能带来的“科技幻觉”？又可以用什么来弥补第四范式的不足？

答案是——科学计算。

科学计算与人工智能

图灵奖得主、关系型数据库的鼻祖Jim Grey在2007年提出了科学研究的四大范式，分别是第一范式物理实验、第二范式理论分析、第三范式科学计算（仿真为代表）和第四范式数据密集型科学（人工智能为代表）。

科学计算，即利用计算机求解偏微分方程组，对复杂现象进行模拟仿真，实现精准预测，典型案例如模拟核试验、天气预报等。科学计算作为底层通用技术，可广泛应用于工程、工业、游戏等领域。在工程领域，科学计算的具体应用体现为CAE（Computer Aided Engineering，计算机辅助工程）。

科学计算（CAE仿真）模拟水杯倾倒、液体流出过程，更真实、更准确（液体颜色代表运动速度）

科学计算的魅力之一在于它的解释性（因果性）。通过科学计算，我们不仅能预知某件事情的发生，还能洞察其背后的原因以及整个发展过程。

而人工智能和大数据的核心聚焦于数据的使用和处理，通过分析大量数据来寻找事物之间的相关性。

比如通过大数据，我们确实能够观察到每天特定时间和地点总会出现交通拥堵现象。然而，这种方法虽然能够预测趋势，却难以揭示背后的原因。相比之下，科学计算不仅能预测何时何地会发生交通堵塞，还能进一步分析造成堵塞的原因，比如可能是因为路面狭窄、信号灯设置不合理，或是某个时间段车流量特别大等。

简言之，人工智能（大数据）靠“概率”，是“模仿”，侧重于研究事物之间的相关性；而科学计算讲“逻辑”，是“仿真”，致力于揭示事物之间的因果性。

明晰二者的区别并非在于比较哪个更为优越。四大范式的发展是并行的、相辅相成的。第三范式成功地将第二范式的理论分析转移到计算机中进行求解，第四范式则已展示出将第一范式的实验数据、第二范式的理论模型和第三范式的计算结果同时引入大模型进行综合深度分析的趋势。这意味着第三范式与第四范式的结合会带来更为精准的预测。

然而，无论是科学计算还是人工智能，都离不开强大算力的支撑。相比之下，科学计算对于算力的消耗更为巨大。幸运的是，以GPU为代表的新硬件极大提升了算力水平，不仅帮助人工智能行业实现了“暴力破解”，突破了大模型的瓶颈，同样也在深刻改变着CAE行业。

资本助力，易出“奇迹”

人工智能领域的飞速发展，是资本“大力出奇迹”的必然结果。2019年，微软以10亿美元的投资成为OpenAI的“天使投资人”。至2023年，微软对OpenAI累计投资额高达130亿美元。

正当第四范式的“当红明星”Sora叱咤风云之时，中国的第三范式才刚刚崭露头角。

长期以来，CAE软件市场一直被国外厂商垄断，自主化率不足10%，频频“断供”让中国制造业被卡住了脖子。在2021年5月召开的两院院士大会上，工业软件被明确列为“关键核心技术”，事关“国家急迫需要和长远需求”。这场基础软件国产化的攻坚战，为自主工业软件企业打开了资本的大门。

人工智能与科学计算的发展脉络揭示了一个不争的事实：这场赛道的竞争，本质上是人才和资本的较量。无论是全球领先的美国科技巨头，还是正在迅速崛起的中国企业，都纷纷通过大规模的资金投入，实现技术突破、抢占市场先机。

“天下武功，唯快不破。”面对激烈的国际竞争，唯有通过饱和式的资本投入，迅速将资金转化为研发实力，方能快速占领市场、实现跨越式发展。