访谈/播客
NVIDIA 焦剑涛（Jiantao Jiao）：世界模型、不确定性与科学领域的人工智能
NVIDIA's Jiantao Jiao: World Models, Uncertainty, and AI for Science
访谈/播客🎤 嘉宾：焦剑涛（Jiantao Jiao），NVIDIA 研究总监兼杰出科学家、UC Berkeley 教授；由 SAIR 采访人主持（姓名未在字幕中给出）⏱ 6:19👁 NA
▶ 在 YouTube 观看
NVIDIA 与 UC Berkeley 的焦剑涛在采访中谈 AI 如何降低科研门槛、世界模型与校准不确定性如何加速模拟与科学发现，以及通才模型与专才模型的共存未来。
核心要点
- AI 正成为科研的超级助手：它读遍文献、有时会幻觉（hallucinate），但也能为科学家提供真正有价值的想法，让训练较少的人也能参与科学发现。
- 世界模型（World Models）的核心是用 AI 增强传统模拟方法，构建高质量的模拟环境，快速、准确地预测智能体采取行动后的下一状态。
- 校准的不确定性（calibrated uncertainty）是关键机制：AI 应为预测赋予准确的不确定性，从而提示何时需要探索、采集更多数据，以及哪些极端事件尚未覆盖。
- 数据保真度（data fidelity）、长尾与极端事件是模拟的固有难题，而这恰恰是 AI 可以发挥作用的地方。
- 未来是通才模型与专才模型的『共同干预、共存』，二者协同利用大模型的基础推理能力，在具体领域交付前所未有的价值。
- 像 SAIR 这样的机构在科学发现中扮演关键角色：促进产学合作、推动联合倡议、对 AI 进行基准测试与评估，并提升全球对 AI 可扩展性与可控性的认知。
分章详解
自我介绍与研究方向
- 焦剑涛（Jiantao Jiao）介绍自己是 NVIDIA 研究总监，同时是 UC Berkeley 的教职成员。
- 他的研究聚焦 AI 与机器学习的基础方法论，以及构建前沿的语言模型（cutting edge language models）。
- 他特别关注『AI for Science（AI 助力科学）』，思考如何把 AI 作为一种新形式的智能，更好地服务人类。
SAIR 等机构在科学发现中的作用
- 他认为 SAIR 在整个科学发现过程中扮演非常关键的角色，可从多个角度理解。
- 具体作用包括：促进学术界与产业界的合作伙伴关系、推动共同的倡议（mutual initiatives）。
- 在技术层面：帮助对 AI 进行基准测试（benchmark）、评估（evaluate）、并在提出新方法论方面推动 AI 进步。
- 在社会层面：提升全球对 AI 的认知，尤其是 AI 的可扩展性，以及在关键任务（mission critical）应用中如何最好地使用与控制 AI。
AI 如何改变科研：降低门槛、加速发现
- 过去人们需要经过很长时间的训练才能对科学做出有意义的贡献。
- 如今 AI 是一个超强的助手：它读过全部文献，有时会产生幻觉，但有时也能提供真正有价值、可供科学家尝试的想法。
- AI 能加速科学进步，让许多受训较少的人也能参与到科学发现的全过程中。
- 采访双方都强调跨学科（cross-disciplinary）合作的重要性——更低的进入门槛带来更多协作。
世界模型、模拟与校准不确定性
- 世界模型的目标是用 AI 增强当下的模拟（simulation）方法学；许多领域依赖模拟才能取得进展。
- 传统模拟往往不完美、耗时巨大，且采集数据成本高昂。
- 借助 AI 有潜力构建高质量的模拟环境，准确预测智能体采取行动后环境的下一状态，并且可以做得非常快。
- 这能让智能体、语言模型或机器人基础模型（robotics foundation models）高效地自我更新。
- 面对数据保真度、长尾与极端事件等问题：AI 应为预测赋予准确的不确定性，提示何时需要探索采集更多数据，并指出尚未覆盖的极端事件，进而开展更多科学发现或设计下一步实验。
通才模型与专才模型的未来
- 通才模型（generalist models）提供非常坚实的基础智能。
- 但在许多具体领域，专家级能力仍有欠缺：模型可能未在该类数据上训练、缺乏在特定环境中的经验，因此需要在这些环境中专门训练 AI。
- 他相信最终格局会是通才模型与专才模型的『共同干预与共存』。
- 二者应根据不同类型的数据（私有数据、公开数据）和不同应用协同工作，借助大模型的基础推理能力，为特定领域交付前所未有的价值。
关键引述
“如今 AI 是一个超强的助手：它读过全部文献，有时会幻觉，但有时也能为科学家提供真正有价值、值得一试的想法。（AI serves as a super strong assistant; it has read the whole literature and sometimes it hallucinates, but sometimes it also provides really meaningful ideas for scientists to try.）”— 焦剑涛（Jiantao Jiao）
“AI 应当能为它的预测赋予准确的不确定性，这样我们就知道何时必须去探索、采集更多数据。（AI should be able to assign accurate uncertainty to its predictions; then we know we have to explore to collect more data.）”— 焦剑涛（Jiantao Jiao）
“它能让许多受训很少的人也参与到整个科学发现的过程中，从而加速科学的进步。（It can accelerate the progress of science by enabling many people with little training to participate in the whole process of scientific discovery.）”— 焦剑涛（Jiantao Jiao）
“我相信最终的局面会是通才模型与专才模型的共同干预与共存。（I do believe that the final situation would be co-intervention and coexistence of generalist models and specialized models.）”— 焦剑涛（Jiantao Jiao）
术语 / 人物
世界模型（World Models） — 用 AI 学习并模拟真实世界动态的模型，能预测智能体采取行动后环境的下一状态，可替代或增强成本高、耗时长的传统模拟。
校准的不确定性（Calibrated Uncertainty） — 让模型对自身预测给出准确可信的置信度估计，从而知道何时需要采集更多数据或警惕未覆盖的极端事件。
幻觉（Hallucination） — 大语言模型生成看似合理但实际错误或无依据内容的现象。
通才模型 vs 专才模型（Generalist vs Specialized Models） — 通才模型提供广泛的基础智能；专才模型在特定领域数据上训练，处理通才模型缺乏经验的专业任务，二者协同。
焦剑涛（Jiantao Jiao） — NVIDIA 研究总监兼杰出科学家、UC Berkeley 电子工程与计算机科学系及统计系教授；曾创办企业 AI 安全公司 Nexusflow.AI 并被 NVIDIA 收购。
SAIR — 科学与 AI 研究基金会（Science and AI Research），由陶哲轩等人联合创立，致力于推动 AI 在科学发现中的应用。
背景补充
焦剑涛（Jiantao Jiao）是 NVIDIA 研究总监兼杰出科学家，同时担任 UC Berkeley 电子工程与计算机科学系及统计系教授，研究覆盖生成式 AI、大语言模型、强化学习与 AI 安全，Google Scholar 引用逾 9600 次。他曾联合创办并担任企业 AI 安全与基础模型公司 Nexusflow.AI 的 CEO，公司后被 NVIDIA 收购。他的工作横跨数据整理、预训练、微调、奖励学习与推理基础设施全流程，并曾在 AI 加速科研相关研讨会担任演讲嘉宾。
适合谁看
适合关注 AI for Science、世界模型与模拟、模型不确定性，以及通才/专才模型路线之争的研究者、研究生与产业从业者；也适合希望了解 AI 如何降低科研门槛的跨学科读者。