MIT同IBM打造未來實用AI新世代

創造有意義的人工智能

麻省理工學院（MIT）與IBM Watson人工智能實驗室正引領未來AI社會技術系統的發展。

MIT與IBM在人工智能領域早已奠定基礎，曾開發了最早期的AI程序，並理論化機器「智能」的可能形式。現時，MIT-IBM Watson AI Lab已運作八年，持續為未來AI技術的承諾提供專業知識。這對多個行業及勞動力市場至關重要，短期內全球經濟效益預計達3至4萬億美元，知識工作者與創意工作者生產力提升約80%，未來三年內生成式AI將在80%企業流程及70%軟件應用中被廣泛應用。

雖然行業內近年爆發多個重要AI模型，但學術界仍是創新主力，貢獻了最多高被引研究。MIT-IBM Watson AI Lab迄今已提交54項專利，學術引用超過128,000次，h指數達162，並開發50多個由產業需求驅動的應用案例。實驗室成果包括利用AI影像技術改進支架植入，降低計算成本，縮小模型體積同時保持性能，以及模擬矽酸鹽化學的原子間勢能。

MIT Schwarzman計算學院的Aude Oliva表示：「實驗室能準確識別‘正確’問題，這是我們的獨特優勢。學生在企業AI挑戰中獲得的經驗，提升了他們的職場競爭力，也促進了行業的競爭力。」

MIT教務長Anantha Chandrakasan亦指出，MIT-IBM Watson AI Lab透過跨領域合作，推動AI與其他學科交叉研究，促進基礎工作進展，加速創新解決方案，造福國家和全球。

長遠視野下的研究

隨著AI熱潮興起，許多機構難以將技術轉化成具體價值。2024年Gartner研究指出，至少30%生成式AI項目在概念驗證後會被放棄，反映出業界雖有野心，卻欠缺如何開發及應用的知識。

MIT-IBM Watson AI Lab正好彌補這一缺口，將研究成果與實際部署相結合。目前大部分研究專注於為IBM、企業會員及實際應用開發新功能和產品，包括大語言模型、多模態模型、生物醫學及地理空間模型。學生和實習生的積極參與提供了新視角及領域知識，幫助推動技術前沿。

2025年AAAI主席小組報告指出，學術界在AI發展中扮演提供獨立建議和解讀的角色，私營企業偏重短期，學術和社會則更注重長遠影響。MIT-IBM合作強調開源及開放科學，促進透明度、加速研究重現性，確保技術可信。

實驗室的使命是結合MIT深厚的研究能力和IBM強大的產業研發，推動AI核心方法和硬件突破，並在醫療、化學、金融、網絡安全及商業決策等領域開展創新應用。

大不一定是好

現時大型基礎模型逐漸被更小巧、針對性強的模型取代，這些模型在特定任務上表現更佳。MIT電機工程與計算機科學系的宋翰教授與IBM研究員關壯等人的工作，如「once-for-all」和「AWQ」技術，通過改良架構、縮減算法和激活感知權重量化，提升了模型效率，使語言處理模型能在邊緣設備上快速運行，延遲降低。

這些技術讓基礎模型、視覺模型、多模態及大型語言模型均受惠。例如Oliva、金潤教授及IBM研究員等團隊，開發了賦予模型外部知識的技術，及線性注意力變換器方法，提升處理速度。視覺和多模態系統的理解與推理表現也有所提升，研究如「Task2Sim」和「AdaFuse」證明合成數據預訓練及融合多時期特徵圖能提升模型效能。

MIT與IBM研究團隊還提出了「EvoScale」和「Chain-of-Action-Thought reasoning (COAT)」方法，提升語言模型在有限數據和計算資源下的表現，通過結構化迭代和強化學習自我修正，針對推理密集任務優化答案，助力資源節約且目標明確的實際部署。

IBM基礎AI副總裁David Cox表示：「MIT-IBM的研究對我們大型語言模型的開發影響深遠。小型且專門化的模型和工具，尤其是結合使用時，帶來了超乎預期的影響。這些創新指引了我們通過watsonx等平台的市場策略。」

實驗室多個項目已為IBM的Granite Vision計算機視覺系統提供功能，這套系統體積小巧，專為企業文檔理解設計，滿足了對長格式信息提取、解釋及可信摘要日益增長的需求。

跨學科推動技術與社會前進

MIT-IBM Watson AI Lab的Caroline Uhler與Devavrat Shah教授，與IBM研究員Kristjan Greenewald合作，開發因果發現方法，揭示干預措施如何影響結果，並識別達成期望效果的方案。此研究框架可分析不同子群體的「治療」效果，應用範圍涵蓋電商平台、移動限制對疾病率的影響，對市場營銷、醫療、教育及風險管理等多領域具深遠影響。

MIT Schwarzman計算學院院長Dan Huttenlocher強調，AI與計算技術正改變各學科的問題解決方式，MIT-IBM Watson AI Lab的研究者認識到其跨領域影響，並以產業實際問題為導向，開發創新方案。

實驗室的研究生和本科生通過MIT的UROP項目、EECS 6A課程及實習計劃，積累技術和AI領域知識，成為新一代AI人才。實驗室持續尋找有潛力的學生，培養他們探索AI潛能。

IBM AI副總裁兼實驗室主席Sriram Raghavan指出：「為了發揮AI的經濟和社會潛力，我們必須培育‘有用且高效的智能’。將AI承諾轉化為實際進步，關鍵在於持續創新，開發高效、優化且適用於特定領域和用例的模型。學術與產業合作，如MIT-IBM Watson AI Lab，推動了這些突破。」

—

評論與啟示

MIT-IBM Watson AI Lab的案例清楚展示了頂尖學術機構與產業巨頭合作的重要性，尤其在AI這種高速變化且影響深遠的領域。這種合作不僅能結合基礎研究與實際應用，更能促進技術的透明與共享，推動整個生態系統的健康發展。

值得注意的是，實驗室強調「小而精」的模型策略，反映出當前AI發展趨勢的轉變：不再盲目追求模型規模擴大，而是注重效率、專門化和適應性，這對於資源有限的實際部署尤其關鍵。此舉也挑戰了過去「大模型即王道」的觀念，為AI技術普及提供了更可行的路徑。

此外，跨學科因果推理的研究突出AI對社會科學、醫療、商業等領域的深度影響，提醒我們AI不僅是技術問題，更是社會問題。未來AI的發展必須兼顧倫理、透明和公平，才能真正造福人類社會。

最後，實驗室對學生培養的重視，展現了持續投入人才培育是技術長遠發展的基石。香港及其他地區的科研機構亦可借鑒此模式，促進學術與產業結合，培養更多具備實戰能力的AI專才，推動本地AI生態系統的繁榮。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。