通用人工智能，通向哪里

本文來自微信公眾號：未盡研究 （ID：Weijin_Research），作者：周健工，題圖來自：視覺中國

最近幾個月以來，ChatGPT是個很熱的話題，反映了革命性技術的一個特點：當它問世的時候，不管喜歡它還是不喜歡它，也不管理解它還是不理解它，大家都在談論它。

通用人工智能

GPT為什么如此聰明？機器學習和深度神經網絡在過去十年發展非?？?，完成單一任務的能力超越人類的時間越來越短。后來，隨著計算模型越做越大，各種單一的能力之間出現遷移，出現了智能的“涌現”和泛化，尤其是在自然語言大模型（LLM）領域，機器智能出現了一些通用化的特征。領先的人工智能公司如DeepMind和OpenAI等，都以實現通用人工智能（AGI）為使命。

ChatGPT是史上用戶接受和滲透最快的產品。ChatGPT出來之后，兩個月時間，達到了上億用戶。GPT變聰明的速度也非?？?。ChatGPT推出來3個月后，GPT-4推出，從參加各種學業和專業的考試的成績來看，很多方面已經達到甚至超過了人類的平均水平。它在數學、推理、多模態等方面的能力也有顯著提升。

人類最聰明的大腦都在加速讓大模型變得更加聰明。過去幾年，關于人工智能的論文出現了爆炸性增長。全世界最知名的大學都在研究AI或者AI的應用。OpenAI團隊都來自全球最頂級的大學和科技公司。最近的研究論文表明，GPT-4具有一些的自我反思和糾錯能力的萌芽。GPT還具備了人工反饋的強化學習機制。這使得它在和人類交互中，建立起了數據、學習和智能的增長飛輪，變成了一個學習的永動機。

AI各項能力迅速提升

來源：kiela et al（2021），OurWorldinData

通用技術

那么，我們如何判斷這種技術的革命性？談到技術革命時，大家經常使用一個概念，通用技術（General Purpose Technology），縮寫也正好是GPT。最近業界有兩篇論文非常有意思，引起我們的關注。

第一篇是GPT-4發布之后，OpenAI、OpenResearch和賓夕法尼亞大學四位教授公布的一項研究結果。GPT-4擁有的“通才”能力，對比美國所有行業和職業中的崗位技能，可以用來分析GPT-4對勞動力的替代程度。這份報告名為《GPTs are GPTs》，標題中的第二個GPT就是通用技術。他們初步觀察，GPT照這樣發展下去，對就業市場的沖擊非常劇烈，對勞動力在未來經濟中的作用影響會非常深遠，那么它可能就應該是通用技術。

第二，微軟的Micosoft Research對GPT做了一百多種的單一任務測試，認為在這個產品已經開始迸發通用人工智能的火花。所以比爾·蓋茨最近說“AI時代剛剛開始”。如果了解人工智能已經有70多年的歷史，就會覺得這句話具有特別的含義?，F在許多人已經開始站在第四次工業革命的高度看待這一輪由ChatGPT突破所引發的新一輪AI科技浪潮。

以下是我們的觀察維度：

中國vs美國。當代世界上兩個創新力最強大的國家，都在押注這項技術。一些技術的預測能否變成現實，最終通過創新的努力才能實現，是一個自我滿足的過程。中國和美國在這個領域投入了大量的資源。從發布的論文數量來看，中國已經超過了美國，而且，中國和美國，各自都超過了后面所有國家總和。

盡管中國的論文數量超過了美國，但是美國在人工智能研究的質量上，還是明顯領先于中國。在前一百位引用最高的人工智能論文排名上，基本上都是來自美國的科技公司和大學，很少看到中國的機構。

引用最高的TOP100論文的來源機構

來源：zeta-alpha

中國和美國在人工智能研究上也各有側重。中國在應用領域發展非?？?，比如說視覺領域。中國人臉識別方面取得了很多應用方面的突破；當然，視覺計算在工業領域的應用，中國也走在前列。另外，中國在實體經濟領域、對周圍環境感知領域做了很多創新。但是，美國做了很多底層的創新、架構的創新，或者說從第一性原理出發方面的創新。整體對比下來，美國顯得少而精。

其實中國這幾年一直在煉制自己的大模型。全世界幾百億、千億以上參數規模的大模型數量，中國占全球三分之一，美國占了一半，從數量和規模上，差距不像我們以為的那么明顯。

但最重要的是ChatGPT的推出，換擋了整個AI創新的節奏。它建立起了人機之間的自然語言交互，而且自然語言起到了代碼的作用，迅速普及了大眾，滲透到各種各樣的應用場景里。對于中美的差距，大家有各種各樣的說法。有的說落后一年到兩年，有的說兩年到三年，真正的差距，正是在這種動態累積的用戶反饋中，它不僅生成內容，也生成技術。

繼百度文心一言推出之后，最近大家也在談論華為的盤古大模型，還有其他大廠或者大學在訓練中的模型。中國在今年年底之前，應該會有三到四個大模型，大致相當于去年ChatGPT剛推出時水平。

開源vs閉源。在PC和智能手機時代的互聯網，中國沒有自己的主流操作系統；現在這種既有的局面似乎又將延伸到AI大模型時代。目前，閉源模式就是所謂的微軟+OpenAI，它的芯片是英偉達A100和H100 GPU在支撐，AI時代的云+智能+硬件，類似當年的Wintel聯盟。

而開源模式，主要是Google的一些大模型，以及一些學術和歐洲的機構也在做的開源大模型。所以，是不是在AI時代又產生了類似iOS和安卓兩大的AI操作系統，值得關注。中國在AI時代，要有自己的操作系統，也一定會有。這一使命是由企業擔當，還是由國家推動？

基礎模型vs垂直大模型。基礎模型似乎已經變得“萬能”了。GPT-4說開放安裝插件之后，很多人說它已經變成了“宇宙的中心”。企業未來怎么辦？其實不用擔心，在垂直領域，有豐富的“私域”數據資源和深度業務場景的公司，是可以把自己的深度應用和大模型結合起來做的。這也是目前創業者和風險資本在中國比較看好的創新機會。

大模型vs世界模型。人工智能科學家楊立昆提出，大語言模型不了解物理世界，其智能沒有感官基礎，不是真正的智能，它只是用統計學和概率的方法，猜測下一個單詞的游戲而已，這樣的模型，規模再大，也無法克服其固有的差錯率。所以，他提出了一個類似人腦的世界模型，最重要是對周圍環境有感知。提出這一點是有意義的，GPT距離AGI仍然相當遙遠，而AGI的終局在哪里，仍有很大爭議，人工智能發展可能有不同技術路徑探索，保持多樣化的探索是有必要的。

GPT在進入物理世界。這是通用技術很重要的特點。谷歌發的多模態模型，結合了語言模型和視覺模型，讓機器人在自然語言交互下，以類人的靈活方式完成了簡單的跑腿任務，它已經可以感知周圍環境了。而實體經濟的領域， 如在建筑、產品和基礎設施的設計，制造業，新材料發現，自動駕駛合成數據，供應鏈及采購等領域，已經開始出現探索使用GPT技術的企業。

人工智能驅動科學研究（AI for Science）。人類和國家面臨許多重大挑戰，急待重大科學技術實現突破，而很多研發遇到了難以克服的障礙，時間和資金成本非常高，比如說創新藥物研發；更加可持續、廉價、易用的能源；氣候變化。AI改變整個科學研究范式的可能性，越來越受到重視。

中國更重視這一點。中國科技部會同自然科學基金委近期啟動“人工智能驅動的科學研究”（AI for Science）專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局前沿科技研發體系。

勞動生產率與就業

自去年以來，大量的資金涌入生成式人工智能領域。一半的資金來自微軟。實際上這個領域許多最重要的公司，背后都有巨頭的影子，這也是Big Tech之爭，Big Science之爭。微軟+OpenAI，同時挑戰了其他科技企業的搜索、云計算和SaaS幾大業務的市場地位。

目前算力成為一個突出的問題，一方面是中美之間的算力落差，另外一方面是中美都出現了AI算力短缺。微軟內部已經出現算力不足，整體給GPT讓路的情況。而中國企業則是A100GPU難求。

再來看經濟增長。人工智能對于經濟增長影響，有兩個理論經常被用來解釋。第一個是鮑莫爾病。技術提升了一些部門的勞動生產率，如制造業和農業，導致這些部門的單位產品成本越來越低，需要的勞動力越來越少，也會不斷壓低其產品價格。

而技術無法提升一些領域的勞動生產率，比如說，很多依靠人力或深度技藝的服務業工作崗位，如教育、醫療、政府等服務部門，這些部門的單位產出成本會越來越高，會推動其價格上漲。這樣兩個部門的存在，使得技術進步對整個經濟的勞動生產率提升的效應并沒有那么明顯。

服務價格上升幅度超過商品

這就產生了索洛悖論。信息技術革命發展這么快，但是為什么表現在統計數據上，總體勞動生產率增長放緩？經濟學家們爭論不休，但是自動化、信息技術和人工智能把高效領域的勞動力推向低效領域，尤其是發達國家的服務比重越來越大，對勞動生產率的影響，成為一個比較有力的解釋。從這一點來說，人工智能能否對整個經濟帶來一場生產力革命，顯著提升勞動生產率，取決于它能否治得了“鮑莫爾病”。

據上述研究，對GPT暴露最小的依然是動用體力的服務業，而暴露最大的職業中，大部分是白領職業。

歷史上曾經發生過這種情況。當年，Excel等電子表格出來之后，淘汰了一些數據錄入和表格維護類的職業，但是它又造就了基于數據分析的新職業，而且新生的比淘汰的職業數量更多。由于GPT-4可以通過自然語言實現人機交互，大模型也表現出強大的編程能力，碼農圈內已經傳出聲音，整個程序員職業會面臨一次大清洗。這次會不會和以往不一樣？

我們做了初步統計，從去年12月ChatGPT出來之后，美國在知識最密集的三個領域，硅谷、華爾街和咨詢，一季度的裁員數量初步統計16萬，數量已經超過了去年一整年。這固然有經濟衰退方面的原因，但它首先表現為“白領衰退”，在一定程度上反映出就業市場對人工智能替代一些知識工作崗位，已經開始產生預期。

經濟奇點

美國一些經濟學家，在金融危機之后，面對經濟增長的“長期停滯”，探討未來增長的可能性在哪里。其中之一，就是將來通用人工智能可能全面超過人類智能，帶來勞動生產率的極大提升，經濟會面臨一個奇點，機器基本上完全取代了人類的勞動力，會在有限時間內產生無限生產力。這個理論當然受到了AGI信仰者們的擁抱。

OpenAI聯合創始人之一奧特曼（Sam Altman）相信，摩爾定律不僅是半導體的創新速度，而且適用于所有人類技術創新。

按照奇點的假設，AI會取代勞動力、資本和全要素生產率。世界上只剩下兩種要素推動經濟增長，一個是土地，一個是資本。這兩個是創造財富最基本的要素。

當生產力達到這個程度的時候，生產關系一定要做調整。當年凱因斯所擔擾的“人類閑暇的過?！?，最終導致大多數勞動力可能淪為“無用之人”。這些人要怎么養活呢？于是有人提出全民基本收入的分配制度（UBI）。對于生產力奇點的假設，一些經濟學家建立各種各樣的模型，發現要么根本無法實現，要么還非常遙遠。

馬斯克挖苦說，人工智能已經成為那些AI科技專家們創造的一個新上帝。

AI的發展，讓我們知道我們不知道的，也讓我們不知道我們不知道的。煉制大模型的工程，與社會實驗工程正在結合。

本文來自微信公眾號：未盡研究 （ID：Weijin_Research），作者：周健工，此文為在英飛凌汽車創新峰會上的主題演講，略有調整

相關推薦

類腦智能，邁向通用人工智能新可能？
通用人工智能的四大基本問題
DeepMind最新論文：強化學習“足以”達到通用人工智能
談談那座圣杯：通用人工智能（AGI）
深度剖析：ChatGPT 及其繼任者會成為通用人工智能嗎？
YC教父奧爾特曼的雄心：將通用人工智能引入現實
強強聯手，北大清華聯合打造通用人工智能實驗班，朱松純領銜，首批學生已開課
語言與大模型：通向AGI之路
傳奇工程師卡馬克決定辭職專心搞AI：不再擔任Oculus首席技術官，投身通用人工智能研究
人工智能時代，“下一代”教育從哪里入手？

網址: 通用人工智能，通向哪里 http://www.bimbinganhajiumroh.com/newsview70110.html