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
推薦資訊

- 1人類唯一的出路:變成人工智能 3560
- 2報告:抖音海外版下載量突破1 3415
- 3從商品到罰單 二維碼騙局襲向 3245
- 4“東非小中國”與中國有多遠 3202
- 5人類唯一的出路: 變成人工智 3136
- 6移動辦公如何高效?谷歌研究了 3101
- 7硅谷早知道第三季丨07 是的 3069
- 8馬云:阿里巴巴沒人敢跟我打賭 2989
- 9文物建筑修壞了,比不修更糟糕 2860
- 10籌謀反擊:為何Faceboo 2857