首页 >  WEB3专题 >  正文
奇点将至或仍需祛魅 通用人工智能将通向何方?
发布日期:2023-04-04

自ChatGPT发布以来,以通用人工智能(AGI,Artificial General Intelligence)为代表的人工智能技术变革进入了加速发展的快车道。360创始人周鸿祎此前曾称ChatGPT是通用人工智能的奇点。无独有偶,3月22日,微软AI科学家团队发表了一篇关于GPT-4的研究试验论文,声称OpenAI语言模型迸发出水平堪比人类的智能,即通用人工智能的“火花”,这一观点代表了微软对通用人工智能将到来的肯定。

毫无悬念,竞逐通用人工智能的时代拉开了。这是否意味着人工智能奇点将至?又或是认知层面仍需祛魅?而通用人工智能的发展又将通向何方?

奇点将至或仍需祛魅 通用人工智能将通向何方?

什么是通用人工智能?

人工智能(AI)是指让计算机模拟人类的智能行为的技术。AI已经在各个领域取得了令人瞩目的成就,比如图像识别、自然语言处理、语音识别、机器翻译、推荐系统等。然而,这些AI系统都是针对特定的任务或领域设计的,它们缺乏通用性和灵活性,无法适应复杂多变的环境和问题。这就引出了一个更高层次的目标:通用人工智能(AGI)。

AGI是指能够像人类一样理解、学习和思考任何问题的AI系统。AGI不仅要求具备高水平的知识和技能,还要求具备自我意识、创造力、情感、道德等人类特有的属性。实现AGI是一个极其困难且富有挑战性的问题,涉及到多个学科领域,比如计算机科学、神经科学、心理学、哲学等。目前,还没有一个统一且可行的方案来实现AGI,但有一些可能的思路和方法:

基于生物启发(biologically inspired):这种方法试图借鉴生物系统特别是人类大脑的结构和机制来构建AGI系统。例如,神经网络(neural network)、进化算法(evolutionary algorithm)、认知架构(cognitive architecture)等都属于这种方法。

奇点将至或仍需祛魅 通用人工智能将通向何方?

基于符号逻辑(symbolic logic):这种方法试图利用符号表示和操作来构建AGI系统。例如,专家系统(expert system)、知识图谱(knowledge graph)、规则引擎(rule engine)等都属于这种方法。

基于统计学习(statistical learning):这种方法试图利用数据驱动的方式来构建AGI系统。例如,深度学习(deep learning)、强化学习(reinforcement learning)、贝叶斯网络(Bayesian network)等都属于这种方法。

基于集成系统(integrated system):这种方法试图将不同的方法和技术结合起来,以实现更强大和更灵活的AGI系统。例如,SOAR、ACT-R、OpenCog等都属于这种方法。

有行业专家认为通用人工智能的出现已不可避免,带来的深刻影响将超过我们见识过的所有的科技变革,例如激发我们对跨学科研究的全新想象等,同时必定会对人类智能的理解带来全新视角。

奇点将至或仍需祛魅 通用人工智能将通向何方?

AI大模型加速实现通用人工智能

机器学习和深度神经网络在过去十年发展非常快,完成单一任务的能力超越人类的时间越来越短。后来,随着计算模型越做越大,各种单一的能力之间出现迁移,出现了智能的“涌现”和泛化,尤其是在自然语言大模型(LLM)领域,机器智能出现了一些通用化的特征。领先的人工智能公司如DeepMind和OpenAI等,都以实现通用人工智能(AGI)为使命。

以ChatGPT为代表的AI大模型正是加速通用人工智能实现的关键引擎。OpenAI在介绍ChatGPT时就自豪地说,它在一些基准指标上“展示了相当于人类水平的表现”。

微软研究人员在近日发表的《通用人工智能的火花:GPT-4的早期试验》论文中表示,“我们证明,除了熟练驾驭语言外,GPT-4还可以解决涉及数学、编程、视觉、医学、法律和心理学等领域的新颖而困难的任务,不需要任何特殊的提示。此外,在所有这些任务中,GPT-4的表现都非常接近人类的水平,并经常大幅超过ChatGPT等之前的模型。”

可见,作为一种具有经历海量数据训练的超强算法模型,AI大模型具备学习效率高、可解释性好、泛化性强的特征,可以展现出更好的智能水平。

奇点将至或仍需祛魅 通用人工智能将通向何方?

大模型被普遍认为是通往通用人工智能的重要途径,所以国内外AI产业界和学术界在大模型领域呈你追我赶之势。国际上的大模型推陈出新,Open AI推出1750亿参数的GPT-3模型,前段时间又继续推出功能更强大的GPT-4,Google推出了1.6万亿参数的SwitchTransformer模型,微软与英伟达全力推出5300亿参数的MT-NLG模型,Meta复现了GPT-3,全部开源并更名OPT模型。国内大模型领域也是如火如荼的推进,北京智源人工智能研究院推出了1.75万亿参数的悟道2.0,华为与鹏城实验室合作推出千亿参数的盘古大模型,百度与鹏城实验室合作推出2600亿参数的文心大模型,阿里达摩院推出10万亿参数的多模态M6大模型,此外,浪潮和中科院也分别推出了相应的大模型。

大模型的发展正在逐渐从单一模态数据输入向多模态数据输入演进,文本、语音、图像、视频等多模态的联合训练学习,不同模态之间形成有效互补,这将有助于提升模型的效果和泛化能力,为迈向通用人工智能奠定更加坚实的一步。

多模态大模型能够接收和感知多种模态的数据和信息,也能具备对感知或接收的信息进行处理、识别和认知的能力,决策和执行决策的两种能力在某些场景下可能具备,但所有情况下都具备可能还需要相当长的一段时间,至于持续学习新技能的能力也可以在一定条件下得到满足。多模态大模型具备通用人工智能的一些特征,但距离通用人工智能仍然还有较大的距离,需要持续的发展和完善,但在许多的场景下也能发挥不错的价值。

奇点将至或仍需祛魅 通用人工智能将通向何方?

通用人工智能之路通向何处?

复旦大学教授邱锡鹏表示,实现人工智能发展的最终目标是实现通用人工智能,这与科幻电影里的人工智能形象一样,拥有与人一样的能力,特别是完成各种任务的通用学习能力。“对此我感到乐观,因为根据目前展示出来的能力,我们离通用人工智能时代的到来并不遥远,下一步要多考虑让大模型连接现实世界,通过具身学习、跨模态学习等,让大模型与现实世界‘对齐’。”

而在今年2月25日,OpenAI CEO萨姆·阿尔特曼(Sam Altman)曾发布博客文章分享OpenAI对通用人工智能(AGI)的当前和后续规划。其中,阿尔特曼强调OpenAI的使命是确保AGI造福全人类,AGI如果被成功创造出来,可通过增加丰富度、推动全球经济发展以及帮助发现改变可能性极限的新科学知识,来帮助我们提升人类。

但同时,OpenAI在规划中也认为应当做好应对AGI带来的滥用、严重事故和社会混乱等风险,而成功应对AI部署挑战的最佳方法是采用快速学习和谨慎迭代的紧密反馈循环。随着我们不断构建出更为强大的AI系统,我们必然希望快速部署AGI并获得在现实世界中操作它们的经验。此外,渐进的方式让人们、政策制定者和机构能有时间了解正在发生的事情,亲身体验这些系统的好处和缺点,调整我们的经济组织形式,并实施有效监管。

OpenAI还称,在新技术的冲击下,社会将面临「人工智能系统被允许做什么、如何消除偏见、如何处理工作岗位流失」等重大问题。而最佳决策将取决于技术所采用的路径。

可见,正如AI大模型的演进速度和智能表现令人欣喜,市场需求和投资热情空前高涨,但依然存在算法优化、算力突破、数据安全、隐私保护、伦理规范等技术和社会方面的挑战一样,AGI带来的这场变革既是挑战也是机遇,我们应该积极探索AGI的可能性和潜力,同时也应该警惕AGI的风险和挑战。

责编:方钰洁

监制:李红梅

文章参考:

1.《像天使也似魔鬼:关于通用人工智能时代科学研究的71个问题》澎湃新闻

2.《做完GPT-4完整测评,微软爆火论文称初版AGI就快来了》机器之心

3.《专家:大型语言模型将加速实现通用人工智能》中国新闻网

4.《通用人工智能需要祛魅,冷静看待“ChatGPT们”爆火》 北京科技报

5.《通用人工智能,通向哪里》未尽研究

6.《Transformer打开了通用人工智能的一扇门?》全释AI

7.《AGI:下一个科技革命的开端?》博而不士

奇点将至或仍需祛魅 通用人工智能将通向何方?