美女簪花資訊網

劉志毅/文

我們正處在大模型的理解時代，它被視為一個巨大的時代轉折點，如同從“馬車”時代跨越到“汽車”時代。理解游客在三亞遭遇“鐵皮石斛刺客”而這個比喻并不過分。時代在馬車時代，理解人工智能的時代進展更多地依賴于人的智力和創造力，如同拉動馬車前進的理解馬。然而，時代隨著生成式AI的理解發展，我們已經進入了AI的時代“汽車”時代，大模型成為了人工智能的理解發動機。

然而，時代游客在三亞遭遇“鐵皮石斛刺客”這樣的理解比喻并不能完全精確地描繪當前人工智能的發展現狀。事實上，時代如果我們深入觀察汽車工業的理解發展歷程，我們可以發現，當前的人工智能可能仍處在“蒸汽機時代”。這個階段的特點是技術尚處在初級階段，且對能源的依賴性極高。這在AI領域也有所體現：大模型需要大量的數據和計算資源，且面臨泛化能力有限、可解釋性差等問題。

我們必須警惕的是，將大模型視為通用人工智能的唯一道路可能是一種誤解。就如同汽車工業的發展并非僅僅依賴于發動機技術的進步一樣，實現真正的通用人工智能也需要我們在多個層面進行技術創新。包括但不限于模型的設計、訓練算法的改進、以及對模型決策過程的理解和解釋等等。

此外，我們也不能低估實現通用人工智能的難度。就如同從蒸汽機時代過渡到現代汽車工業的水平需要經歷諸多技術革新和社會變革一樣，實現真正的通用人工智能也同樣需要我們在技術、社會甚至哲學層面進行深入的思考和探索。這既是我們需要警惕的地方，也是我們在這個風口中需要深度反思的地方。

智能時代正在將我們帶向一個從學習驅動到全面普及的新境界。這個趨勢的深遠影響不僅改變了我們的生活方式，更改變了我們對智能的理解。智能，作為一種自然現象，其普及化原則正與自然智能的本質相吻合。我們從中看到，人工智能正在步入一個與自然智能并行的時代。

從諾伯特?維納提出的“閉環反饋”理論中，我們可以領略到智能如何通過學習自我改進的過程。在閉環系統中，智能體通過不斷觀察、學習和適應環境，以實現自我優化，這一過程既符合生物進化的規律，也為人工智能的發展提供了理論支持。

然而，我們對智能的理解并未止步于此。我們正在嘗試構建新的圖靈機范式，如意識圖靈機，來進一步揭示智能的奧秘。這種范式試圖通過對自我意識的模擬，來復雜化和深化我們對智能的認知。

同樣值得我們深思的是“意識劇院”的理論，以及對“意識難題”的探索。這些理論和探索挑戰了我們對智能的既定認識，使我們不得不重新審視智能的本質：智能是否僅僅是算法和數據的組合？或者，智能還包含了某種我們尚未理解的，與意識相關的特性？

智能時代的到來無疑為我們提供了無限的可能性和機遇。它推動我們不斷探索，直到我們找到解答。正如人工智能的發展歷程一樣，我們的認知也在不斷地擴展和深化。因此，我們有理由相信，未來的智能時代將為我們揭示更多關于智能本質的秘密，也將引領我們走向一個更為廣闊的未知領域。

在全球范圍內，大型語言模型和通用人工智能正在對各行各業產生巨大的影響，為我們帶來前所未有的機遇和挑戰。這些發展的背后，是深度學習技術的飛速進步。然而，當我們沉浸在其潛力的炫目光芒中時，我們也必須直面其帶來的問題和困擾。這其中最主要的問題包括了模型的可解釋性不足、計算資源的大規模消耗、模型穩定性的問題以及安全性漏洞。

這些問題在很大程度上源于我們對“智能”的理解和應用方式?，F有的深度學習模型，無論是分類器還是生成器，多數基于開環系統，訓練過程往往依賴于監督學習或者自監督學習。這樣的系統雖然能夠通過大規模的計算資源和龐大的模型參數來提升模型性能，但也暴露出了無法自動糾正預測錯誤以及對環境變化的適應性不足的問題。這些問題的解決，不能僅僅依靠“蠻力”——擴大模型規模和增加算力。

為了深入解決這些問題，我們必須重新審視并理解“智能”的本質。從現象本源出發，跳出傳統的框架，重新探索如何構建和理解人工智能系統，這是我們面臨的任務。換句話說，我們需要從新的視角去思考和理解“智能”，尋找新的模型和方法，以便我們能夠真正解決現有問題，實現人工智能的巨大潛力。

（本文作者系上海交通大學計算法學與人工智能倫理研究中心執行主任、中國人工智能學會AI倫理工作委員會委員）