上海,觀眾在世界人工智能大會上的AI模型平臺屏幕前交流討論。新華社發(fā)
云南昆明,觀眾在第八屆南博會上等待AI機器人制作素描畫像。新華社發(fā)
工作人員在湖北武漢一家AI智慧產業(yè)園的展示中心內工作。新華社發(fā)
【圓桌對話】
【編者按】
當前,生成式人工智能技術在多個領域展現出廣泛的應用潛力,逐漸成為科技領域的關注焦點。
國家互聯網信息辦公室最新數據顯示,截至目前,我國已經完成備案并上線、能為公眾提供服務的生成式人工智能服務大模型已達180多個,注冊用戶突破5.64億。
大模型如何進一步賦能千行百業(yè)?今后還需要在哪些方面重點發(fā)力?本期,我們邀請專家學者就生成式人工智能發(fā)展過程中遇到的難點問題和未來發(fā)展趨勢進行探討,為讀者呈現這一領域的最新動態(tài)。
大模型是通向通用人工智能的路徑嗎?
記者:有人說,大模型改變了人類對于整個世界的認知方式,讓我們看到了實現通用人工智能的路徑。您對這個觀點怎么看?
朱曉峰:相較于傳統(tǒng)的人工智能,以大模型為核心的人工智能具有自主生成能力,不再是人類工程師教它什么,它會什么,而是在一定程度上像人類一樣具有了自主學習和輸出能力,可以從事那些人類工程師未事先賦予其相應能力的工作。這與通用人工智能的方向具有一致性。一般認為,通用人工智能具備三個關鍵特征,分別是自主定義任務、完成無限任務以及由價值驅動。雖然現有的生成式人工智能還不具備其中的任何一個特征,但大模型的出現和迅速發(fā)展,使我們看到了實現通用人工智能的可能道路。從這個意義上講,這個判斷是準確的。
嚴駿馳:大模型技術正在以驚人的速度重塑我們對世界的認知,并為未來的智能技術開辟了廣闊的前景。這些技術通過處理和分析大量數據,展現出了令人矚目的智能特性。然而,要實現真正的通用人工智能,我們可能還需要更深入的理解和更復雜的技術創(chuàng)新。
一方面,我們要知道大模型的“智能”并不是真正意義上的“智能”。當前的大型模型雖然在規(guī)模上達到了前所未有的水平,但它們的智能層次仍有局限性。這些模型能夠執(zhí)行特定的記憶任務,然而,真正的智能遠不止于此。它涉及復雜的因果推理、邏輯思維等高級認知能力,這些是目前大模型所缺乏的關鍵要素。要實現通用人工智能,我們必須超越這些局限,模擬出更接近人類智能的全面認知能力。
另一方面,我們需要了解實現真正“智能”的關鍵所在。大模型的智能程度高度依賴于數據和計算資源,這種依賴導致它們的智能更多是基于統(tǒng)計和記憶,而非深刻的理解或創(chuàng)造性。真正的智能應該能夠識別和糾正現有知識的不足,并有能力探索和創(chuàng)造新知識。這是目前大模型所未能觸及的領域,也是未來智能技術發(fā)展的關鍵所在,我們還需要創(chuàng)新的算法和更深層次的認知理解。
大模型技術的發(fā)展為我們展示了實現通用人工智能的潛在路徑,未來的智能技術發(fā)展將依賴我們在認知模型、算法創(chuàng)新和倫理研究等方面的持續(xù)努力和探索。
陳昌鳳:反過來說,是人類的認知革命驅動了大模型的誕生。大模型是科學發(fā)展與哲學變遷的產物。牛頓經典力學理論帶動了自然科學的第一次大發(fā)展,催生了與之相適應的哲學思維——整個宇宙是機械運動的結果,生命乃至人類也可被看作機器,生命運動可以用機械運動去解釋了。
從20世紀中期開始,伴隨著生物學和計算機科學的發(fā)展,人們嘗試以計算的抽象思維去認識和把握世界。人工智能的奠基者圖靈把人的大腦看作離散態(tài)的機器,論證認為人類心靈活動實質上是信息處理過程。計算機的奠基人馮·諾依曼提出細胞自動機的理論,認為生命的本質是計算的過程,此后更多的研究用計算思維來認識和理解生命,將生命的過程還原為計算的過程。
認知科學由此也掀起了變革熱潮。人類智能的可計算性是基礎,認知計算主義認為,人類大腦和計算機都被看作一套處理符號的形式系統(tǒng),人類的計算、感知和認知等智能行為,都可以被數據化、符號化,成為計算機模擬、處理的對象。這些都是人工智能發(fā)展的理論基礎。在嘗試了不同的路徑之后,辛頓等科學家研究出了深度學習、神經網絡系統(tǒng),從而驅動了這一輪大模型的誕生。可以肯定的是,這一場技術變革將帶來更深層次的認知變革,將進一步破解人類的思維密碼。
高質量中文語料短缺難題如何破解?
記者:目前普遍認為,大模型技術的發(fā)展仍面臨諸多挑戰(zhàn),其中最突出的問題之一是數據支持的不足,尤其是高質量的中文語料短缺,難以支撐算法模型的持續(xù)迭代和優(yōu)化。這個問題如何破解?
陳昌鳳:當前,國際最先進的大模型幾乎已經“學完”了人類已有的可獲得的數字化文獻。有研究指出,根據2023年數據消耗速度,高質量語言數據將在2026年前被耗盡,低質量語言數據將在2030年至2050年被耗盡;視覺數據將在2030年至2060年被耗盡。
國際上,文本數據使用殆盡,而數據流通與版權保護形成的矛盾也限制了大模型的數據可使用性。已經有很多信息巨頭公司正在將視覺化信息、音頻類信息轉為可訓練的文本數據。有消息指出,大量轉錄的音頻數據已經用于模型訓練,不少“合成數據”也已經開始受到青睞。
中文數據方面確實存在先天不足。一方面,在上世紀末的數字化浪潮中,中文領域對數字化的重視和投入均不足,初期的數字化信息質量也參差不齊,欠缺再利用的價值;另一方面,網絡信息存儲和數據化建設均難與技術發(fā)展相同步、相匹配。此外,迄今引進的部分數據庫,帶著固有的價值觀烙印。亡羊補牢,為時未晚。如果從頂層設計部署到實踐落實能夠重視、彌補,相信仍有意義。
嚴駿馳:在大模型技術發(fā)展的道路上,高質量中文語料的短缺問題日益凸顯,成為制約技術迭代和優(yōu)化的重要因素。為解決這一挑戰(zhàn),可以通過以下措施來提升中文語料的質量和可用性:
一是挖掘和整合國內中文資源。我國擁有龐大的中文報紙、期刊、網站和App資源,這些都是構建高質量中文語料庫的重要基礎。例如,中國的報紙種類繁多,App市場活躍,國家圖書館的中文藏書也極為豐富。我們需要深入挖掘和整合這些資源,以提升中文語料的質量和多樣性。
二是加強數據合規(guī)監(jiān)管。政府部門和監(jiān)管機構需要建立相應的監(jiān)管機制,以確保人工智能領域的數據合規(guī)。這包括對大模型的數據采集來源、處理方法以及合規(guī)性進行監(jiān)督和審查。同時,我們還需建設集中的數據共享平臺,在保證數據合規(guī)的前提下,增強中文數據的可用性,以推動大模型技術的發(fā)展,同時保障各方的合法權益。
朱曉峰:還有兩點也很重要。一是建立統(tǒng)一的中文語料庫編碼規(guī)范標準,提高中文語料數據的可使用性。我國目前的中文語料庫的國家標準有《信息處理用現代漢語分詞規(guī)范》《信息處理用現代漢語詞類標記規(guī)范》等,但這些只是作為推薦性標準,行業(yè)采用率不高。實踐中不同中文語料庫采用不同的編碼規(guī)范標準,形成了語料庫之間的異構性,數據資源之間難以相互轉換,同時導致重復建設。對此,考慮到元數據標準規(guī)范是中文語料庫標準規(guī)范中最有條件、最容易實行的規(guī)范,可以依據這一規(guī)范,建設相應的中文語料庫。
二是建立Web檢索,搭建由國家、省市圖書館和各高校圖書館主導的中文語料庫資源共享平臺,推動中文語料庫共享進程。Web檢索為語料庫的訪問提供了便利,但在實際應用中,尤其是對于語言信息處理研究和人工智能的使用來說,往往需要獲取語料庫的全文或特定子庫的內容,這就對現有的Web檢索系統(tǒng)提出了更高的要求,即需要建立更加廣泛、全面且易于使用的中文語料庫資源,以便滿足這些高級需求。這意味著在現有Web檢索技術的基礎上,還需要不斷優(yōu)化和完善語料庫的組織結構、檢索方式以及用戶界面等,以提高語料庫資源的可訪問性和易用性。
大模型的“新藍海”在哪里?
記者:目前,大模型已經在自動駕駛、醫(yī)療健康等領域展現出巨大潛力。未來,大模型可能會在哪些領域開拓出新的“藍海”市場?
陳昌鳳:大模型橫空出世不足兩年,一些“大模型”已經朝著“小模型”的方向轉變,比如著力于開拓垂類應用模型——教育類、金融類、政務服務類、媒體類、醫(yī)療健康類等,并取得了可見的成效。一些可能朝著更細化的AI Agent(智能體)應用方向發(fā)展。目前一些人工智能產業(yè)正從應用層中尋求創(chuàng)新和價值。
嚴駿馳:現階段,我國生成式人工智能的應用主要聚焦于醫(yī)療、汽車、教育、金融、文化等消費級場景,但在高精尖領域,如自動化定理證明、電路芯片設計、科學文檔理解和發(fā)現以及圖表理解等方面,大模型技術的應用潛力尚未得到充分開發(fā)。這些領域對于技術的要求更高,同時也具有更大的創(chuàng)新空間。
大模型技術在數學和邏輯推理方面有很大的潛力。通過處理和分析大量的數學和邏輯數據,大模型可以輔助自動化定理證明,提高證明過程的效率和準確性。例如,大模型可以輔助證明復雜的數學定理,幫助數學家解決一些長期未解的問題。此外,大模型還可以輔助自動化推理,例如在編程語言和形式化驗證中的應用,從而提高軟件開發(fā)和系統(tǒng)設計的效率和質量。
大模型技術在芯片設計領域也值得關注。通過引入大模型技術,可以優(yōu)化設計工作流程,縮短設計時間,并優(yōu)化功耗、性能和面積。這不僅提高了設計效率,還幫助開發(fā)者解決整個系統(tǒng)堆棧中的復雜問題。此外,大模型還可以協助完成一些重復性的探索工作,幫助開發(fā)者更快達成目標,如優(yōu)化測試周期、提高覆蓋率并最小化測試向量數量等。
大模型技術在科學文獻分析方面的應用也顯示出巨大潛力。通過處理和分析大量的科學文獻數據,大模型可以幫助科學家更好地理解和發(fā)現科學知識。例如,大模型可以輔助科學家從大量的科學文獻中提取關鍵信息,發(fā)現新的科學關聯和趨勢,從而推動科學研究的進展。此外,大模型還可以輔助科學文獻的自動分類和索引,提高科學文獻的檢索效率和準確性。
在大模型技術的發(fā)展中,圖表理解領域的研究也值得期待。大模型技術能夠幫助理解和分析圖表數據,提取關鍵信息,并應用于各種領域,如市場分析、金融預測等。這種技術的應用能夠提高數據分析和決策制定的效率和準確性。
朱曉峰:大模型技術的特性和產業(yè)發(fā)展的要求決定了其需要大規(guī)模和長周期的投入和布局。在此過程中,我們不僅要尊重市場規(guī)律,肯定企業(yè)自身的努力,更要充分發(fā)揮國家層面的引導作用。例如在大模型基礎設施建設、產業(yè)引導等方面,做出更多政策上面的引導和支持。
同時,在一些特定領域,如醫(yī)療、生命科學、數字城市等,我國擁有獨特的優(yōu)勢。應當充分利用并發(fā)揮這些優(yōu)勢,通過大模型來驅動創(chuàng)新,從而帶動人工智能產業(yè)的全面發(fā)展進步。
主持人:
記者 方曲韻
本期嘉賓:
清華大學新聞與傳播學院教授 陳昌鳳
中央財經大學法學院教授 朱曉峰
上海交通大學人工智能學院教授 嚴駿馳