通用人工智能，通向哪里
本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：周健工，题图来自：视觉中国
最近几个月以来，ChatGPT是个很热的话题，反映了革命性技术的一个特点：当它问世的时候，不管喜欢它还是不喜欢它，也不管理解它还是不理解它，大家都在谈论它。
通用人工智能
GPT为什么如此聪明？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。
ChatGPT是史上用户接受和渗透最快的产品。ChatGPT出来之后，两个月时间，达到了上亿用户。GPT变聪明的速度也非常快。ChatGPT推出来3个月后，GPT-4推出，从参加各种学业和专业的考试的成绩来看，很多方面已经达到甚至超过了人类的平均水平。它在数学、推理、多模态等方面的能力也有显著提升。
人类最聪明的大脑都在加速让大模型变得更加聪明。过去几年，关于人工智能的论文出现了爆炸性增长。全世界最知名的大学都在研究AI或者AI的应用。OpenAI团队都来自全球最顶级的大学和科技公司。最近的研究论文表明，GPT-4具有一些的自我反思和纠错能力的萌芽。GPT还具备了人工反馈的强化学习机制。这使得它在和人类交互中，建立起了数据、学习和智能的增长飞轮，变成了一个学习的永动机。
AI各项能力迅速提升
来源：kiela et al（2021），OurWorldinData
通用技术
那么，我们如何判断这种技术的革命性？谈到技术革命时，大家经常使用一个概念，通用技术（General Purpose Technology），缩写也正好是GPT。最近业界有两篇论文非常有意思，引起我们的关注。
第一篇是GPT-4发布之后，OpenAI、OpenResearch和宾夕法尼亚大学四位教授公布的一项研究结果。GPT-4拥有的“通才”能力，对比美国所有行业和职业中的岗位技能，可以用来分析GPT-4对劳动力的替代程度。这份报告名为《GPTs are GPTs》，标题中的第二个GPT就是通用技术。他们初步观察，GPT照这样发展下去，对就业市场的冲击非常剧烈，对劳动力在未来经济中的作用影响会非常深远，那么它可能就应该是通用技术。
第二，微软的Micosoft Research对GPT做了一百多种的单一任务测试，认为在这个产品已经开始迸发通用人工智能的火花。所以比尔·盖茨最近说“AI时代刚刚开始”。如果了解人工智能已经有70多年的历史，就会觉得这句话具有特别的含义。现在许多人已经开始站在第四次工业革命的高度看待这一轮由ChatGPT突破所引发的新一轮AI科技浪潮。
以下是我们的观察维度：
中国vs美国。当代世界上两个创新力最强大的国家，都在押注这项技术。一些技术的预测能否变成现实，最终通过创新的努力才能实现，是一个自我满足的过程。中国和美国在这个领域投入了大量的资源。从发布的论文数量来看，中国已经超过了美国，而且，中国和美国，各自都超过了后面所有国家总和。
尽管中国的论文数量超过了美国，但是美国在人工智能研究的质量上，还是明显领先于中国。在前一百位引用最高的人工智能论文排名上，基本上都是来自美国的科技公司和大学，很少看到中国的机构。
引用最高的TOP100论文的来源机构
来源：zeta-alpha
中国和美国在人工智能研究上也各有侧重。中国在应用领域发展非常快，比如说视觉领域。中国人脸识别方面取得了很多应用方面的突破；当然，视觉计算在工业领域的应用，中国也走在前列。另外，中国在实体经济领域、对周围环境感知领域做了很多创新。但是，美国做了很多底层的创新、架构的创新，或者说从第一性原理出发方面的创新。整体对比下来，美国显得少而精。
其实中国这几年一直在炼制自己的大模型。全世界几百亿、千亿以上参数规模的大模型数量，中国占全球三分之一，美国占了一半，从数量和规模上，差距不像我们以为的那么明显。
但最重要的是ChatGPT的推出，换挡了整个AI创新的节奏。它建立起了人机之间的自然语言交互，而且自然语言起到了代码的作用，迅速普及了大众，渗透到各种各样的应用场景里。对于中美的差距，大家有各种各样的说法。有的说落后一年到两年，有的说两年到三年，真正的差距，正是在这种动态累积的用户反馈中，它不仅生成内容，也生成技术。
继百度文心一言推出之后，最近大家也在谈论华为的盘古大模型，还有其他大厂或者大学在训练中的模型。中国在今年年底之前，应该会有三到四个大模型，大致相当于去年ChatGPT刚推出时水平。
开源vs闭源。在PC和智能手机时代的互联网，中国没有自己的主流操作系统；现在这种既有的局面似乎又将延伸到AI大模型时代。目前，闭源模式就是所谓的微软+OpenAI，它的芯片是英伟达A100和H100 GPU在支撑，AI时代的云+智能+硬件，类似当年的Wintel联盟。
而开源模式，主要是Google的一些大模型，以及一些学术和欧洲的机构也在做的开源大模型。所以，是不是在AI时代又产生了类似iOS和安卓两大的AI操作系统，值得关注。中国在AI时代，要有自己的操作系统，也一定会有。这一使命是由企业担当，还是由国家推动？
基础模型vs垂直大模型。基础模型似乎已经变得“万能”了。GPT-4说开放安装插件之后，很多人说它已经变成了“宇宙的中心”。企业未来怎么办？其实不用担心，在垂直领域，有丰富的“私域”数据资源和深度业务场景的公司，是可以把自己的深度应用和大模型结合起来做的。这也是目前创业者和风险资本在中国比较看好的创新机会。
大模型vs世界模型。人工智能科学家杨立昆提出，大语言模型不了解物理世界，其智能没有感官基础，不是真正的智能，它只是用统计学和概率的方法，猜测下一个单词的游戏而已，这样的模型，规模再大，也无法克服其固有的差错率。所以，他提出了一个类似人脑的世界模型，最重要是对周围环境有感知。提出这一点是有意义的，GPT距离AGI仍然相当遥远，而AGI的终局在哪里，仍有很大争议，人工智能发展可能有不同技术路径探索，保持多样化的探索是有必要的。
GPT在进入物理世界。这是通用技术很重要的特点。谷歌发的多模态模型，结合了语言模型和视觉模型，让机器人在自然语言交互下，以类人的灵活方式完成了简单的跑腿任务，它已经可以感知周围环境了。而实体经济的领域， 如在建筑、产品和基础设施的设计，制造业，新材料发现，自动驾驶合成数据，供应链及采购等领域，已经开始出现探索使用GPT技术的企业。
人工智能驱动科学研究（AI for Science）。人类和国家面临许多重大挑战，急待重大科学技术实现突破，而很多研发遇到了难以克服的障碍，时间和资金成本非常高，比如说创新药物研发；更加可持续、廉价、易用的能源；气候变化。AI改变整个科学研究范式的可能性，越来越受到重视。
中国更重视这一点。中国科技部会同自然科学基金委近期启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，围绕药物研发、基因研究、生物育种、新材料研发等重点领域科研需求展开，布局前沿科技研发体系。
劳动生产率与就业
自去年以来，大量的资金涌入生成式人工智能领域。一半的资金来自微软。实际上这个领域许多最重要的公司，背后都有巨头的影子，这也是Big Tech之争，Big Science之争。微软+OpenAI，同时挑战了其他科技企业的搜索、云计算和SaaS几大业务的市场地位。
目前算力成为一个突出的问题，一方面是中美之间的算力落差，另外一方面是中美都出现了AI算力短缺。微软内部已经出现算力不足，整体给GPT让路的情况。而中国企业则是A100GPU难求。
再来看经济增长。人工智能对于经济增长影响，有两个理论经常被用来解释。第一个是鲍莫尔病。技术提升了一些部门的劳动生产率，如制造业和农业，导致这些部门的单位产品成本越来越低，需要的劳动力越来越少，也会不断压低其产品价格。
而技术无法提升一些领域的劳动生产率，比如说，很多依靠人力或深度技艺的服务业工作岗位，如教育、医疗、政府等服务部门，这些部门的单位产出成本会越来越高，会推动其价格上涨。这样两个部门的存在，使得技术进步对整个经济的劳动生产率提升的效应并没有那么明显。
服务价格上升幅度超过商品
这就产生了索洛悖论。信息技术革命发展这么快，但是为什么表现在统计数据上，总体劳动生产率增长放缓？经济学家们争论不休，但是自动化、信息技术和人工智能把高效领域的劳动力推向低效领域，尤其是发达国家的服务比重越来越大，对劳动生产率的影响，成为一个比较有力的解释。从这一点来说，人工智能能否对整个经济带来一场生产力革命，显著提升劳动生产率，取决于它能否治得了“鲍莫尔病”。
据上述研究，对GPT暴露最小的依然是动用体力的服务业，而暴露最大的职业中，大部分是白领职业。
历史上曾经发生过这种情况。当年，Excel等电子表格出来之后，淘汰了一些数据录入和表格维护类的职业，但是它又造就了基于数据分析的新职业，而且新生的比淘汰的职业数量更多。由于GPT-4可以通过自然语言实现人机交互，大模型也表现出强大的编程能力，码农圈内已经传出声音，整个程序员职业会面临一次大清洗。这次会不会和以往不一样？
我们做了初步统计，从去年12月ChatGPT出来之后，美国在知识最密集的三个领域，硅谷、华尔街和咨询，一季度的裁员数量初步统计16万，数量已经超过了去年一整年。这固然有经济衰退方面的原因，但它首先表现为“白领衰退”，在一定程度上反映出就业市场对人工智能替代一些知识工作岗位，已经开始产生预期。
经济奇点
美国一些经济学家，在金融危机之后，面对经济增长的“长期停滞”，探讨未来增长的可能性在哪里。其中之一，就是将来通用人工智能可能全面超过人类智能，带来劳动生产率的极大提升，经济会面临一个奇点，机器基本上完全取代了人类的劳动力，会在有限时间内产生无限生产力。这个理论当然受到了AGI信仰者们的拥抱。
OpenAI联合创始人之一奥特曼（Sam Altman）相信，摩尔定律不仅是半导体的创新速度，而且适用于所有人类技术创新。
按照奇点的假设，AI会取代劳动力、资本和全要素生产率。世界上只剩下两种要素推动经济增长，一个是土地，一个是资本。这两个是创造财富最基本的要素。
当生产力达到这个程度的时候，生产关系一定要做调整。当年凯因斯所担扰的“人类闲暇的过剩”，最终导致大多数劳动力可能沦为“无用之人”。这些人要怎么养活呢？于是有人提出全民基本收入的分配制度（UBI）。对于生产力奇点的假设，一些经济学家建立各种各样的模型，发现要么根本无法实现，要么还非常遥远。
马斯克挖苦说，人工智能已经成为那些AI科技专家们创造的一个新上帝。
AI的发展，让我们知道我们不知道的，也让我们不知道我们不知道的。炼制大模型的工程，与社会实验工程正在结合。
本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：周健工，此文为在英飞凌汽车创新峰会上的主题演讲，略有调整
相关推荐
类脑智能，迈向通用人工智能新可能？
通用人工智能的四大基本问题
DeepMind最新论文：强化学习“足以”达到通用人工智能
谈谈那座圣杯：通用人工智能（AGI）
深度剖析：ChatGPT 及其继任者会成为通用人工智能吗？
YC教父奥尔特曼的雄心：将通用人工智能引入现实
强强联手，北大清华联合打造通用人工智能实验班，朱松纯领衔，首批学生已开课
语言与大模型：通向AGI之路
传奇工程师卡马克决定辞职专心搞AI：不再担任Oculus首席技术官，投身通用人工智能研究
人工智能时代，“下一代”教育从哪里入手？
网址: 通用人工智能，通向哪里 http://m.xishuta.com/newsview70110.html
