李国杰：人工智能“大力出奇迹”的背后是什么？

【文/李国杰】

人工智能已经取得非凡的突破，国际称为“phenomenal breakthrough”。phenomenal 本身有“非凡”的意思，可能是最早翻译有关文章的学者英文水平不高，杜撰了“现象级突破”这个吸引眼球的奇怪中文，通过网络传播就被大家接受了。现象应该比本质低一个层次，但是“现象级”又被说成是最大的突破，历史上只有几次，两者相矛盾。这是语言传播中将错就错的一个案例。其实就是一个了不起的突破，一个非凡的突破。

李国杰院士

我的看法是，生成式人工智能（AIGC）大大加速了人类向智能时代迈进的步伐，知识自动化的普及已成为第四次工业革命的标志，机器涌现理解能力对人类社会的影响绝不可低估。人工智能现在到底发展到什么水平？不同人有不同的看法。有些“预言家”和媒体人士认为“奇点”临近，人类已危在旦夕。但严肃的人工智能学者大多比较冷静，认为人工智能仍处在伽利略（开普勒）时代或牛顿时代前夜

总的来讲，对人工智能的看法应该一分为二，也就是“两点论：一是人工智能技术在应用层面已取得前所未有的重大突破，对经济和社会发展将产生深远的影响；二是它在科学上尚未成熟，还需要做深入的基础研究。

这一波人工智能令人既欣喜又困惑。大模型的开发与应用成为人工智能发展的重要趋势，这导致算力消耗从占全球能源的3%，增长到近几年的10%，预计到2030年可能会达到30%甚至更高。如果按算力4个月翻一番的速度增长，10年内算力要增长十亿倍。急速增长的算力需求对现有能源体系提出了巨大挑战。核聚变能源和量子计算技术普及以前难以满足这种爆炸式的需求。目前我们还无法确定大语言模型（LLM）是否就是人工智能发展的终极方向，有不少学者对此仍持保留态度。我这个报告尝试从计算模式演变的角度探讨“大力出奇迹”背后的原因，并提出计算机科学领域的专家们需要关注的研究方向。

OpenAI 首席执行官山姆 · 奥特曼也表示，人工智能将消耗比人们预期更多的电力，未来的发展需要能源突破。 图源：pixabay

我从Richard Sutton 2019年写的一篇文章谈起，这是OpenAI员工必读的一篇博客文章。Sutton是 DeepMind 公司的杰出研究科学家，被誉为“强化学习教父”。他在这篇文章中做出一个重要结论：“苦涩的教训：人工智能研究人员一直试图将人类已知的知识构建到他们的智能体中，长远来看，这种方法停滞不前，唯一重要的是利用计算。突破性进展最终是通过相反方法，基于搜索和学习实现的。这种成功带有苦涩，因为不是以人为中心的方法，而是依靠机器学习。”

这个教训包含两层含义：一是传统上我们强调知识的重要性，认为“知识就是力量”，当然知识依然是一种力量，但数据和算力同样是强大的力量，它们结合起来能够产生新的知识；二是知识不一定由人创造，有可能是由机器生成，而人类尚不了解，这就是令人感到苦涩的原因。

理查德·萨顿（Richard Sutton），阿尔伯塔大学计算机学教授。

GPT-4等智能技术，与20年前的人工神经网络理论本质上并无差异，其原理可追溯至1943年麦卡洛克和皮茨提出了神经元计算模型。GPT4和Sora等智能生成技术并没有提出新的人工智能原理，OpenAI和谷歌等公司主要起到工程放大作用。当前流行的一句话是“规模即所需”（scale is all you need），我个人认为这种说法并不是严格的科学判断，只能认为是一种“假设”或“经验规律”，甚至是一种“信仰”或者说“豪赌”。