“人类能否制造出会思考的机器?”
1956年,在Alan Turing去世2年后,一群精英计算机科学家和认知科学家在美国达特茅斯学院召开了“达特茅斯人工智能暑期研究项目”,正式用“人工智能(Articificial Intelligence)”一词命名了这门研究“会思考的机器”的学科[1],人类从此开始了探索通用人工智能的伟大征程,各种学术理论百花齐放。
1956年达特茅斯会议诞生了“人工智能”一词
从AlexNet到ChatGPT,近十年人工智能发展一日千里。
2012年,伴随Geoffrey Hinton团队通过构建神经网络AlexNet在ImageNet图像分类竞赛中证明了深度学习的强大潜力,人工智能正式进入了深度学习元年,此后人工智能领域加速发展。
2017年,谷歌提出Transformer架构,“大模型”的概念从此颠覆了之前公认的“小模型、小算力”技术方向,OpenAI由此开始推出基于庞大语料训练、拥有数亿级别参数的GPT模型,并在多次迭代后终于在2022年以ChatGPT的问世引爆全球。
ChatGPT掀起的AIGC浪潮,愈发引起我们对人类智力的本质和通用人工智能的思考,也带来了一系列监管和伦理挑战。
近十年人工智能发展时间线
来源:中金公司研究部
奇点渐近?——关于通用人工智能到来时间的畅想。“通用人工智能”(Artificial General Intelligence, AGI)或许是当下最热门、同时也是最富有争议的词语之一。
谷歌DeepMind团队于2023年末发布题为“AGI的不同级别:实现通往AGI之路”的论文,用由低到高5大级别来判断AGI的能力,分别是“涌现”、“得力”、“专家”、“大师”和“超人”。[2] 其中,“涌现”指AGI能够等同于或者部分超越没有专业技能的普通人,“得力”、“专家”、“大师”和“超人”分别指AGI能够超过至少50%、90%、99%和100%的有专业技能的成年人。
谷歌DeepMind团队指出,当下ChatGPT、Gemini等AI大模型只处于第一级别“涌现”,目前还没有能够达到更高级别的AI。
虽然从这个角度看,通往AGI之路恐怕仍然漫长,但是自从GPT-4、Gemini Ultra据传达到万亿参数、逐渐逼近人脑神经元突触数量开始,我们或许已经看到了漫长隧道尽头的依稀曙光。
当前AI模型参数量与人类神经元数量的差距
来源:阿里云《人工智能应用时间与趋势》,中金公司研究部
AI监管与治理,21世纪最大的挑战之一。
通用人工智能虽然尚未到来,但如何推进人工智能的监管治理已然成为决策者案上的一大难题。
与前几次技术革新相比,本轮人工智能革命发展更加迅猛,且未来发展方向并不明确,即使是顶尖开发者也难以预测他们所开发的这项技术的未来走向,因此监管政策的出台有时恐难以追赶科技进步的速度。同时,当前新兴人工智能的应用多基于深度学习算法,相较于早期算法,它牺牲了透明度和可解释性来提高预测准确性,特别是随着目前人工智能模型规模的上升,模型将涉及复杂的非线性统计模型和海量参数,因此研究人员对人工智能系统行为表现背后的原因知之甚少。
此外,本次人工智能革命的应用领域尤其广阔,或将在金融、医疗、教育、交通等各行各业引起颠覆性的变革,随着人工智能的应用范围不断扩大,其技术本身可能存在的风险,例如技术失控、算法偏见、伦理风险等等,或在各个领域造成一系列新问题和风险,增加监管治理的工作难度。[3]
迎难而上,中国积极推动人工智能监管治理。为了应对人工智能的潜在风险,中国、欧盟、美国等主要国家和地区都已开始制定人工智能监管框架或立法。
以中国为例,2023年7月,网信办等七部委联合发布《生成式人工智能服务管理暂行办法》,采用备案制监管模式,鼓励AI生态繁荣和公平竞争,支持AIGC应用、算法、框架、芯片及配套软件平台等基础技术的自主创新。[4]
2024年政府工作报告中,“人工智能”成为热词,更是首次出现了“人工智能+”行动的表述,展现了中国政府推动AI发展的战略决心。[5]
中国各大城市也积极制定人工智能监管条例,例如上海市政府于2022年9月发布全国第一部关于人工智能的地方法《上海市促进人工智能产业发展条例》,并于2023年11月发布《上海市推动人工智能大模型创新发展若干措施(2023-2025年)》,在智能算力、芯片软硬协同生态、语料数据资源、大模型示范应用等方面提出一系列支持措施,致力于打造人工智能世界级产业集群。[6]
展望未来,在政策鼓励和人才创新的肥沃土壤上,相信中国一定能够诞生富有价值的AI模型和应用,赋能千行百业,引领智能未来。
中国人工智能治理有关政策文件
从本周开始,《格物智》将推出“AI+”系列访谈,邀请来自产业界和学术界的嘉宾一起,深入探讨人工智能与各行各业融合发展的前景和挑战。希望他们的深刻洞见和独到观点,能激发我们在“奇点时代”对技术做出更深层次的思考。