6月21日消息,今日,北大光華管理學(xué)院聯(lián)合騰訊,宣布升級(jí)“數(shù)字中國(guó)筑塔計(jì)劃”,共同推出“企業(yè)管理者人工智能通識(shí)課”系列課程。在第一課上,騰訊集團(tuán)高級(jí)執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生,簡(jiǎn)要回顧AI的歷史,系統(tǒng)詮釋了大語言模型推動(dòng)的技術(shù)變革,行業(yè)落地的挑戰(zhàn)與應(yīng)對(duì),以及企業(yè)擁抱大模型的基本準(zhǔn)則。
湯道生回顧了AI發(fā)展的歷史,表示算法創(chuàng)新、算力增強(qiáng)、開源共創(chuàng)三大因素的疊加,構(gòu)成了AI的“增長(zhǎng)飛輪”。
大模型的快速進(jìn)步,推動(dòng)我們正在進(jìn)入一個(gè)被AI重塑的時(shí)代。湯道生表示,大模型只是起點(diǎn),未來,應(yīng)用落地的產(chǎn)業(yè)變革是更大的圖景。企業(yè)過去的研發(fā)、生產(chǎn)、銷售、服務(wù)等環(huán)節(jié)中,有很多依賴人來判斷、協(xié)調(diào)與溝通的地方,今天都值得去看看,哪些環(huán)節(jié)可以疊加AI的生產(chǎn)力,來提質(zhì)、降本與增效。
“AI對(duì)世界的改變,一定是通過與產(chǎn)業(yè)融合實(shí)現(xiàn)的。機(jī)器決策、自主生成、自然交互等一系列變革,將推動(dòng)產(chǎn)業(yè)實(shí)現(xiàn)更高效率、更低成本、更好體驗(yàn)和更大創(chuàng)新。未來的企業(yè),也將向智能原生進(jìn)化?!?/p>
以下為演講全文:
大家好!非常高興參加今天的發(fā)布會(huì),一起探討產(chǎn)業(yè)智能化升級(jí)。隨著大語言模型的發(fā)展,我們正在進(jìn)入一個(gè)被AI重塑的時(shí)代,從生產(chǎn)銷售、組織人才,到產(chǎn)業(yè)革新、社會(huì)發(fā)展,都會(huì)發(fā)生劇烈的變化。
許多企業(yè)管理者也在思考,如何把大模型技術(shù)應(yīng)用到自己企業(yè)場(chǎng)景中,比如在客服與營(yíng)銷環(huán)節(jié),為業(yè)務(wù)經(jīng)營(yíng)帶來更多降本增效?如何在使用大模型時(shí),保護(hù)企業(yè)數(shù)據(jù)的產(chǎn)權(quán)與隱私?如何降低大模型的使用成本?這些都是企業(yè)管理者需要考慮的現(xiàn)實(shí)問題。
今天,我們和北京大學(xué)光華管理學(xué)院攜手共建的“企業(yè)家人工智能通識(shí)課”,就是期望能夠幫助大家,在前沿技術(shù)理解、公司組織變革、商業(yè)模式驗(yàn)證、模型實(shí)際落地等重要問題上,一起尋找新的解題思路。
在這里,我也分享一些對(duì)人工智能和產(chǎn)業(yè)融合的想法,跟大家探討,如何以AI驅(qū)動(dòng)產(chǎn)業(yè)變革。
我想從四個(gè)部分,分享一下自己的觀察和看法,包括AI的歷史、技術(shù)現(xiàn)狀、產(chǎn)業(yè)落地和帶給我們的挑戰(zhàn)。我先從技術(shù)發(fā)展的角度,回顧一下AI發(fā)展史,這會(huì)幫助我們更好的理解人工智能的現(xiàn)狀和未來發(fā)展。
一、人工智能發(fā)展歷程
1950年,人工智能之父圖靈在論文中,提出了一個(gè)關(guān)鍵問題:“機(jī)器是否可能具有人類智能?”由此誕生了“人工智能”的概念。
人工智能究竟是什么?它是一門研究、開發(fā),如何模擬、擴(kuò)展人的智能的科學(xué)。包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理等方向。
簡(jiǎn)單說,就是研究怎么讓機(jī)器和人一樣,會(huì)聽會(huì)說,會(huì)看,會(huì)思考,可以行動(dòng)。其中尤其重要的一個(gè)方面,是讓機(jī)器掌握語言,從理解、學(xué)習(xí),到生成表達(dá),這也是今天,GPT-4這樣的大模型所表現(xiàn)出來這種“超能力”。
語言是人類思維最重要的載體,《人類簡(jiǎn)史》作者尤瓦爾(Yuval)甚至說,通過掌握語言,人工智能已經(jīng)破解了人類文明的操作系統(tǒng),掌握了通往未來的“萬能鑰匙”。
過去40年,AI發(fā)展不斷加速。也有一些大眾熟知的標(biāo)志性事件,比如,IBM的專用超算機(jī)深藍(lán),在1995年,通過窮舉棋盤上所有可能性,奪得國(guó)際象棋世界冠軍。2016年,AlphaGo結(jié)合深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí),在圍棋上打敗李世石。還有AlphaFold對(duì)生物科學(xué)的貢獻(xiàn),把蛋白質(zhì)的折疊做到非常高的精度。再到最近讓大眾風(fēng)靡的ChatGPT、GPT-4,文生圖技術(shù)Midjourney、Stable Diffusion等等。
這些事件的背后是底層技術(shù),特別是神經(jīng)網(wǎng)絡(luò)的持續(xù)突破。1986年,深度學(xué)習(xí)之父杰弗里·辛頓(Geoffrey Hinton)發(fā)明反向傳播算法,奠定了現(xiàn)代機(jī)器學(xué)習(xí),用數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)。
神經(jīng)網(wǎng)絡(luò)計(jì)算模型的原理,是通過模仿人腦構(gòu)建人工神經(jīng)元模型,以多層架構(gòu),層層抽象。
隨后,模型架構(gòu)不斷創(chuàng)新,比如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等,帶來了深度學(xué)習(xí)的大發(fā)展。最近一次重要的突破是2017年,Google多名研究員發(fā)布了一篇開創(chuàng)性的論文《Attention is all your need》,提出Transformer架構(gòu),以自注意力來表達(dá)序列中每個(gè)單詞的關(guān)聯(lián),今天包括GPT在內(nèi)的AI模型,都是在這個(gè)Transformer通用框架上衍生而來。
AI的發(fā)展,除了底層技術(shù),還要受到算力等因素的限制。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練非常消耗算力,在80年代,計(jì)算機(jī)能力僅能支撐淺層神經(jīng)網(wǎng)絡(luò),當(dāng)時(shí)一個(gè)較為典型的神經(jīng)網(wǎng)絡(luò)只有1960個(gè)參數(shù),連最簡(jiǎn)單的文字識(shí)別基本都無法完成。哪怕到了2000年代初,算力仍然是瓶頸,可供訓(xùn)練的在線數(shù)據(jù)也不足。
到了最近20年,硬件算力不斷提升。一方面,摩爾定律讓芯片計(jì)算能力持續(xù)翻翻;另一方面,高速網(wǎng)絡(luò)與分布式計(jì)算技術(shù),也讓計(jì)算機(jī)集群規(guī)模不斷擴(kuò)大。2000年代中,英偉達(dá)打造了CUDA,把GPU變得更通用與可被編程,一下從圖形渲染,延展到科研超算領(lǐng)域?;诓煌脑O(shè)計(jì)理念,GPU重點(diǎn)攻克并發(fā)的向量計(jì)算,單個(gè)GPU的算力,比過去基于CPU的算力多了一千倍。加上互聯(lián)網(wǎng)的高速發(fā)展,快速增加了可訓(xùn)練的數(shù)據(jù),讓神經(jīng)網(wǎng)絡(luò)可以做到更大、更深、更多參數(shù)、更復(fù)雜的模型結(jié)構(gòu),由此誕生了千億級(jí)以上參數(shù)的大模型。
此外,全球產(chǎn)學(xué)研力量,攜手開源共創(chuàng),也是人工智能快速突破的重要因素。無論是科研論文、數(shù)據(jù)集、模型算法,還是軟件平臺(tái),一代一代的人工智能科學(xué)家,都無私的開放自己的研究成果,讓后來者能在前人的基礎(chǔ)上不斷前進(jìn)。
在開源軟件方面,全球高校與科技企業(yè),都為開發(fā)者貢獻(xiàn)了多種AI訓(xùn)練與推理框架,還有大量數(shù)據(jù)處理工具。
到今天,大量各類預(yù)訓(xùn)練的開源模型,都能從huggingface、github等平臺(tái)下載,讓全球研究人員可以在各種開源模型上搭建服務(wù),與優(yōu)化出更好的模型。
開源共創(chuàng)、算法創(chuàng)新、算力大幅增強(qiáng),這些因素疊加,構(gòu)成了AI的“增長(zhǎng)飛輪”。 GPT-4、PaLM2、LLaMa等大模型的問世,讓大家看到了通用人工智能的曙光。
二、大模型推動(dòng)智能變革
如果說,大語言模型已經(jīng)涌現(xiàn)出一定的智能現(xiàn)象,也就應(yīng)該能產(chǎn)生出,在訓(xùn)練數(shù)據(jù)中從來沒有出現(xiàn)過的新組合內(nèi)容。
通過這個(gè)畫畫的案例,我們可以看到現(xiàn)在的AI大模型處理問題的方式,不再是靠完整的保存與復(fù)制,而是通過理解指示后,把訓(xùn)練過的知識(shí)重新組合生成的。
可以看出,大模型可以按照指令,逐步畫圖,比如,用字符來畫一個(gè)人出來。其中用字母O表示臉,用字母Y表示軀干,再用H表示雙腿。第一次畫的并不理想,但可以根據(jù)反饋,調(diào)整身體、手的比例,給小人穿上衣服。是一個(gè)不斷反饋和調(diào)整的過程。
另一方面,著名的圖靈測(cè)試,就是在對(duì)話中能否識(shí)別出對(duì)方是人還是AI,在今天已經(jīng)不足以評(píng)估人工智能的智能程度。
如果做題考分是評(píng)估人的智能最直接的工具,那么大語言模型在語言理解與邏輯推理能力上,已經(jīng)超過了平均人類的水準(zhǔn)。
在編程領(lǐng)域,GPT-4參加了亞馬遜的模擬技術(shù)考試,拿到了滿分,這個(gè)考試規(guī)定的時(shí)長(zhǎng)是兩小時(shí),它只用了不到4分鐘。在美國(guó)GRE和生物奧林匹克競(jìng)賽考試當(dāng)中,GPT-4也超過99%的人類;模擬律師資格考試的成績(jī),大約是前10%。此外,谷歌的Med-PaLM 2,也在美國(guó)醫(yī)療執(zhí)照考試中達(dá)到了專家水平。
最近,OpenAI又給ChatGPT API增加了函數(shù)調(diào)用能力,這意味著大模型也能使用工具了。自己不具備的能力,可以靠各種第三方服務(wù)嘗試解決,大大增加了通用大模型解決問題的能力。
大語言模型代表人工智能的發(fā)展,已經(jīng)達(dá)到了一個(gè)新的高峰,有卓越的語言理解、強(qiáng)大的邏輯推理與溝通能力,能帶入角色,主動(dòng)思考。
用大量數(shù)據(jù)預(yù)訓(xùn)練的模型也推動(dòng)機(jī)器視覺、語音識(shí)別、機(jī)器人等AI能力發(fā)生新的突破。通過對(duì)機(jī)器想、聽、看、動(dòng)等能力的整合,AI也將真正成為人們的工作和生活助手。
首先,基于多模態(tài)的大模型,計(jì)算機(jī)視覺從“能看”到“看懂”。
在銀行業(yè)務(wù)中,要處理很多的回單、發(fā)票、申請(qǐng)書、業(yè)務(wù)郵件等數(shù)據(jù),例如我們合作的一家商業(yè)銀行,在資產(chǎn)托管業(yè)務(wù)中,每天需要處理1萬多件郵件和傳真。來自投資、保險(xiǎn)、融資等等不同的業(yè)務(wù)系統(tǒng),內(nèi)容有票據(jù)、證件照片等等,多種樣式??咳斯ぬ幚恚浫胂到y(tǒng),費(fèi)時(shí)費(fèi)力,就需要借助更智能的機(jī)器識(shí)別。
在傳統(tǒng)的算法模型下,需要輸入2千張的單據(jù),機(jī)器才能識(shí)別一種單據(jù),也沒有整理成表格或者標(biāo)簽的能力。
現(xiàn)在,基于大模型能力,我們的TI-OCR只需要50張被標(biāo)注的單據(jù),就可以快速識(shí)別一種類型的單據(jù)。同時(shí)可以根據(jù)分析能力,自動(dòng)提煉核心標(biāo)簽,生成電子數(shù)據(jù)文件,進(jìn)行后續(xù)的商業(yè)分析。
大語言模型不僅懂多種人類語言,還掌握多種程序語言,還可以幫助程序員寫代碼。
我們也打造了騰訊云新一代AI代碼助手,實(shí)現(xiàn)AI對(duì)代碼的理解,輔助程序員編寫、排錯(cuò)與測(cè)試,為軟件研發(fā)的全流程助力,提高開發(fā)效率與代碼質(zhì)量。
這是上周新發(fā)布的一段視頻。騰訊Robotics X機(jī)器人實(shí)驗(yàn)室的機(jī)器狗Max,能力又升級(jí)了。大家可以看到,兩只機(jī)器狗正在進(jìn)行一段障礙追逐賽,把他們隨機(jī)放到場(chǎng)地中,一個(gè)追,一個(gè)躲,還有一面隨機(jī)出現(xiàn)的旗子。躲的機(jī)器狗,要努力在不被抓到情況下,摸到旗子,摸到旗子后,角色調(diào)轉(zhuǎn)。
在這個(gè)過程中,兩只機(jī)器狗要實(shí)時(shí)的根據(jù)對(duì)方的行動(dòng),判斷自己的行為,同時(shí)還要惦記著目標(biāo),也就是碰到旗子,或者抓住對(duì)方。同時(shí),在碰到旗子后要馬上修正自己的策略。
通過這個(gè)視頻,我們能看到,機(jī)器狗的行動(dòng),也因?yàn)轭A(yù)訓(xùn)練AI模型和強(qiáng)化學(xué)習(xí)的加入,具有了更好的靈活性和自主決策能力。
大語言模型不僅能與人溝通,更重要的是通過模型的精調(diào),可以按需求產(chǎn)生一系列的執(zhí)行步驟,比如聯(lián)網(wǎng)調(diào)用不同插件的能力,加上多模態(tài)讓AI同時(shí)能看懂圖,聽懂話,會(huì)規(guī)劃,能行動(dòng),這樣就可以做出更強(qiáng)大的應(yīng)用,讓AI更像真正意義上的智能助手,完成更高級(jí)的任務(wù)。
比如,線上廣告投放員,每天需要刷新大量廣告素材,確保廣告投放的ROI,如果結(jié)合廣告效果數(shù)據(jù)與文生圖能力,可以不斷地根據(jù)數(shù)據(jù)分析,生成投放策略,調(diào)整投放渠道,并且針對(duì)性的生成投放素材,自動(dòng)化程度與效率都會(huì)更高。
三、企業(yè)擁抱大模型的方式和路徑
這么多變革匯聚在一起,也意味著海量的創(chuàng)新即將爆發(fā)。大模型只是起點(diǎn),未來,應(yīng)用落地的產(chǎn)業(yè)變革是更大的圖景。
事實(shí)上,不管哪個(gè)行業(yè),都應(yīng)該積極擁抱AI,過去的研發(fā)、生產(chǎn)、銷售、服務(wù)等環(huán)節(jié)中,都有很多依賴人來判斷、協(xié)調(diào)與溝通的地方,今天都值得我們?nèi)タ纯茨男┉h(huán)節(jié),可以疊加AI的生產(chǎn)力,來提質(zhì)、降本與增效。
目前,海外一些大型企業(yè),已經(jīng)開始投資及采用大模型技術(shù)。比如,摩根士丹利直接接入 GPT-4,用它整合、解析,海量的投資策略和市場(chǎng)研究報(bào)告,給投資顧問提供直接的參考。
根據(jù)自媒體《量子位》的分析,我們可以看到,生成式AI(AIGC)對(duì)不同行業(yè)的影響程度與接受程度。圖中能看到,內(nèi)容與電商產(chǎn)業(yè)受到影響最明顯,像文生圖的技術(shù),將會(huì)大大改變內(nèi)容制作的流程與成本。
既然大模型這么重要,在座的企業(yè)家與管理者,可能也會(huì)問,我們?nèi)绾伟阉迷谄髽I(yè)上,抓住技術(shù)變革的紅利?
我可以給企業(yè)管理者一些建議:
第一,聚焦企業(yè)自身業(yè)務(wù),挑選具體場(chǎng)景,讓AI成為服務(wù)的增量。
第二,確保訓(xùn)練數(shù)據(jù)質(zhì)量,梳理出測(cè)試用例,建立上線評(píng)估流程。
第三,確保服務(wù)合規(guī),同時(shí)關(guān)注數(shù)據(jù)的產(chǎn)權(quán)與隱私。
第四,使用云廠商工具,搭建一體化的模型服務(wù),這樣效率比較高,節(jié)約訓(xùn)練、運(yùn)維的成本和時(shí)間。
在具體實(shí)施中,模型、數(shù)據(jù)和算力是大家需要格外關(guān)注的三個(gè)點(diǎn)。
首先是模型。雖然大家對(duì)通用大語言模型的聊天機(jī)器人期待很高,但它不是唯一的大模型服務(wù)方式,也不一定是滿足行業(yè)場(chǎng)景需求的最優(yōu)解。
目前,通用大模型一般都是基于廣泛的公開文獻(xiàn)與網(wǎng)絡(luò)信息來訓(xùn)練的,上面的信息可能有錯(cuò)誤、有謠言、有偏見,許多專業(yè)知識(shí)與行業(yè)數(shù)據(jù)積累不足,導(dǎo)致模型的行業(yè)針對(duì)性與精準(zhǔn)度不夠,數(shù)據(jù)“噪音”過大。但是,在很多產(chǎn)業(yè)場(chǎng)景中,用戶對(duì)企業(yè)提供的專業(yè)服務(wù)要求高、容錯(cuò)性低,企業(yè)一旦提供了錯(cuò)誤信息,可能引起巨大的法律責(zé)任或公關(guān)危機(jī)。因此,企業(yè)使用的大模型必須可控、可追溯、可修正,而且必須反復(fù)與充分測(cè)試才能上線。
我們認(rèn)為,客戶更需要有行業(yè)針對(duì)性的行業(yè)大模型,再加上企業(yè)自己的數(shù)據(jù)做訓(xùn)練或精調(diào),才能打造出實(shí)用性高的智能服務(wù)。企業(yè)所需要的是,在實(shí)際場(chǎng)景中真正解決了某個(gè)問題,而不是在100個(gè)場(chǎng)景中解決了70%-80%的問題。
另外,訓(xùn)練數(shù)據(jù)越多,模型越大,訓(xùn)練與推理的成本也越高。實(shí)際上,大部分的企業(yè)場(chǎng)景,可能也不需要通用AI來滿足需要。因此,如何在合理成本下,選擇合適的模型,是企業(yè)客戶所需要思考與決策的。
其次,數(shù)據(jù)是大模型的原材料,針對(duì)具體場(chǎng)景,相關(guān)數(shù)據(jù)的覆蓋與質(zhì)量都是至關(guān)重要,標(biāo)注數(shù)據(jù)的管理也是模型迭代中的重要工作。
模型最終要在真實(shí)場(chǎng)景落地,要達(dá)到理想的服務(wù)效果,往往需要把企業(yè)自身的數(shù)據(jù)也用起來。在模型研發(fā)過程中,既要關(guān)注敏感數(shù)據(jù)的保護(hù)與安全合規(guī),也需要管理好大量的數(shù)據(jù)與標(biāo)簽,不斷測(cè)試與迭代模型。
再次,算力是模型持續(xù)運(yùn)轉(zhuǎn)的基礎(chǔ),高性能、高彈性和高穩(wěn)定的算力,需要借助專業(yè)的云服務(wù)。
在大模型的訓(xùn)練和使用過程中,需要大量異構(gòu)算力的支持,對(duì)網(wǎng)絡(luò)速度與穩(wěn)定性要求也很高,加上GPU服務(wù)器比一般服務(wù)器穩(wěn)定性更低一些,服務(wù)器的運(yùn)維、問題的排查更頻繁,整體運(yùn)維的難度與工作量會(huì)高很多。在訓(xùn)練集群中,一旦網(wǎng)絡(luò)有波動(dòng),訓(xùn)練的速度就會(huì)受到很大的影響;只要一臺(tái)服務(wù)器過熱宕機(jī),整個(gè)集群都可能要停下來,然后訓(xùn)練任務(wù)要重啟,這些問題會(huì)使得訓(xùn)練時(shí)間大大增加,投入在大模型的成本也會(huì)飆升。
基于這些企業(yè)現(xiàn)實(shí)問題和需求的思考,就在前兩天,騰訊也正式公布了騰訊云MaaS服務(wù)全景圖。
基于騰訊云TI平臺(tái)打造的行業(yè)大模型精選商店,將覆蓋金融、文旅、政務(wù)、醫(yī)療、傳媒、教育等10大行業(yè),提供超過50個(gè)解決方案。在這些能力模型基礎(chǔ)上,伙伴們只需要加入自己獨(dú)有的場(chǎng)景數(shù)據(jù),就可以快速生成自己的“專屬模型”。
我們也推出基于騰訊云TI平臺(tái)的,行業(yè)大模型精調(diào)解決方案。幫助模型開發(fā)者與算法工程師,一站式解決模型調(diào)用、數(shù)據(jù)與標(biāo)注管理、模型精調(diào)、評(píng)估測(cè)試與部署等任務(wù),減輕創(chuàng)建大模型的壓力。我們也可以通過TI平臺(tái),實(shí)現(xiàn)模型的私有化部署、權(quán)限管控和數(shù)據(jù)加密等方式,讓企業(yè)用戶在使用模型時(shí)更放心。
比如,我們和國(guó)內(nèi)的頭部在線旅游公司,基于“文旅大模型”,打造了機(jī)器人客服,可以自動(dòng)判斷用戶意圖,并自動(dòng)調(diào)用相應(yīng)的API,高質(zhì)量完成用戶咨詢及服務(wù)。
假如一個(gè)用戶問“端午節(jié)三天不出江浙滬,有什么行程推薦,應(yīng)該怎么安排?”如果是基于通用大模型的客服機(jī)器人,只能給出一些簡(jiǎn)單的景點(diǎn)介紹和路線規(guī)劃。
但當(dāng)我們加入行業(yè)數(shù)據(jù),進(jìn)行模型精調(diào)之后,客服機(jī)器人的回答變得更加細(xì)致,能夠規(guī)劃出每天的交通、景點(diǎn)安排,包括不同檔次的酒店推薦、介紹,甚至可以直接提供預(yù)訂鏈接,平臺(tái)優(yōu)惠券信息。智能客服系統(tǒng),不僅可以實(shí)現(xiàn)人性化的服務(wù)體驗(yàn),也具備了更強(qiáng)的銷售轉(zhuǎn)化能力。
在算力服務(wù)上。騰訊云所提供的穩(wěn)定計(jì)算、高速網(wǎng)絡(luò)與專業(yè)運(yùn)維,可以為算法工程師大大減輕設(shè)備運(yùn)維的壓力,讓他們把精力放在模型的構(gòu)建與算法的優(yōu)化上。
騰訊云也打造了面向模型訓(xùn)練的新一代HCC(High-Performance Computing Cluster)高性能計(jì)算集群,搭載最新次代GPU,結(jié)合多層加速的高性能存儲(chǔ)系統(tǒng),加上高帶寬、低延遲的網(wǎng)絡(luò)傳輸,整體性能比過去提升了3倍,獲得了很多客戶的高度認(rèn)可,幾家大模型獨(dú)角獸,都與我們展開了算力的合作。
在計(jì)算集群的“硬實(shí)力”之外,我們最近也推出了更適合AI運(yùn)算的“軟能力”——向量數(shù)據(jù)庫,它能更高效地處理圖像、音頻和文本等非結(jié)構(gòu)化數(shù)據(jù),支持單索引10億級(jí)規(guī)模,比單機(jī)插件式檢索規(guī)模提升10倍,數(shù)據(jù)接入AI的效率,也比傳統(tǒng)方案提升10倍。
四、AI發(fā)展的挑戰(zhàn)和應(yīng)對(duì)之策
AI價(jià)值巨大,發(fā)展速度驚人,但從社會(huì)的層面,我們也要注意,帶來的風(fēng)險(xiǎn)與挑戰(zhàn)。
最近,杰弗里·辛頓(Geoffrey Hinton)因?yàn)閾?dān)心AI無法控制,離開了谷歌,他在接受采訪時(shí)提到:人工智能的信息架構(gòu)可能比人腦的信息架構(gòu)更強(qiáng)大。
人類大腦中大概有860億個(gè)神經(jīng)元,這些神經(jīng)元之間形成了大概100萬億個(gè)連接。雖然GPT4的參數(shù)沒有披露,但普遍估算參數(shù)量只有人腦神經(jīng)元連接的百分之一,大概是5000億到1萬億。
但GPT4裝載的知識(shí)卻是普通人的千倍萬倍,學(xué)習(xí)效率也更高。這說明,在某程度上,當(dāng)前的神經(jīng)網(wǎng)絡(luò)可能比人腦擁有一個(gè)“更優(yōu)”的處理信息的架構(gòu)與學(xué)習(xí)算法,一旦得到足夠算力來訓(xùn)練,就可以更快速地學(xué)習(xí)大量信息與知識(shí)。
還有一點(diǎn)值得一提,AI通過在線連接,就可以把模型下載與復(fù)制,在相對(duì)短時(shí)間內(nèi),就讓一臺(tái)新機(jī)器復(fù)制好海量的知識(shí),而且各自學(xué)習(xí)不同知識(shí)后還可以相互同步。而人類的知識(shí)和智慧傳承,必須通過復(fù)雜多變又不太精確的語言,作為傳遞信息的媒介,每個(gè)人的培養(yǎng)幾乎是從0開始(除了基因中hard code的記憶),都需要從小開始,花數(shù)十年時(shí)間來學(xué)習(xí),花數(shù)十年來積累經(jīng)驗(yàn)。
AGI強(qiáng)大且不斷泛化的能力,讓很多人都非常擔(dān)心,人類會(huì)逐漸失去對(duì)AI的控制。尤其AGI能聯(lián)網(wǎng),能編程,能操控其他系統(tǒng)(因?yàn)榭梢哉{(diào)用其他系統(tǒng)的API),讀懂人(因?yàn)槟P屠飳?dǎo)入大量書籍,了解人類千年文明發(fā)展歷史,了解人們的思考方式與弱點(diǎn),每天還跟很多人互動(dòng),甚至交流情感),它掌握語言(因此可以影響人的思考與行為),它能產(chǎn)生圖與視頻(因此可以讓人產(chǎn)生視覺錯(cuò)覺),可能還有更多能力我們還沒發(fā)現(xiàn)。
因此Hinton也提出,AI對(duì)人類產(chǎn)生四重威脅。他不惜從工作了10年的谷歌離職,推動(dòng)大眾對(duì)人工智能潛在風(fēng)險(xiǎn)的關(guān)注,并建立安全使用AGI的規(guī)范。
面對(duì)人工智能帶來的各種問題,還有很多值得思考的東西。包括人類發(fā)展、倫理、教育等等。
這些問題,相信我們?cè)谧恳晃?,都有自己的思考。但是有一點(diǎn)我想講的是,技術(shù)的發(fā)展、演進(jìn)、變化,總是超出人的想象,而人類擁抱變化的勇氣,創(chuàng)新的智慧,化挑戰(zhàn)為機(jī)遇的能力,也往往超出我們自己的想象。就像工業(yè)革命早期,也有過對(duì)于農(nóng)村經(jīng)濟(jì)瓦解、工人生存狀況堪憂等等情況的擔(dān)心,但是,最終我們以人類特有的方式,走了過來,并且讓全人類的生產(chǎn)效率、生活質(zhì)量以幾何指數(shù)飆升。
毫無疑問,AI對(duì)世界的改變,一定也是通過與產(chǎn)業(yè)的融合實(shí)現(xiàn)的。機(jī)器決策、自主生成、自然交互等一系列變革,推動(dòng)產(chǎn)業(yè)實(shí)現(xiàn)更高效率、更低成本、更好體驗(yàn)和更大創(chuàng)新。未來的企業(yè),也將向智能原生進(jìn)化。
面向未來,騰訊也愿意持續(xù)貢獻(xiàn)自己的能力,以開放的心態(tài)和無窮的好奇心,和各位專家學(xué)者、企業(yè)管理者一起,共同探索、創(chuàng)新,擁抱智能時(shí)代的新機(jī)遇。
(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )