近日，OpenAI CEO Altman 在個(gè)人博客上發(fā)表了一篇關(guān)于超級(jí)人工智能（ASI）的深度剖析，從人類社會(huì)基礎(chǔ)設(shè)施的變革，到大數(shù)據(jù)和人工智能（AI）的普及，再到對未來 ASI 的預(yù)測，Altman 為我們描繪了一個(gè)充滿挑戰(zhàn)與機(jī)遇的智能時(shí)代，并大膽預(yù)測距離ASI的實(shí)現(xiàn)僅剩幾千天。

ASI 真的能在幾千天內(nèi)實(shí)現(xiàn)嗎？人工智能的發(fā)展從何而來，又將去往何處？

一、從數(shù)理統(tǒng)計(jì)到 Transformer，AI 的發(fā)展將何去何從

社會(huì)基礎(chǔ)設(shè)施的變革始終推動(dòng)著人類文明的進(jìn)步，從蒸汽機(jī)的發(fā)明，到電力、互聯(lián)網(wǎng)的普及，每一次技術(shù)革命都極大地改變了人類的生活方式。如今，我們正站在 AI 這一新的歷史節(jié)點(diǎn)上，迎接智能時(shí)代的到來。

人工智能（AI）的發(fā)展歷程，如同一條蜿蜒的河流，從最初的數(shù)理統(tǒng)計(jì)模型到如今的 Transformer 架構(gòu)，不斷演變，不斷突破，將我們帶入了一個(gè)充滿無限可能的智能時(shí)代。

1. 早期的 AI：數(shù)理統(tǒng)計(jì)的萌芽

AI 的起源可以追溯到 20 世紀(jì) 50 年代，當(dāng)時(shí)的研究主要集中在基于數(shù)理統(tǒng)計(jì)的機(jī)器學(xué)習(xí)算法上，通過分析數(shù)據(jù)中的模式和規(guī)律，實(shí)現(xiàn)對未知數(shù)據(jù)的預(yù)測和分類；然而，受限于計(jì)算能力和數(shù)據(jù)量，早期的 AI 模型只能處理簡單的任務(wù)，且泛化能力較弱。

2. 深度學(xué)習(xí)的崛起：神經(jīng)網(wǎng)絡(luò)的重生

隨著計(jì)算能力的提升和數(shù)據(jù)量的爆炸式增長，深度學(xué)習(xí)技術(shù)應(yīng)運(yùn)而生。深度學(xué)習(xí)通過模擬人腦神經(jīng)元結(jié)構(gòu)，構(gòu)建多層神經(jīng)網(wǎng)絡(luò)，從而實(shí)現(xiàn)對復(fù)雜模式的識(shí)別和建模；尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的出現(xiàn)，使得 AI 在圖像識(shí)別、語音識(shí)別等領(lǐng)域取得了突破性進(jìn)展。

3. Transformer 架構(gòu)：自然語言處理的革命

近年來，Transformer 架構(gòu)的興起，大大影響了自然語言處理（NLP）領(lǐng)域的發(fā)展。Transformer 通過自注意力機(jī)制，捕捉長距離依賴關(guān)系，從而更好地理解語言的結(jié)構(gòu)和語義。基于 Transformer 架構(gòu)結(jié)合互聯(lián)網(wǎng)海量數(shù)據(jù)，形成以 GPT 為代表的大語言模型，展現(xiàn)出驚人的語言理解和生成能力，將 NLP 技術(shù)推向了一個(gè)新的高度。

近年來，在大數(shù)據(jù)和 AI 技術(shù)的推動(dòng)下，我們的生活發(fā)生了翻天覆地的變化。從智能家居、自動(dòng)駕駛，到醫(yī)療、教育，AI 已經(jīng)滲透到各個(gè)領(lǐng)域，成為推動(dòng)社會(huì)發(fā)展的重要力量。AI 的發(fā)展前景廣闊，但也面臨著諸多挑戰(zhàn)。

谷歌 AI 負(fù)責(zé)人杰夫·迪恩（Jeff Dean）認(rèn)為，未來的 AI 將朝著以下幾個(gè)方向發(fā)展：

(1)  多模態(tài)學(xué)習(xí)：將視覺、聽覺、語言等多種模態(tài)信息進(jìn)行融合，實(shí)現(xiàn)更加全面和智能的認(rèn)知。

(2)  強(qiáng)人工智能：通過強(qiáng)化學(xué)習(xí)，突破當(dāng)前AI的限制，實(shí)現(xiàn)真正意義上的自主學(xué)習(xí)和決策，向著ASI的實(shí)現(xiàn)更進(jìn)一步。

Google DeepMind 于 2023 年 12 月 6 日發(fā)布人工智能多模態(tài)大模型 Gemini，可同時(shí)識(shí)別文本、圖像、音頻、視頻和代碼等類型的信息，可理解和生成主流編程語言（如 Python、Java、C++）的高質(zhì)量代碼，并擁有全面的安全性評(píng)估。

基于 Gemini 的發(fā)布，谷歌 AI 負(fù)責(zé)人杰夫·迪恩（Jeff Dean）提出，多模態(tài)模型允許用戶從不同輸入模態(tài)中獲取更豐富、更有用的輸出，使個(gè)性化服務(wù)成為現(xiàn)實(shí)；而將監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)相結(jié)合，則會(huì)進(jìn)一步推動(dòng) AI 在更多領(lǐng)域的進(jìn)展。

同時(shí)，迪恩也提及了 AI 可能帶來的風(fēng)險(xiǎn)，如 AI 有可能帶來事關(guān)人類生存危機(jī)的看法，如 AI 可能會(huì)找出對人類不利的方法來實(shí)現(xiàn)其目標(biāo)，以及不同 AI 系統(tǒng)之間可能發(fā)生的競爭和資源爭奪等。

二、從 AI 到 ASI，我們還缺什么？

ASI 的全稱是 Artificial Super Intelligence，是指一種智能水平遠(yuǎn)超人類大腦的智能體。相較于當(dāng)前的人工智能，ASI 具備極高的智能水平和廣泛的應(yīng)用能力，可以在短時(shí)間內(nèi)學(xué)會(huì)人類幾千年的知識(shí)，解決復(fù)雜問題，甚至進(jìn)行自我創(chuàng)新；這種智能使其在所有的認(rèn)知任務(wù)上都能超越人類的智能，包括科學(xué)創(chuàng)新、通識(shí)智慧和社交技能等；此外，ASI 還具有自我意識(shí)、情感、創(chuàng)造力等人類特有的能力。

AI 技術(shù)在近年來已取得突破性進(jìn)展，當(dāng)前的大模型在感知和生成方面的能力較強(qiáng)，已經(jīng)接近或部分超越人類水平，但在規(guī)劃、推理、學(xué)習(xí)和記憶方面的能力還有較大的不足。因此，還需要跨越巨大的技術(shù)鴻溝。以下是我們邁向 ASI 道路上的幾個(gè)關(guān)鍵挑戰(zhàn)：

首先是算法層面，一方面要持續(xù)優(yōu)化和擴(kuò)展深度學(xué)習(xí)算法，以及開發(fā)新的學(xué)習(xí)范式，如無監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等，以提高 AI 的學(xué)習(xí)能力和泛化能力；尤其是強(qiáng)化學(xué)習(xí)，高度模擬了人類大腦在獎(jiǎng)勵(lì)驅(qū)動(dòng)和行為適應(yīng)方面的學(xué)習(xí)過程，對于理解人類學(xué)習(xí)和決策過程方面有著其他算法不可比擬的優(yōu)勢。特斯拉 CEO 埃隆·馬斯克（Elon Musk）曾說，我們需要開發(fā)新的算法，才能讓 AI 實(shí)現(xiàn)真正的通用智能。

其次是算力層面，目前基于 Transformer 架構(gòu)的模型都是使用傳統(tǒng)的經(jīng)典計(jì)算架構(gòu)運(yùn)行的；然而對于 ASI 來，這樣的算力是遠(yuǎn)遠(yuǎn)不夠的，需要大幅提升計(jì)算能力，需要通過高性能計(jì)算集群和專門為 ASI 設(shè)計(jì)的硬件加速器甚至是量子計(jì)算，為 ASI 提供所需的巨大算力；目前量子計(jì)算技術(shù)仍處于相對初級(jí)階段，未來如能將其高效地應(yīng)用到人工智能領(lǐng)域，算力將得到指數(shù)級(jí)提升，屆時(shí) ASI 將成為可能。

三、總結(jié)

ASI 一旦實(shí)現(xiàn)，人類將史無前例地進(jìn)入新智能時(shí)代，ASI 將成為企業(yè)和個(gè)人的“全方位助手”。但由于 ASI 的智能水平遠(yuǎn)超人類，因此其行為和決策都會(huì)變得難以預(yù)測，尤其是當(dāng) ASI 的目標(biāo)與人類利益出現(xiàn)分歧時(shí)，它可能會(huì)采取對人類有害的行動(dòng)來實(shí)現(xiàn)其目標(biāo)（例如，一個(gè)被設(shè)定為最大化紙張生產(chǎn)的 ASI 可能會(huì)破壞森林和生態(tài)系統(tǒng)）。

而一旦 ASI 達(dá)到一定的水平和能力，它可能會(huì)找到方法來避免人類的控制，導(dǎo)致人類無法停止或修改其行為，從而“反噬”人類，所謂“物極必反”。超級(jí)人工智能的臨近，既讓我們充滿期待，也讓我們面臨前所未有的挑戰(zhàn)。

正如前 OpenAI 首席科學(xué)家伊爾亞·蘇茨克弗（Ilya Sutskever）表示：“超級(jí)智能是人工智能發(fā)展的下一個(gè)重要階段，我們需要認(rèn)真思考如何安全地引導(dǎo)其發(fā)展。”

參考鏈接

1. 博客原文：https://ia.samaltman.com/。
2. https://x.com/GoogleDeepMind/status/1833872938031894632。
3. https://www.youtube.com/watch?v=lH74gNeryhQ。
4. https://venturebeat.com/ai/elon-musk-reveals-xai-efforts-predicts-full-agi-by-2029/。
5. https://zhuanlan.zhihu.com/p/705536996。
6. https://www.ted.com/talks/ilya_sutskever_the_exciting_perilous_journey_toward_agi。
7. https://www.fastcompany.com/90985752/ilya-sutskever-openai-chief-scientist。