中新網2月19日電 題：ChatGPT熱潮下的冷思考：人工智能將如何影響人類的未來？

中新財經記者 宋宇晟

“在接下來的五年中，會思考的計算機程序將閱讀法律文件并提供醫療建議。在接下來的十年中，它們將從事流水線工作，甚至可能成為同伴。在此之后的幾十年中，它們將做幾乎所有事情，包括做出新的科學發現，從而擴展我們的‘一切’概念。”

(相關資料圖)

2021年3月16日，OpenAI公司CEO山姆·阿爾特曼(Sam Altma)在網上發表了一篇名為《萬物摩爾定律》的文章，并在文中以預言式的口吻這樣描繪了人類與人工智能共處的未來世界。

在阿爾特曼看來，人工智能革命即將到來，其結果必將深刻影響人類的未來。不到兩年之后，有關ChatGPT的討論席卷全球。這似乎意味著現實正逼近他所預測的未來。

那么，人工智能的發展將如何塑造或影響人類的未來？我們還是先從最近備受關注的ChatGPT說起。

ChatGPT是怎么火起來的？

2022年11月30日發布的聊天機器人模型ChatGPT，正顯示其巨大的影響。根據Similarweb的數據，今年1月，平均每天約有1300萬獨立訪客使用 ChatGPT，是去年12月份的兩倍多，累計用戶超1億，創下了互聯網最快破億應用的紀錄。

如果只把它看作是一個“能與人類對話”的機器人，“技術進步”的跡象并不明顯。畢竟Siri、小愛、小度……這些人們如今常用的工具，都可以提供“對話”服務；甚至在2020年，小冰公司還推出過“虛擬男友”聊天產品。這些產品背后的人工智能都可以在不同程度上完成與人類的“對話”。

ChatGPT的“魅力”更多還要從技術上看。其中，“大模型”是關鍵詞。

小冰公司CEO李笛將ChatGPT定義為“大模型”的一個產物、一次產品化的嘗試。

何為“大模型”？智源研究院原副院長劉江告訴記者，以AlphaGo為例，這樣的人工智能就屬于“小模型”。“它只能用來下圍棋，象棋、五子棋都不會下。其中可能有些底層技術類似，但如果要讓AlphaGo下象棋或五子棋，還需要技術人員重寫代碼、重新訓練。”

“但大模型不同，它是通用的。”劉江舉例，ChatGPT的應用場景很廣泛，既可以寫郵件、寫文案，還可以寫代碼、寫詩，甚至寫論文。

騰訊研究院發布的《2022十大數字科技前沿應用趨勢》中就明確指出，小模型不僅需要大量的手工調參，還需要給機器喂養海量的標注數據，這拉低了人工智能的研發效率，且成本較高。大模型通常是在無標注的大數據集上，采用自監督學習的方法進行訓練。

ChatGPT是OpenAI對其2020年發布的GPT-3模型微調后開發出的對話機器人。報道顯示，該模型使用來自互聯網的文本數據庫進行訓練，包括從書籍、網絡文本、維基百科、文章和互聯網其他文本中獲得的高達570GB的數據。ChatGPT背后的模型GPT-3.5則更為強大。

中金公司一份研報認為，此類新技術的應用“帶來弱人工智能向通用智能的階躍”。

而在業內人士看來，技術上從小模型到大模型的變化，無異于人工智能的“進化”。

人工智能的“進化”

1965年，英特爾創始人之一戈登·摩爾提出了摩爾定律，即當價格不變時，集成電路(IC)上可容納的元器件，每隔18-24個月便增加一倍，性能也提升一倍。既然在相同面積晶圓下生產同樣規格的IC，每隔18-24個月可增加一倍，那么生產成本也能相應降低50%。

阿爾特曼的《萬物摩爾定律》將這一定律的適用范圍大大擴展。他寫到，“摩爾定律適用于一切”應該是一代人的口號，雖然“這聽起來很烏托邦”。

換言之，在阿爾特曼看來，當下這個時代，技術迭代的速度是肉眼可見的。

事實上，在人工智能的加持下，某些領域的演進速度已經大大加快。有報道稱，據OpenAI統計，從2012年到2020年，人工智能模型訓練消耗的算力增長了30萬倍，平均每3.4個月翻一番，超過了摩爾定律的每18個月翻番的增速。

回顧OpenAI GPT模型的進化之路，具有十分明顯的規模效應。數據顯示，2018年初代GPT參數量為1.17億，2019年二代參數量達15億，2020年GPT 3.0參數規模直接飛躍至1750億。

百度CEO李彥宏就曾公開指出，無論是技術層面還是商業應用層面，人工智能都有了方向性的改變。

微軟CEO納德拉在接受訪談時也曾表示，GPT的發展不是線性的，而是指數級變化的，所以相比較GPT-3，當前的GPT-3.5已經展現出更強的能力。業界普遍預測，GPT-4將在今年推出，并具備更強大的通用能力。

毫無疑問，成指數級的增長讓人工智能得以高速“進化”。

劉江告訴記者，這樣的“進化”并非只是量變，也不只是每次迭代相加的結果。“有研究人員總結，相比于小模型，人工智能大模型已經出現了一百多種‘突變能力’，即大模型具備、小模型不具備的能力。”

他覺得，這在某種程度上很像生物進化的過程。“就好像大腦在不斷量變后來到一個臨界點，然后生物就產生了高等智能那樣。”

巨大突破的曙光隱現？

1950年，計算機科學家艾倫·圖靈提出了一個被稱為“模仿游戲”的思想實驗。面試官通過打字機與兩個對象交談，知道一個是人，另一個是機器。圖靈建議，如果一臺機器能夠始終讓面試官相信它是人類，我們就可以說它有能力思考。這就是著名的“圖靈測試”。

迄今為止，還沒有人工智能模型能真正通過圖靈測試，包括ChatGPT。甚至，ChatGPT暴露出待解決、待完善的問題還有很多。

李笛就明確指出，ChatGPT至少存在內容準確問題、運行成本問題、即時性問題。“這些都是根源問題，很難在ChatGPT上得到解決，可能要等新的產品和應用出來。”

以內容準確問題為例，李笛認為，作為知識系統，最基本的要求是準確，但ChatGPT的技術結構決定了它提供的知識很難作到準確。

事實上，該問題已經給人工智能公司造成了真金白銀的損失。

“我可以告訴我9歲的孩子關于詹姆斯?韋伯太空望遠鏡(James Webb Space Telescope，簡稱JWST)的哪些新發現？” 谷歌推出的類ChatGPT功能Bard回答中包括“JWST拍攝到了太陽系外行星的第一張照片”。

但真實的情況是，第一張系外行星照片是由歐洲南方天文臺的Very Large Telescope (VLT)在2004年拍攝的。當天谷歌股價大跌約9%，市值蒸發約1000億美元。

ChatGPT也存在類似的問題。當記者向ChatGPT詢問“ChatGPT目前暴露出哪些待解決、待完善的問題”時，它給出的回答與ChatGPT網站上人類列出的其局限性有所出入。

還有成本問題。據報道，有研究估測，訓練1750億參數語言大模型GPT-3，需要有上萬個CPU/GPU24小時不間輸入數據，所需能耗相當于開車往返地球和月球，且一次運算就要花費450萬美元。此外，ChatGPT投喂的數據質量、廣泛的應用場景、持續的資金投入都缺一不可，更不用說還有開發 AI 產品的邊際成本以及懸而未決的全棧集成能力。

對此，劉江直言，大模型目前對算力要求很高，門檻也高，必然是技術密集、資金密集、人才密集型的。“人工智能從小模型到大模型，只能說在技術上邁進了一步。但人工智能要突破所謂的‘奇點’，即人工智能發展到比人‘聰明’且能夠自我‘進化’，還有一段距離。”

即便如此，他依舊認為，目前已經能看到人工智能巨大突破的曙光了。“相當于我們在黑暗中摸索了很多很多年，現在終于看到一點亮光了，要出去了。”

“奇點”何時到來？

相信“奇點”說法的人們認為，技術變革迅速而深遠的發展將對未來人類生活造成不可逆轉的變化。而生物思想與技術的融合，將讓人類超越自身的生物局限性。

正如美國未來學家雷·庫茲維爾所指出的那樣，奇點臨近暗含一個重要思想：人類創造技術的節奏正在加速，技術的力量也正以指數級的速度在增長。指數級的增長是具有迷惑性的，它始于極微小的增長，隨后又以不可思議的速度爆炸式地增長——如果一個人沒有仔細留意它的發展趨勢，這種增長將是完全出乎意料的。

用庫茲維爾的話說就是，“我們的未來不再是經歷進化，而是要經歷爆炸。”他曾預言，“奇點”將在大約2045年時到來。

事實上，這種“始于極微小而后爆炸式的增長”在近幾十年的技術發展史中不斷被驗證。

網絡瀏覽器誕生于1990年，但直到1994年網景導航者(Netscape Navigator)問世，大多數人才開始探索互聯網。2001年iPod誕生之前流行的MP3播放器，并未掀起數字音樂革命。同樣，2007年，蘋果(Apple)iPhone手機橫空出世之前，智能手機已經問世，但卻并沒有針對智能手機開發的應用。

ChatGPT的出現，或許會是技術史上一個新的節點。

人們已經開始談論人工智能將會如何顛覆他們的工作和生活。而人類此刻與ChatGPT的各種聊天記錄，將全部變成下一代模型的訓練數據。

在劉江看來，面對即將到來的變革，人類應該擁抱變化、擁抱未來。“人類是在不斷變化的，不能固守陳規。當然我們也應該積極思考不允許人工智能突破的底線在哪。”

他不否認人們因此產生對未來工作可能發生變動的擔憂。“也許未來每個人身邊都會有機器人，就像老板身邊的秘書。”

重要的是，我們應如何與人工智能共處。換言之，要解決的問題是，人類的價值是什么？

目前，已有人工智能領域專家提出，要警惕人工智能弱化人類思維。

李笛認為，人類創作者恰恰應當把人工智能視為解放自己創意的新手段或工具，讓自己得以進一步回歸內容創作的本質，即“創意”上去。

劉江則給出了另外一種假設：伴隨著人工智能技術的發展，當生產力極大突破后，或許人類就不必須工作了。也許到那天，人類真的可以實現按需勞動了。(完)