人造智慧的“奇點”臨近？

有一種觀點認為，人類正處在人工智能引發(fā)的新一輪工業(yè)革命進程中，畢竟前三次工業(yè)革命都開端于重大科技突破推動生產(chǎn)力極大發(fā)展。從這個標準看，人工智能技術(shù)近幾年雖成果閃耀，但尚未達到如此高度。我們之所以會有這樣預(yù)期，是因為人工智能幾十年的發(fā)展歷程跌宕起伏，在近幾年出現(xiàn)爆發(fā)式高峰，深度學(xué)習(xí)和大模型作為代表性成果給我們帶來巨大的思想震撼，讓人不禁遐想人造智慧的“奇點”會不會即將到來。

人工智能緣何會爆發(fā)？

洞察一種技術(shù)，需先理清根由。人工智能爆發(fā)的背后隱藏著三條暗線。

首當其沖是長達30年的互聯(lián)網(wǎng)繁榮，讓人類以螞蟻搬家的精神幾乎將全部知識資產(chǎn)遷移到了數(shù)字空間。曾經(jīng)，谷歌公司為將紙質(zhì)書籍數(shù)字化甚至發(fā)明了自動給書翻頁的掃描機器。我們上傳網(wǎng)絡(luò)的每句吐槽、每篇博客、每張照片，加上嚴肅的新聞報道、專業(yè)的論文……交織成了龐大的知識網(wǎng)絡(luò)。人類幾乎所有的思維習(xí)慣和推理模式，都以自然語言的方式外化到了這個巨大的數(shù)字化體系中。

其次是出現(xiàn)了計算模式的革命，單顆芯片摩爾定律的失效并沒阻擋我們追求極致算力。從超級計算機、云計算到GPU，科學(xué)計算和藝術(shù)娛樂不斷催生新的計算模式。如日中天的英偉達公司初創(chuàng)的目標僅是為個人電腦提供強有力的顯卡技術(shù)，不承想深度學(xué)習(xí)與GPU的天作之合讓人們窺探到了一片可孕育人工智能成長的沃土，一步步把英偉達推成一個萬億美元科技巨頭。如今，我們坐在電腦前，花不了十分鐘，即可構(gòu)建一片部署在云端的GPU集群為己所用，便捷得像從水龍頭中獲取自來水一般。

最重要的是，我們迎來了一批有勇氣的技術(shù)先行者。人工智能的發(fā)展曾一度陷入沉寂，甚至在一段時間內(nèi)，神經(jīng)網(wǎng)絡(luò)被認為是一項失敗的技術(shù)，缺乏繼續(xù)研究的價值。而以杰弗里·辛頓為代表的科學(xué)家沒有放棄，終于在深度學(xué)習(xí)領(lǐng)域取得突破，獲得2024年諾貝爾物理學(xué)獎。5年前，OpenAI公司的探索者們在規(guī)模定律（Scaling Law）的指引下，冒著極大的風(fēng)險，動用了3000億單詞語料、上萬塊GPU算力，訓(xùn)練出了擁有千億參數(shù)的大模型ChatGPT。至此，三條暗線匯聚成河，人類的知識、浩瀚的算力、技術(shù)和勇氣，構(gòu)筑成了我們面前的一個個AI助手，展示著不可思議的人造智慧。

大模型——勤奮的學(xué)習(xí)者

現(xiàn)在，AI已從曾經(jīng)的“小模型+判別式”轉(zhuǎn)向“大模型+生成式”，意味著人造智慧從判別者變成了創(chuàng)造者。

它是怎樣學(xué)會“生成”的呢？其實并不復(fù)雜：給它一個輸入，讓它預(yù)測下一個可能性最大的單詞，通過大量訓(xùn)練提升預(yù)測精確度。就這樣周而復(fù)始，最終達到每向它提出一個問題，它總能產(chǎn)生一個答案。

以最近炙手可熱的DeepSeek-R1為例，它以極低的成本訓(xùn)練出了一個與國外頂級大模型旗鼓相當甚至更勝一籌的推理模型，其中引人注目的創(chuàng)新技術(shù)運用包括三個：知識蒸餾、思維鏈和強化學(xué)習(xí)。

知識蒸餾

知識蒸餾就好比我們?yōu)榱烁斓貙W(xué)會某領(lǐng)域的知識，放棄博覽群書，找一個該領(lǐng)域的專家作為老師，通過與老師問答完善自身，達到知識的遷移。

思維鏈

思維鏈好比我們在學(xué)習(xí)過程中，不但要給出問題的正確答案，還要將思考推理過程一步步寫出來，這樣即便答案錯了，我們也能判斷哪一步出錯了，久而久之，推理能力更加成熟。

強化學(xué)習(xí)

強化學(xué)習(xí)指老師只告訴學(xué)生目標，通過獎罰分明的方式讓學(xué)生不斷試錯，尋找達到目標的最優(yōu)思路，期待學(xué)生在尋找目標的過程中創(chuàng)新思路和方法。強化學(xué)習(xí)揭示了創(chuàng)新能力誕生的頂層邏輯，正如《小王子》的作者圣-埃克蘇佩里所說：“如果你想讓人們造一艘船，不要雇人去收集木頭，不要發(fā)號施令，也不要分配任務(wù)，而是去激發(fā)他們對海洋的渴望?！?/p>

我們會因AI而失業(yè)嗎？

大模型訓(xùn)練方法背后的思維邏輯和人類學(xué)習(xí)過程十分相似，這導(dǎo)致大模型有個明顯的弱點：即便是多模態(tài)大模型，我們也必須用人類的自然語言與它交流，否則我們的意圖就無法準確傳達。那么，如何有效組織語言，讓大模型清晰準確地理解意圖，就成了重要問題。從這個視角看，幾乎所有的職業(yè)都不會因為大模型的出現(xiàn)而完全消失，但每個人都會受到AI的沖擊，各行業(yè)沉淀已久的行為準則和工作模式會因AI的出現(xiàn)或慢或快地被重塑。

例如，教師照本宣科的教學(xué)行為會被大模型替代，但教師對學(xué)生情感上的關(guān)心、能力上的洞察和思維上的引導(dǎo)會變得更為重要。AI的出現(xiàn)要求我們邏輯更加縝密，頭腦更加清晰，會倒逼教師變成其本應(yīng)有的樣子，即注重思維的培養(yǎng)。

AI作為一個中性工具，會無限放大人類在邏輯思辨能力上的差距，AI在有些人手里是金箍棒，而在另一些人手里僅僅是燒火棍。例如，AI能夠生成各種風(fēng)格的畫作，擅長低水平重復(fù)臨摹的畫匠的確面臨失業(yè)的風(fēng)險，但擁有強大創(chuàng)造力的藝術(shù)家可以通過精準的自然語言描述和繪畫手稿，利用AI快速產(chǎn)生大量的藝術(shù)原型，進而創(chuàng)作出更打動人的作品。這種兩極分化的效應(yīng)幾乎會在所有的行業(yè)出現(xiàn)。

當前，AI的訓(xùn)練模式對創(chuàng)新者極度渴求?；ヂ?lián)網(wǎng)上優(yōu)質(zhì)的語料資源已經(jīng)被訓(xùn)練殆盡，高質(zhì)量的原創(chuàng)文章、歌曲、畫作，都是對原始知識積累的補充，是AI進化的基石。未來，利用AI結(jié)合自身能力產(chǎn)生高質(zhì)量的內(nèi)容，是人類的責(zé)任。

怎樣將AI變成伙伴？

AI并不是我們的競爭對手，而是輔助我們的好伙伴。與AI攜手同行，我們需要具備如下能力。

提問能力

提問要言之有物、語言精準、上下文充分、范圍邊界清晰，這樣AI才能精準地捕捉你的意圖。有時候單一問題還不夠，AI的思維鏈條要不斷與人交互，促使你追加或修改問題并補充新的內(nèi)容，一步步生成你想要的結(jié)果。

邏輯思辨能力

AI的思維模式、訓(xùn)練AI的高質(zhì)量語料、AI背后運行的計算機代碼、不同專業(yè)領(lǐng)域的內(nèi)在知識都是講邏輯的。只有講邏輯地與AI對話，才能正確認識事物、清晰表達思想、辨別信息真?zhèn)巍?/p>

跨學(xué)科抽象能力

在專業(yè)領(lǐng)域，AI能產(chǎn)生科學(xué)發(fā)現(xiàn)嗎？2024年諾貝爾化學(xué)獎已經(jīng)給出答案：AlphaFold作為一種能夠高精度預(yù)測蛋白質(zhì)三維結(jié)構(gòu)的人工智能系統(tǒng)，在科學(xué)發(fā)現(xiàn)領(lǐng)域取得了振奮人心的成就，這就是一種跨學(xué)科的嘗試?；跀?shù)據(jù)驅(qū)動的AI，已經(jīng)被認為是科學(xué)發(fā)現(xiàn)與技術(shù)發(fā)明的新范式，人工智能在記憶力、高維復(fù)雜、全視野、推理深度、猜想等方面都具優(yōu)勢。我們適應(yīng)新范式最主要的方式，就是培養(yǎng)跨學(xué)科抽象能力，打破領(lǐng)域認知邊界。

AI時代，我們?nèi)祟惖闹黧w意識更加重要。技術(shù)的革命必然帶來生產(chǎn)力和生產(chǎn)關(guān)系的重構(gòu)，漸進式淘汰不可避免，但歷史已經(jīng)在多次相似的情境中告訴我們，人類總能在突破中找到打破掣肘和自我救贖的道路。艾倫·圖靈曾問：“機器能思考嗎？”我們現(xiàn)在依然不能準確回答，但至少，我們?nèi)祟愂悄芩伎嫉摹Ｎ覀冊?jīng)無比看重卻經(jīng)常忽視的品質(zhì)和能力，如質(zhì)疑與思辨、邏輯與推理、創(chuàng)新與勇氣，都將成為我們與AI共存又不喪失自我的心靈護盾。

作者單位 北京工商大學(xué)計算機與人工智能學(xué)院