OpenAI 創始人 Altman ：超級人工智能實現僅剩幾千天
近日，OpenAI CEO Altman 在個人博客上發表了一篇關于超級人工智能（ASI）的深度剖析，從人類社會基礎設施的變革，到大數據和人工智能（AI）的普及，再到對未來 ASI 的預測，Altman 為我們描繪了一個充滿挑戰與機遇的智能時代，并大膽預測距離ASI的實現僅剩幾千天。
ASI 真的能在幾千天內實現嗎？人工智能的發展從何而來，又將去往何處？
一、從數理統計到 Transformer，AI 的發展將何去何從
社會基礎設施的變革始終推動著人類文明的進步，從蒸汽機的發明，到電力、互聯網的普及，每一次技術革命都極大地改變了人類的生活方式。如今，我們正站在 AI 這一新的歷史節點上，迎接智能時代的到來。
人工智能（AI）的發展歷程，如同一條蜿蜒的河流，從最初的數理統計模型到如今的 Transformer 架構，不斷演變，不斷突破，將我們帶入了一個充滿無限可能的智能時代。
1. 早期的 AI：數理統計的萌芽
AI 的起源可以追溯到 20 世紀 50 年代，當時的研究主要集中在基于數理統計的機器學習算法上，通過分析數據中的模式和規律，實現對未知數據的預測和分類；然而，受限于計算能力和數據量，早期的 AI 模型只能處理簡單的任務，且泛化能力較弱。
2. 深度學習的崛起：神經網絡的重生
隨著計算能力的提升和數據量的爆炸式增長，深度學習技術應運而生。深度學習通過模擬人腦神經元結構，構建多層神經網絡，從而實現對復雜模式的識別和建模；尤其是卷積神經網絡（CNN）和循環神經網絡（RNN）的出現，使得 AI 在圖像識別、語音識別等領域取得了突破性進展。
3. Transformer 架構：自然語言處理的革命
近年來，Transformer 架構的興起，大大影響了自然語言處理（NLP）領域的發展。Transformer 通過自注意力機制，捕捉長距離依賴關系，從而更好地理解語言的結構和語義。基于 Transformer 架構結合互聯網海量數據，形成以 GPT 為代表的大語言模型，展現出驚人的語言理解和生成能力，將 NLP 技術推向了一個新的高度。
近年來，在大數據和 AI 技術的推動下，我們的生活發生了翻天覆地的變化。從智能家居、自動駕駛，到醫療、教育，AI 已經滲透到各個領域，成為推動社會發展的重要力量。AI 的發展前景廣闊，但也面臨著諸多挑戰。
谷歌 AI 負責人杰夫·迪恩（Jeff Dean）認為，未來的 AI 將朝著以下幾個方向發展：
(1) 多模態學習：將視覺、聽覺、語言等多種模態信息進行融合，實現更加全面和智能的認知。
(2) 強人工智能：通過強化學習，突破當前AI的限制，實現真正意義上的自主學習和決策，向著ASI的實現更進一步。
Google DeepMind 于 2023 年 12 月 6 日發布人工智能多模態大模型 Gemini，可同時識別文本、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++）的高質量代碼，并擁有全面的安全性評估。
基于 Gemini 的發布，谷歌 AI 負責人杰夫·迪恩（Jeff Dean）提出，多模態模型允許用戶從不同輸入模態中獲取更豐富、更有用的輸出，使個性化服務成為現實；而將監督學習和強化學習相結合，則會進一步推動 AI 在更多領域的進展。
同時，迪恩也提及了 AI 可能帶來的風險，如 AI 有可能帶來事關人類生存危機的看法，如 AI 可能會找出對人類不利的方法來實現其目標，以及不同 AI 系統之間可能發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超人類大腦的智能體。相較于當前的人工智能，ASI 具備極高的智能水平和廣泛的應用能力，可以在短時間內學會人類幾千年的知識，解決復雜問題，甚至進行自我創新；這種智能使其在所有的認知任務上都能超越人類的智能，包括科學創新、通識智慧和社交技能等；此外，ASI 還具有自我意識、情感、創造力等人類特有的能力。
AI 技術在近年來已取得突破性進展，當前的大模型在感知和生成方面的能力較強，已經接近或部分超越人類水平，但在規劃、推理、學習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鴻溝。以下是我們邁向 ASI 道路上的幾個關鍵挑戰：
首先是算法層面，一方面要持續優化和擴展深度學習算法，以及開發新的學習范式，如無監督學習、遷移學習、強化學習等，以提高 AI 的學習能力和泛化能力；尤其是強化學習，高度模擬了人類大腦在獎勵驅動和行為適應方面的學習過程，對于理解人類學習和決策過程方面有著其他算法不可比擬的優勢。特斯拉 CEO 埃隆·馬斯克（Elon Musk）曾說，我們需要開發新的算法，才能讓 AI 實現真正的通用智能。
其次是算力層面，目前基于 Transformer 架構的模型都是使用傳統的經典計算架構運行的；然而對于 ASI 來，這樣的算力是遠遠不夠的，需要大幅提升計算能力，需要通過高性能計算集群和專門為 ASI 設計的硬件加速器甚至是量子計算，為 ASI 提供所需的巨大算力；目前量子計算技術仍處于相對初級階段，未來如能將其高效地應用到人工智能領域，算力將得到指數級提升，屆時 ASI 將成為可能。
三、總結
ASI 一旦實現，人類將史無前例地進入新智能時代，ASI 將成為企業和個人的“全方位助手”。但由于 ASI 的智能水平遠超人類，因此其行為和決策都會變得難以預測，尤其是當 ASI 的目標與人類利益出現分歧時，它可能會采取對人類有害的行動來實現其目標（例如，一個被設定為最大化紙張生產的 ASI 可能會破壞森林和生態系統）。
而一旦 ASI 達到一定的水平和能力，它可能會找到方法來避免人類的控制，導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。
正如前 OpenAI 首席科學家伊爾亞·蘇茨克弗（Ilya Sutskever）表示：“超級智能是人工智能發展的下一個重要階段，我們需要認真思考如何安全地引導其發展。”
參考鏈接
- 博客原文：https://ia.samaltman.com/。
- https://x.com/GoogleDeepMind/status/1833872938031894632。
- https://www.youtube.com/watch?v=lH74gNeryhQ。
- https://venturebeat.com/ai/elon-musk-reveals-xai-efforts-predicts-full-agi-by-2029/。
- https://zhuanlan.zhihu.com/p/705536996。
- https://www.ted.com/talks/ilya_sutskever_the_exciting_perilous_journey_toward_agi。
- https://www.fastcompany.com/90985752/ilya-sutskever-openai-chief-scientist。
