Источник изображения: сгенерировано инструментом Unbounded AI
**【Примечание редактора】**В последние месяцы AIGC пользуется благосклонностью капитала, ChatGPT стал популярен, а крупные отечественные технологические гиганты и стартапы один за другим выходят на рынок. Искусственный интеллект незаметно проникает во все сферы жизни, и это уже не просто технологическая эволюция, а революция.
Хотя взрыв приложений ИИ кажется внезапным, за кулисами ученые столкнулись с бесчисленными неудачами и накопили опыт. Так же, как и наш гость ** Ма Чжаоюань (профессор Южного университета науки и технологии, член Британского физического общества, британский королевский дипломированный инженер, бывший главный научный сотрудник Лаборатории будущего Университета Цинхуа)** в книге «The Невозможность искусственного интеллекта» Упоминается: «Каждый дюйм прогресса требует ежедневной тяжелой работы и наложения различных неопределенностей».
По сути, в долгой истории науки и техники эта технологическая революция — лишь первый шаг, ведущий человечество к «эре генеративного ИИ». Пока еще нужно обратить внимание на многие существующие проблемы и противоречия. Например: на волне технологий во главе с OpenAI сможет ли Китай быстро наверстать упущенное? Какие изменения принесет эта технологическая революция обществу и промышленной структуре? Заменят ли машины людей в будущем? В такую эпоху быстрой технологической итерации, как следует культивировать образование талантов в Китае?
В этом выпуске "AI Future Guide North" компания Tencent Technology взяла интервью у Ма Чжаоюаня. Он поделился разными мыслями и взглядами на эти вопросы. Мы собрали эти 4D памятные вещи в статью, чтобы исследовать, учиться и думать вместе с пользователями сети. Значение искусственного интеллекта людям.
Не беспокойтесь о том, что люди станут «рабами машин», горячая тема стоит за этим громадным ажиотажем
В связи с недавним бумом применения таких продуктов, как большие языковые модели искусственного интеллекта, многие люди обеспокоены тем, что с развитием искусственного интеллекта он принесет некоторые риски и проблемы безопасности для людей, а также конфликты с выживанием человека и общества.
Что касается проблем, которые беспокоят людей, я придумал слово под названием «раб машины».
Мы беспокоимся, что однажды в будущем мы станем «рабами машин», как некоторые сюжеты в фильме «Робокоп»: однажды людьми будут править машины, и им придется уйти в подполье. На протяжении всей этой борьбы человечество сохраняло свой мятежный дух, возобновляя свои усилия по восстановлению контроля над будущим и Землей. В конце концов, ИИ пришлось отправить робота путешествовать во времени и пространстве в 1984 год, пытаясь уничтожить лидера Армии Сопротивления до того, как он родился, а в будущем разразились войны между роботами и людьми... Истории вроде этой , У многих людей может быть такое подобное воображение.
За такие взгляды и опасения я считаю совершенно излишним. Прежде всего, судя по нынешнему уровню технологий, маловероятно, что роботы или разумные существа будут по-настоящему «править землей», даже станут повелителями людей. Даже если они действительно станут хозяевами людей в какой-то момент в будущем, потребуется много времени, чтобы осознать это Нам не нужно предавать гласности этот вопрос сейчас, чтобы вызвать всеобщее беспокойство.
Кроме того, хотя в настоящее время многие лидеры отрасли обсуждают связанные темы. Но я думаю, что это может быть в некоторой степени обусловлено экономическими интересами и стоящим за этим рынком капитала. **Потому что капитал должен сначала спекулировать на предмете, прежде чем он сможет извлечь из него прибыль. Например, предыдущее историческое событие в Нидерландах в 17 веке - "тюльпановый пузырь", раскрутил фиктивное понятие, не представлявшее особой ценности, а потом с него кто-то собрал урожай лука-порея. Но на самом деле тема может быть не такой страшной, как мы думаем.
За последние десять лет мы видели, что рынок капитала Китая представил и раскрутил множество тем, таких как графеновые материалы, затем виртуальная реальность, биткойн, метавселенная и т. д., и в этом году это искусственный интеллект.Каждый год мы будем рекламировать новый термин. В этом процессе хищники капитала могут извлечь из этого выгоду, а капитал становится все больше и больше. Но для обычного Сяобая мы просто следуем этим существительным.Если мы не понимаем логику работы и реальную ситуацию, мы можем потерять почти все деньги в наших карманах.
Недавно ChatGPT взорвался, Это важное технологическое достижение, **по сути, оно изменило то, как мы, люди, взаимодействуем с компьютерами. **Если вы хотите говорить о революции, с точки зрения модели выпуска в отрасли, GPT изменил судьбу OpenAI, Microsoft и Google.Теперь Google очень нервничает по поводу подъема GPT. Появление GPT значительно повысило точность и эффективность поиска людей. В прошлом, когда мы использовали Google для поиска, на домашней странице Google отображались все возможные веб-страницы, связанные с ней, могут быть сотни страниц или даже десятки тысяч результатов. Но текущая модель может более точно понимать вопрос пользователя и давать наиболее вероятный ответ, что значительно улучшает способность поиска информации. Кроме того, это может изменить наш режим работы, особенно при обработке файлов и сборе данных, что может значительно повысить эффективность нашей работы.
Но когда дело доходит до того, разовьется ли он в общий искусственный интеллект, это все еще слишком далеко от нынешней точки зрения. Как упоминалось в моей книге (со ссылкой на «Невозможность искусственного интеллекта»): между общим искусственным интеллектом и людьми существует существенный и критический разрыв, и существующие технологии ИИ не могут преодолеть этот разрыв. Что касается причины, то она будет упомянута ниже (Часть 06).
Внутреннему рынку не хватает менталитета построения экосистемы, и потребуется не менее 4-5 лет, чтобы догнать OpenAI
Мы стали свидетелями запуска и запуска многих продуктов с крупными языковыми моделями. Например, популярный ChatGPT работает очень хорошо. Многие крупные компании в Китае также следуют их примеру и запускают множество подобных продуктов.
Например, одна компания запускает продукт, а через несколько дней другая компания запускает аналогичный продукт, который дешевле и подходит для китайской среды, и все это хайп с похожим содержанием. Я думаю, что многим крупным отечественным компаниям не хватает менталитета построения экосистемы, они хотят быстро заработать, как только появится новый термин, они быстро подтянутся.
Такое последующее явление очень неблагоприятно для развития национальной экономики или региональной экономики. Если мы будем продолжать гоняться за тенденциями, мы можем никогда не догнать их. Например, Microsoft в последние десять лет концентрировалась на исследованиях, но не сделала много прорывов в других областях и в основном была подавлена другими компаниями, что требует большой неопределенности и давления. Microsoft «сдерживалась» в течение десяти лет. С ее финансовыми ресурсами, возможностями исследований и разработок и стратегиями делового сотрудничества мы наконец увидели запуск ChatGPT и связанных с ним новых продуктов. Потребовалось много времени, чтобы создать «точку взрыва». , и мы ожидаем, что в одночасье Нереально ожидать, что компания сможет добиться радикальных изменений.
Может быть, эти компании являются особыми «талантливыми игроками», которым требуется всего несколько месяцев, год или два, чтобы выполнить ту же работу, на которую у других уходит десять лет? Разве эти компании не знают об этих проблемах, которые мы рассматриваем? Также вам нужен ажиотаж, чтобы подтолкнуть фондовый рынок и цену акций? Все это требует, чтобы обычные люди, такие как мы, хорошо подумали, подумали, следует ли нам последовать их примеру, и приняли соответствующие инвестиционные решения.
** Что касается состояния экономического развития страны, то, следуя тренду, можно никогда не догнать тех, кто бежал первым. Вместо этого мы должны думать о том, как осуществлять взаимное экологическое состроительство на основе наших текущих возможностей. Над этим вопросом стоит задуматься отечественным технологическим гигантам. **
Приведем пример: за последние 40 лет Китай добился больших успехов в строительстве инфраструктуры.Например, китайская высокоскоростная железная дорога очень хорошо развивалась, и она стала высокоскоростной железнодорожной системой, которую необходимо учитывать во всем мире. и стал визитной карточкой Китая. В качестве другого примера, в коммуникационной и компьютерной отраслях 5G в Китае уже является самым сильным в мире. В этих областях у нас есть некоторые преимущества, и основное строительство было сделано очень хорошо, и в настоящее время мы также можем построить некоторые возможности и направления экологического развития на этом фундаменте, чтобы иметь большие преимущества.
Мы можем представить, что, исходя из наших преимуществ, в ближайшие 10-20 лет, если какие-то страны Европы и США монополизируют какие-то технические направления, мы тоже можем войти в состояние «взаимно слипшихся шей» на основе наших ведущих направлений. Получите позицию на переговорах. Возвращаясь к технологиям, хотят ли отечественные компании догнать GPT или Bing, это может быть основано на опыте «предшественников»,** мы можем ускорить скорость исследований и разработок, но если мы догоним до того же уровня, это может занять как минимум 4-5 лет. **Кроме того, нам также необходимо подумать: даже если мы наверстаем упущенное через несколько лет, прошел ли этот порыв ветра? А сам Microsoft или Open AI тоже итеративно растет, стал "биг маком"?
**В целом, инвестиции в следование тренду на самом деле являются пустой тратой средств, времени и таланта. Для участников, кроме усиления паники и беспокойства, они могут не получить никакой выгоды, а это лишь позволит капиталу пожинать часть интересов инвесторов в процессе следования за трендом. **
ИИ не приведет к тому, что большое количество людей останутся без работы, а профессии любой эпохи должны создаваться людьми
Помимо теории угрозы ИИ, людей больше беспокоит влияние ИИ на занятость.
Чрезвычайно антропоморфный характер ChatGPT спровоцировал волну отраслевых кризисов, и многие люди начали беспокоиться о том, повлияет ли это на их отрасль или даже потеряет работу. С текущей точки зрения, некоторые рабочие места могут быть затронуты в краткосрочной перспективе, но это не повлияет на долгосрочную стабильность общества.
С точки зрения направления карьеры, приведет ли революция искусственного интеллекта к сокращению населения и рабочей силы? Ответ - нет.
Например, во время промышленной революции, примерно между 18 и 19 веками, одним из самых больших изменений было сокращение сельскохозяйственного населения. В первые дни промышленной революции или до ее начала более 95% населения планеты было занято сельскохозяйственным трудом, и лишь малая часть была правителями или священниками.В то время подавляющее большинство людей были в основном фермеры.
Сейчас ситуация иная, возьмем для примера развитые страны, например, в США менее 2% населения занято в сельском хозяйстве. Более 90% населения в среднем изменило производственное содержание. Хотя некоторые рабочие места исчезли, эти люди не исчезли, а вместо этого увеличилось население. Судя по влиянию на человеческое общество, такие изменения не привели к длительной безработице и даже не повлияли на нестабильность человеческого общества, многие люди просто сменили профессию, которой они занимались, и изменился способ производства людей. Хотя это может привести к значительному сокращению или даже исчезновению некоторых рабочих мест, но также из-за этого изменения будет вызван и добавлен больший спрос на другие рабочие места.
В качестве другого примера мы упомянули английское слово «Компьютер». Когда мы слышим это слово, на ум может прийти машина, но 70 лет назад слово «компьютер» означало нечто иное, чем сейчас. В то время это относилось к людям, работающим над вычислениями, подобными Манхэттенскому проекту.
В то время не было компьютеров и настольных компьютеров, подобных тем, которые мы используем сейчас, но для выполнения огромных проектов требовалось много вычислений, поэтому компания, отвечающая за этот проект, наняла несколько молодых и внимательных женщин для использования логарифмических линеек. в специальной комнате Делая много вычислительной работы с бумагой для заметок, этих женщин называют «компьютерами».
Термин «компьютер» был придуман для обозначения людей, которые работают с вычислительной техникой, имея в виду работников, которые много работают с компьютером в офисе. Позже, с появлением компьютера, и по сей день, когда мы говорим «компьютер», мы знаем, что это относится к компьютеру, а не к женщинам, которые работают в области вычислительной техники. Таким образом, значение слова «компьютер» полностью изменилось, и оно стало обозначать чистые машины.
** Таким образом, по мере того, как машины становятся более способными в определенных областях, они могут заменить некоторые из наших человеческих профессий, что приведет к исчезновению некоторых профессий. Однако эти люди на самом деле не исчезают, они переходят к более сложной работе или другим нуждам. **
** Одной из величайших характеристик человека является постоянное внедрение инноваций и создание новых потребностей. **Эти новые потребности заставят людей создавать новые возможности трудоустройства. Нам не нужно паниковать или слишком беспокоиться о безработице, на протяжении всей истории человеческого общества мы приспосабливались к этим изменениям и реагировали на них. У нас есть возможность постоянно создавать и адаптироваться к новой рабочей среде и возможностям трудоустройства.
С точки зрения профессиональных технических требований, с разработкой крупномасштабных приложений на языке моделей выполнение задач программирования станет проще и проще. Например, с помощью таких инструментов, как ChatGPT, нам нужно только предложить то, что мы хотим сделать, и поставить четкую задачу, а GPT поможет нам выполнить всю остальную работу. Например, мы можем напрямую запросить GPT, и он будет использовать свои возможности программирования и поиска для непосредственной генерации кода. Таким образом, такая система, как Python, может даже больше не понадобиться. Короче говоря, человек просто описывает требования и приступает к реализации описанных способов.
**Кроме того, судя по этой тенденции, степень автоматизации программирования в будущем будет становиться все выше и выше. **Это похоже на язык ассемблера, который я выучил, когда изучал программирование. Теперь большинство молодых людей могут больше не знать, как его писать. По той же причине.
Язык ассемблера — это язык высокого уровня между человеческим языком и машинным языком, который включает ассемблирование и прямое программирование на машинном языке. После языка ассемблера появились такие языки, как C, C++ и Java, которые постепенно развились до таких языков, как Python. Когда я общаюсь со студентами, я обнаруживаю, что Python — очень свободный язык для тех из нас, кто изучал C, но он стал любимым инструментом для студентов, которые больше не привыкли использовать C. Под влиянием некоторых теоретических систем у разных инженеров все же есть различия в понятности ИИ. И нам все еще могут понадобиться некоторые профессионалы, чтобы постоянно улучшать систему в фоновом режиме, так как унифицировать стандарты разборчивости, чтобы получить желаемые результаты.
В общем, ** в любую эпоху новые потребности создаются нами, людьми. **Мы не можем принять статичный образ мышления, который фокусируется на подмене и конфликте людей. Если на Земле будет только ограниченное количество рабочих мест и потребностей, когда машины возьмут на себя эти рабочие места, мы, люди, можем действительно не иметь смысла для существования. Но на самом деле самое замечательное в том, чтобы быть человеком, — это наша способность постоянно создавать новые потребности и удовлетворять эти потребности через людей.
Конкурировать с ИИ бессмысленно, следует уделять больше внимания его политическим ограничениям и управлению рисками
Теперь и Китай, и Соединенные Штаты начали вводить некоторые соответствующие регулирующие механизмы. Технологическое развитие в любой период требует определенных политических ограничений и управления рисками.
Возьмем для примера историю автомобиля: до 1900 года автомобилей было очень мало, их могли позволить себе только очень богатые люди, и они не имели большого влияния на общество. Кроме того, скорость автомобиля невелика, например, он может проехать только более десяти километров в час, так что он мало чем отличается от ходьбы, поэтому не нужно делать для него слишком много правил, просто пусть он развивается.
Однако с введением компанией Ford Motor Company конвейерного производства стоимость автомобилей значительно снизилась, обычные люди могут водить машину, а количество автомобилей значительно увеличилось. Скорость автомобилей также увеличилась с более чем десяти километров в час до сотен километров в час.В это время автомобили могут стать опасными и связаны с некоторыми проблемами безопасности.Поэтому мы, люди, должны сформулировать правила для автомобилей. Например, спроектировать для него специальные дороги, он уже не может смешиваться с пешеходами, и даже нужно строить для него шоссе, и ставить светофоры, светофоры и т.д. на дорогах, где ездят люди, все эти правила и возникли.
Точно так же мы разрабатываем машину так, чтобы она могла собирать и систематизировать данные с высокой скоростью, а также выполнять быстрые выводы и логическое мышление. Так же, как мы проектируем автомобили, чтобы они ехали быстро. Как только появляется машина, нам не нужно соревноваться с ней, чтобы увидеть, кто быстрее.
Поэтому, когда компьютер обладает такими мощными возможностями по сопоставлению и обработке данных, конкурировать с его экспертизой в какой-то конкретной области бессмысленно, нужно больше устанавливать для него правила.
Например, технология «Midjoury», на которую в последнее время обратили внимание представители отрасли, может использоваться для генерации изображений и имитации голоса и даже может создавать новости. Итак, когда этот видеоконтент и новости распространяются в Интернете, как их регулировать и как обеспечить их достоверность? Это становится вопросом разработки правил с течением времени. Формулировка этих правил превращает сосуществование людей и машин в настоящую проблему.
Эти вопросы требуют, чтобы мы начали думать сегодня и пришли к консенсусу. Теперь, когда автомобили уже существуют, Земля представляет собой состояние симбиоза между людьми и автомобилями. Поэтому нам необходимо сформулировать правила дорожного движения, чтобы обеспечить сосуществование людей и автомобилей в городах или конкретных средах. В этом процессе не только машины должны подчиняться правилам, но и люди тоже должны подчиняться правилам.
Появление ИИ приведет к увеличению потребления энергии и ресурсов, но оно заслуживает признания за повышение эффективности человека
В этом интервью был затронут вопрос энергетической структуры: с точки зрения промышленной экономической структуры, при взрывном росте AIGC требуется больше вычислительной мощности, а также требуется больше электроэнергии и гидравлической поддержки. Так ли это? к изменениям в расположении родственных стран или глобальной энергетической структуры?
Это то, что обязательно произойдет. Когда возникают новые промышленные структуры и требования, это неизбежный результат Проблема заключается в том, как организовать и приспособить. Если ИИ потребляет вычислительную мощность, он должен обеспечивать для этого достаточно энергии. В этом энергетическом процессе он включает в себя рассмотрение зеленой земли и структуры потребления энергии, Я думаю, что это не особо связано с развитием ИИ, а с естественной ситуацией.
Согласно соответствующим данным, совокупное годовое энергопотребление облачных центров Китая может быть эквивалентно выработке электроэнергии двумя электростанциями «Три ущелья» (потребление ресурсов облачных центров не ограничивается поддержкой ИИ, и даже доля услуг ИИ относительно маленький). По мере увеличения объема вычислений спрос на электроэнергию увеличивается еще больше. Помимо предоставления новых энергетических добавок, нам также необходимо подумать о том, как повысить энергоэффективность, что на самом деле является относительно сложной проблемой. С точки зрения энергосбережения необходимо провести расчеты и выполнить охлаждение. Однако, в сочетании с текущей внутренней ситуацией, из-за быстрого развития в последние несколько лет, половина энергии, которую мы поставляем в центр обработки данных, используется для отвода тепла. Это то, что нам нужно учитывать.
Как нам решить и избежать проблемы необоснованного занятия и распределения ресурсов? Позвольте мне привести другой пример: после того, как Google приобрел Deepmind, команду Deepmind попросили сделать одну вещь, то есть настроить облачный центр Google для энергосбережения за счет обучения с подкреплением и многих других алгоритмов ИИ. Это фактически помогло Google снизить потребление энергии почти на 50%. Поэтому почти 100% электроэнергии в облачном центре Google используется для вычислений, и лишь очень небольшая часть (менее примерно 5%) используется для охлаждения. Таким образом, эта форма оптимизации экономит энергию облачного центра Google в больших масштабах.
Поэтому, если мы сможем достичь уровня эффективности, аналогичного использованию облачного центра Google, и примем во внимание двойной углерод и зеленую энергию, за которую выступает весь мир, мы все еще можем подумать о том, как эффективно использовать энергию в будущем.
Следует отметить, что в данном вопросе мы обсуждаем только энергопотребление. В целом ИИ действительно может помочь нам значительно повысить эффективность использования, и после того, как он будет широко использоваться, возможное повышение эффективности будет гораздо более значительным, чем его влияние на энергопотребление.
Как ИИ понимает человеческий язык? Через три режима логических рассуждений
Нынешняя модель глубокого обучения, особенно появившаяся недавно крупномасштабная языковая модель, по-прежнему является технологией «черного ящика». Хотя большие языковые модели хорошо справляются со многими задачами обработки естественного языка, нам все еще нужно найти интерпретируемый метод.
В научной работе мы обычно привыкли связывать явления с другими вещами, и если мы сможем описать их краткой и красивой формулой, мы сможем показать, что понимаем. Однако, судя по интерпретируемости текущей большой языковой модели, включающей нейронные сети, ее параметры будут очень случайными, и если изменить параметры совсем незначительно, то и результаты сильно изменятся. Хотя эти параметры играют роль в архитектуре, их точные механизмы до конца не изучены. Мы не можем описать их с помощью простых алгебраических моделей, и в этом смысле они не лучше поняты.
Мы, нормальные люди (непрофессионалы), не привыкли использовать множество чисел для описания отношений между двумя вещами и того, как изменение каждого числа приводит к результату. Когда отношения неясны, мы думаем, что состояние еще не достигло точки понимания. Поэтому люди часто путают понятия и думают, что большие языковые модели или нейронные сети еще не поняты. На самом деле, они не совсем непонятны, просто мы не нашли удовлетворительного способа, которым мы привыкли их понимать.
В настоящее время GPT больше основан на обучении больших данных.Основной способ - научиться оценивать ответ, который мы, скорее всего, хотим, исходя из вероятности.Осуществима ли и надежна его текущая форма рассуждений, мы можем посмотреть на нее с этих аспектов. :
Во-первых, возможный ответ дается на основе максимальной вероятности.Метод с использованием нейронной сети и байесовской статистики на уровне алгоритма - это логика, используемая GPT в фоновом режиме, и это правильно.
Кроме того, когда дело доходит до логических рассуждений, мы можем разделить логические рассуждения на три разных режима, не ограничиваясь логическими полосами.
Когда мы, люди, воспринимаем мир, есть три разных способа:
Первый — это дедуктивное рассуждение, приводящее к строго правильным выводам. Машина может выполнять дедуктивные рассуждения намного быстрее, чем мы, потому что они основаны на четырех фундаментальных принципах классической логики: законе абсолютного тождества, законе противоречия, законе исключенного третьего и законе причинности. **
На основе этих четырех принципов можно сделать детерминированные выводы. Однако проблема с детерминированными выводами состоит в том, что в логике это называется тавтологией, то есть известным фактом, вновь сформулированным по-другому. С точки зрения дедуктивного рассуждения ответ уже содержится во всех ваших предположениях, просто он выражен по-другому.
Нам нужно понять одну вещь: на самом деле для этого была разработана машина Тьюринга, это классическая дедуктивно-логическая машина. В 1936 году британский математик Тьюринг опубликовал важную статью «О вычислимых числах и их применении к задачам принятия решений», ознаменовав рождение машины Тьюринга. Работа машины Тьюринга очень похожа на мыслительный процесс наших письменных вычислений. Модель машины Тьюринга на сегодняшний день является наиболее широко используемой классической вычислительной моделью, а не одной из них.
На сегодняшний день искусственный интеллект по-прежнему основан на машинах Тьюринга. Вещи, которые не могут делать машины Тьюринга, какими бы мощными ни были современные компьютеры, не могут их делать. Это одна из основ нашего мышления о разделении труда между людьми и ИИ. **
**Второй режим называется индукцией. ** Индукция — это процесс наблюдения за несколькими событиями, выявления их общих характеристик и обобщения их в новые знания. Однако индукция не может быть достигнута с помощью строгой логики, потому что невозможно исчерпать все возможности. Следовательно, может иметь место так называемое «событие черного лебедя», то есть мы наблюдаем, что лебеди в Европе и Америке все белые, и, таким образом, делаем вывод, что лебеди должны быть белыми. Но когда мы обнаруживаем, что в Австралии есть черный лебедь, метод индукции не может дать абсолютно правильного вывода, потому что он не может охватить всех возможностей. Машины в этом отношении ограничены и не могут выйти за пределы индукции, а люди могут. Однако мы должны также понимать, что этот вывод может быть опрокинут, чем и занимается современная наука.
Третий способ — аналогия, представляющий собой расплывчатый способ рассуждения, связывающий одно с другим. Например, думая о структуре ДНК, если мы не знаем, как она выглядит, и видим во сне двух переплетенных змей, мы можем думать о структуре ДНК. На самом деле двойная спиральная структура ДНК действительно «покрыта» таким образом. Но для компьютеров, основанных на дедуктивной логике, этого достичь невозможно. Аналогия — менее строгий способ рассуждения, но мы, люди, можем его использовать.
Из этих трех режимов мы можем сделать вывод, что машины намного эффективнее людей выполняют дедуктивную логику, потому что они работают на машинах Тьюринга и представляют собой законченные компьютерные системы. Однако машины не могут генерировать никаких новых знаний, и новые знания должны быть получены людьми посредством свободной индукции или аналогии. Эти взгляды должны быть продемонстрированы шаг за шагом с помощью дедуктивных методов и, наконец, преобразованы в относительно устойчивые знания.Когнитивные машины не могут превзойти людей в приобретении новых знаний. И когда мы говорим, что машина не может этого сделать, это означает, что машина не может справиться с этим из областей, отличных от строгой дедуктивной логики, а именно с этими областями могут справиться люди.
Это на самом деле включает в себя обсуждение разделения труда между людьми и машинами. Будь то искусственный интеллект или машины, все они разработаны на основе машин Тьюринга, и упомянутые выше проблемы неизбежны. Текущее развитие искусственного интеллекта основано на машинах Тьюринга.Если искусственный интеллект не может выполнить определенные задачи, это может быть связано с ограничениями разработки аппаратных средств, такими как закон Мура, или другими связанными ограничениями.
Недавно Сэм Альтман, генеральный директор OpenAI, заявил, что объем глобальных вычислений искусственного интеллекта удваивается каждые 18 месяцев. В связи с этим некоторые люди считают, что производительность вычислительной мощности искусственного интеллекта будет продолжать расти в геометрической прогрессии. На самом деле ** о «законе Мура» и алгоритмах — это два разных утверждения. Закон Мура в основном относится к разработке аппаратных средств, но алгоритм не полностью соответствует законам Мура. Из-за технических проблем, связанных с обработкой прецизионного оборудования, сегодняшний закон Мура в некотором смысле замедлился**, и он включает в себя больше проблем в механических технологиях. Что касается разработки алгоритмов, то трудно сказать, что она осуществляется в соответствии с законом Мура, и между ними есть некоторые различия.
Когда дело доходит до закона Мура, мы можем пойти дальше, и когда вычислительная единица достигнет атомного уровня, мы вступим в другую область — квантовые вычисления. Из области квантовых вычислений и объединения наших достижений за последние годы мы обнаружили, что квантовые вычисления не являются строгой машиной Тьюринга. Более того, проектирование квантовых вычислений на технологическом уровне слишком сложно, и может пройти много времени, прежде чем они станут по-настоящему универсальными с точки зрения алгоритмов, подобных машинам Тьюринга. У меня есть мнение, что нам не нужно слишком беспокоиться об этом в ближайшие 300 лет. Но произойдет ли ключевой прорыв в квантовых вычислениях через 300 лет? Трудно сказать, потому что с редукционистской точки зрения наш человеческий разум должен основываться на какой-то физической сущности.
В настоящее время, по все большему количеству указаний**, наш образ мышления не эквивалентен образу мышления компьютеров Тьюринга. ** Но согласно нашему нынешнему познанию, сейчас у нас есть только два выбора — только классическая машина Тьюринга и недавно появившийся квантовый компьютер, а третьего выбора в будущем может и не быть.
Если мы в принципе установили, что человеческий мозг не состоит из классической машины Тьюринга, то это может быть квантовый компьютер. Однако способность квантовых компьютеров создавать мыслительные модели, подобные человеческим, неясна. Так что мы все больше и больше убеждаемся, что квантовый компьютер — это не машина Тьюринга, и его основная логика отличается.
Обучение талантам в эпоху GPT: развивайте сильные способности к обучению
Мы создаем машины, которые помогают нам выполнять различные задачи. Поэтому с точки зрения конкретных направлений карьеры сложно определить, какие рабочие места не будут заменены в будущем. Потому что для любого события или алгоритма, которые можно описать, машина Тьюринга может их выполнить. Как только мы описываем работу как конкретную задачу, компьютер может ее выполнять, просто разница в том, насколько эффективно компьютер выполняет эту задачу.
На самом деле, когда мы рассматриваем то, чего не могут сделать машины Тьюринга, Тьюринг и его математик Гёдель указали на это в 1930-х годах, но в то время они не привлекли достаточного внимания со стороны людей. поколение доказало, что перцептивное мышление и интуиция являются для нас, людей, основными инструментами познания мира, а рациональное мышление является инструментом для организации перцептивного мышления. Короче говоря,** способность по-настоящему воспринимать мир остается исключительно человеческой и достигается благодаря нашему собственному перцептивному восприятию. Это одна из основ того, как мы понимаем и отличаем людей от машин (или ИИ). **
На самом деле, исходя из разницы в основных компетенциях, для нас, людей или людей будущего, важная способность к самосовершенствованию требует сильной способности к обучению и адаптивности. Только благодаря этой способности к обучению люди могут давать новые решения новым потребностям и превращать их в свою собственную работу. Трудно подробно обсудить каждый из этих аспектов, потому что способность к обучению затрагивает множество различных областей. Но теперь мы должны сосредоточиться на этом, через образование, чтобы изменить то, как мы в настоящее время обучаем наших студентов.
Например, в этом семестре я избегал давать студентам домашнее задание. Я начал понимать, что ничто не мешает им выполнять свои задания с помощью таких инструментов, как GPT, и что ответы через GPT могут оказаться лучше, чем я ожидал, и такие задания потеряли смысл. Поэтому я уделяю больше внимания диалогу и взаимодействию со студентами в классе и обращаю внимание на их понимание логики рассуждений и процесса, а не на то, смогут ли они выполнить домашнее задание.
Кроме того, я надеюсь, что в течение семестра они выполнят относительно систематическое проектное задание. Современное образование выступает за проектное обучение и обучение через участие в проектах. В процессе этого проекта мы даем учащимся понять, что они делают, вместо того, чтобы обучать их с помощью прежних методов вопросов и ответов, контрольных работ и домашних заданий.Люди, выращенные с помощью проектного обучения, имеют больше преимуществ для машин, а не просто чтобы ответить на вопрос.
В этом процессе будет много вопросов, достойных нашего рассмотрения. Именно потому, что мы думаем и понимаем потребности в этой области, будет создано большое количество новых рабочих мест и новых направлений развития. Поэтому, если вам нужно сказать, разница между людьми и машинами может быть большей тенденцией, на которую вы действительно обратите внимание в будущем. Подводя итог, мы фокусируемся на собственных способностях человека и взаимодействии между человеком и машиной, что является очень широкой областью.
Тенденция развития диалога человека и компьютера в будущем: взаимодействие искусственного интеллекта и машин
Что касается концепции и видения будущего ИИ, то трудно точно предсказать конкретные тенденции, потому что это может направлять общественное мнение и влиять на направление капиталовложений, а некоторые мнения предназначены только для обмена и обсуждения.
** Я считаю важной тенденцией взаимодействие между искусственным интеллектом и машинами. С быстрым развитием машин и людей нам нужен интерфейс или инструмент для их соединения для улучшения связи. Взаимодействие человека с компьютером будет очень важной технической областью. **
При поиске будущих тенденций мы должны уделять больше внимания как человеку, так и машине, а не какой-то одной. Нам необходимо глубоко задуматься о возможностях и положении человека. Это вопрос, который требует долгосрочного мышления.
Хотя мы обсудили больше об этике образования и возможном будущем развитии человека, с технической точки зрения взаимодействие человека с компьютером может быть областью с большим потенциалом. Нам нужно подумать о том, как обеспечить более быстрый и эффективный способ общения между людьми и машинами, не требуя, чтобы люди становились профессиональными моделями-экспертами.
Может ли взаимодействие человека с компьютером привлечь больше людей к более быстрому участию и эффективному управлению машиной, это может повлиять и способствовать более быстрому развитию машины. Поскольку быстрое развитие машин в будущем неизбежно, людям также необходимо прояснить свои собственные стратегии и позиционирование. Поскольку на земле должны сосуществовать и люди, и машины, у нас должен быть особенно гармоничный, удобный и эффективный способ взаимодействия. Для реализации такого рода взаимодействия может потребоваться множество новых технологий.
В общем, мы не хотим стать в будущем «рабами машин», поэтому мы должны думать о позиционировании человека. В сфере образования популярность ТШП также поставила передо мной важные задачи и размышления: «Учащиеся, воспитанные в рамках традиционной образовательной модели, больше похожи на машины или людей?», «Как мы должны учиться, чтобы нас не заменили AI?» Эти вопросы лежат в основе наших сегодняшних серьезных дискуссий. Как учителя, мы не хотим, чтобы то, чему мы учим студентов сегодня или готовим студентов, через 10 или 20 лет обнаружило, что их рабочие места были заменены компьютерами, их лишили работы или заставили сменить работу.
** Человеческое мышление свободно, креативно и коммуникабельно.По сути, то, что нам нужно развивать, - это способ выращивания инновационных технических талантов с привычками к обучению на протяжении всей жизни. **
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Ма Чжаоюань Интерпретация AIGC: отечественные компании хотят догнать OpenAI в этом году? не менее 4-5 лет
Текст: Ли Хайдань, Tencent Technology
**【Примечание редактора】**В последние месяцы AIGC пользуется благосклонностью капитала, ChatGPT стал популярен, а крупные отечественные технологические гиганты и стартапы один за другим выходят на рынок. Искусственный интеллект незаметно проникает во все сферы жизни, и это уже не просто технологическая эволюция, а революция.
Хотя взрыв приложений ИИ кажется внезапным, за кулисами ученые столкнулись с бесчисленными неудачами и накопили опыт. Так же, как и наш гость ** Ма Чжаоюань (профессор Южного университета науки и технологии, член Британского физического общества, британский королевский дипломированный инженер, бывший главный научный сотрудник Лаборатории будущего Университета Цинхуа)** в книге «The Невозможность искусственного интеллекта» Упоминается: «Каждый дюйм прогресса требует ежедневной тяжелой работы и наложения различных неопределенностей».
По сути, в долгой истории науки и техники эта технологическая революция — лишь первый шаг, ведущий человечество к «эре генеративного ИИ». Пока еще нужно обратить внимание на многие существующие проблемы и противоречия. Например: на волне технологий во главе с OpenAI сможет ли Китай быстро наверстать упущенное? Какие изменения принесет эта технологическая революция обществу и промышленной структуре? Заменят ли машины людей в будущем? В такую эпоху быстрой технологической итерации, как следует культивировать образование талантов в Китае?
В этом выпуске "AI Future Guide North" компания Tencent Technology взяла интервью у Ма Чжаоюаня. Он поделился разными мыслями и взглядами на эти вопросы. Мы собрали эти 4D памятные вещи в статью, чтобы исследовать, учиться и думать вместе с пользователями сети. Значение искусственного интеллекта людям.
Не беспокойтесь о том, что люди станут «рабами машин», горячая тема стоит за этим громадным ажиотажем
В связи с недавним бумом применения таких продуктов, как большие языковые модели искусственного интеллекта, многие люди обеспокоены тем, что с развитием искусственного интеллекта он принесет некоторые риски и проблемы безопасности для людей, а также конфликты с выживанием человека и общества.
Что касается проблем, которые беспокоят людей, я придумал слово под названием «раб машины».
Мы беспокоимся, что однажды в будущем мы станем «рабами машин», как некоторые сюжеты в фильме «Робокоп»: однажды людьми будут править машины, и им придется уйти в подполье. На протяжении всей этой борьбы человечество сохраняло свой мятежный дух, возобновляя свои усилия по восстановлению контроля над будущим и Землей. В конце концов, ИИ пришлось отправить робота путешествовать во времени и пространстве в 1984 год, пытаясь уничтожить лидера Армии Сопротивления до того, как он родился, а в будущем разразились войны между роботами и людьми... Истории вроде этой , У многих людей может быть такое подобное воображение.
За такие взгляды и опасения я считаю совершенно излишним. Прежде всего, судя по нынешнему уровню технологий, маловероятно, что роботы или разумные существа будут по-настоящему «править землей», даже станут повелителями людей. Даже если они действительно станут хозяевами людей в какой-то момент в будущем, потребуется много времени, чтобы осознать это Нам не нужно предавать гласности этот вопрос сейчас, чтобы вызвать всеобщее беспокойство.
Кроме того, хотя в настоящее время многие лидеры отрасли обсуждают связанные темы. Но я думаю, что это может быть в некоторой степени обусловлено экономическими интересами и стоящим за этим рынком капитала. **Потому что капитал должен сначала спекулировать на предмете, прежде чем он сможет извлечь из него прибыль. Например, предыдущее историческое событие в Нидерландах в 17 веке - "тюльпановый пузырь", раскрутил фиктивное понятие, не представлявшее особой ценности, а потом с него кто-то собрал урожай лука-порея. Но на самом деле тема может быть не такой страшной, как мы думаем.
За последние десять лет мы видели, что рынок капитала Китая представил и раскрутил множество тем, таких как графеновые материалы, затем виртуальная реальность, биткойн, метавселенная и т. д., и в этом году это искусственный интеллект.Каждый год мы будем рекламировать новый термин. В этом процессе хищники капитала могут извлечь из этого выгоду, а капитал становится все больше и больше. Но для обычного Сяобая мы просто следуем этим существительным.Если мы не понимаем логику работы и реальную ситуацию, мы можем потерять почти все деньги в наших карманах.
Недавно ChatGPT взорвался, Это важное технологическое достижение, **по сути, оно изменило то, как мы, люди, взаимодействуем с компьютерами. **Если вы хотите говорить о революции, с точки зрения модели выпуска в отрасли, GPT изменил судьбу OpenAI, Microsoft и Google.Теперь Google очень нервничает по поводу подъема GPT. Появление GPT значительно повысило точность и эффективность поиска людей. В прошлом, когда мы использовали Google для поиска, на домашней странице Google отображались все возможные веб-страницы, связанные с ней, могут быть сотни страниц или даже десятки тысяч результатов. Но текущая модель может более точно понимать вопрос пользователя и давать наиболее вероятный ответ, что значительно улучшает способность поиска информации. Кроме того, это может изменить наш режим работы, особенно при обработке файлов и сборе данных, что может значительно повысить эффективность нашей работы.
Но когда дело доходит до того, разовьется ли он в общий искусственный интеллект, это все еще слишком далеко от нынешней точки зрения. Как упоминалось в моей книге (со ссылкой на «Невозможность искусственного интеллекта»): между общим искусственным интеллектом и людьми существует существенный и критический разрыв, и существующие технологии ИИ не могут преодолеть этот разрыв. Что касается причины, то она будет упомянута ниже (Часть 06).
Внутреннему рынку не хватает менталитета построения экосистемы, и потребуется не менее 4-5 лет, чтобы догнать OpenAI
Мы стали свидетелями запуска и запуска многих продуктов с крупными языковыми моделями. Например, популярный ChatGPT работает очень хорошо. Многие крупные компании в Китае также следуют их примеру и запускают множество подобных продуктов.
Например, одна компания запускает продукт, а через несколько дней другая компания запускает аналогичный продукт, который дешевле и подходит для китайской среды, и все это хайп с похожим содержанием. Я думаю, что многим крупным отечественным компаниям не хватает менталитета построения экосистемы, они хотят быстро заработать, как только появится новый термин, они быстро подтянутся.
Такое последующее явление очень неблагоприятно для развития национальной экономики или региональной экономики. Если мы будем продолжать гоняться за тенденциями, мы можем никогда не догнать их. Например, Microsoft в последние десять лет концентрировалась на исследованиях, но не сделала много прорывов в других областях и в основном была подавлена другими компаниями, что требует большой неопределенности и давления. Microsoft «сдерживалась» в течение десяти лет. С ее финансовыми ресурсами, возможностями исследований и разработок и стратегиями делового сотрудничества мы наконец увидели запуск ChatGPT и связанных с ним новых продуктов. Потребовалось много времени, чтобы создать «точку взрыва». , и мы ожидаем, что в одночасье Нереально ожидать, что компания сможет добиться радикальных изменений.
Может быть, эти компании являются особыми «талантливыми игроками», которым требуется всего несколько месяцев, год или два, чтобы выполнить ту же работу, на которую у других уходит десять лет? Разве эти компании не знают об этих проблемах, которые мы рассматриваем? Также вам нужен ажиотаж, чтобы подтолкнуть фондовый рынок и цену акций? Все это требует, чтобы обычные люди, такие как мы, хорошо подумали, подумали, следует ли нам последовать их примеру, и приняли соответствующие инвестиционные решения.
** Что касается состояния экономического развития страны, то, следуя тренду, можно никогда не догнать тех, кто бежал первым. Вместо этого мы должны думать о том, как осуществлять взаимное экологическое состроительство на основе наших текущих возможностей. Над этим вопросом стоит задуматься отечественным технологическим гигантам. **
Приведем пример: за последние 40 лет Китай добился больших успехов в строительстве инфраструктуры.Например, китайская высокоскоростная железная дорога очень хорошо развивалась, и она стала высокоскоростной железнодорожной системой, которую необходимо учитывать во всем мире. и стал визитной карточкой Китая. В качестве другого примера, в коммуникационной и компьютерной отраслях 5G в Китае уже является самым сильным в мире. В этих областях у нас есть некоторые преимущества, и основное строительство было сделано очень хорошо, и в настоящее время мы также можем построить некоторые возможности и направления экологического развития на этом фундаменте, чтобы иметь большие преимущества.
Мы можем представить, что, исходя из наших преимуществ, в ближайшие 10-20 лет, если какие-то страны Европы и США монополизируют какие-то технические направления, мы тоже можем войти в состояние «взаимно слипшихся шей» на основе наших ведущих направлений. Получите позицию на переговорах. Возвращаясь к технологиям, хотят ли отечественные компании догнать GPT или Bing, это может быть основано на опыте «предшественников»,** мы можем ускорить скорость исследований и разработок, но если мы догоним до того же уровня, это может занять как минимум 4-5 лет. **Кроме того, нам также необходимо подумать: даже если мы наверстаем упущенное через несколько лет, прошел ли этот порыв ветра? А сам Microsoft или Open AI тоже итеративно растет, стал "биг маком"?
**В целом, инвестиции в следование тренду на самом деле являются пустой тратой средств, времени и таланта. Для участников, кроме усиления паники и беспокойства, они могут не получить никакой выгоды, а это лишь позволит капиталу пожинать часть интересов инвесторов в процессе следования за трендом. **
ИИ не приведет к тому, что большое количество людей останутся без работы, а профессии любой эпохи должны создаваться людьми
Помимо теории угрозы ИИ, людей больше беспокоит влияние ИИ на занятость.
Чрезвычайно антропоморфный характер ChatGPT спровоцировал волну отраслевых кризисов, и многие люди начали беспокоиться о том, повлияет ли это на их отрасль или даже потеряет работу. С текущей точки зрения, некоторые рабочие места могут быть затронуты в краткосрочной перспективе, но это не повлияет на долгосрочную стабильность общества.
С точки зрения направления карьеры, приведет ли революция искусственного интеллекта к сокращению населения и рабочей силы? Ответ - нет.
Например, во время промышленной революции, примерно между 18 и 19 веками, одним из самых больших изменений было сокращение сельскохозяйственного населения. В первые дни промышленной революции или до ее начала более 95% населения планеты было занято сельскохозяйственным трудом, и лишь малая часть была правителями или священниками.В то время подавляющее большинство людей были в основном фермеры.
Сейчас ситуация иная, возьмем для примера развитые страны, например, в США менее 2% населения занято в сельском хозяйстве. Более 90% населения в среднем изменило производственное содержание. Хотя некоторые рабочие места исчезли, эти люди не исчезли, а вместо этого увеличилось население. Судя по влиянию на человеческое общество, такие изменения не привели к длительной безработице и даже не повлияли на нестабильность человеческого общества, многие люди просто сменили профессию, которой они занимались, и изменился способ производства людей. Хотя это может привести к значительному сокращению или даже исчезновению некоторых рабочих мест, но также из-за этого изменения будет вызван и добавлен больший спрос на другие рабочие места.
В качестве другого примера мы упомянули английское слово «Компьютер». Когда мы слышим это слово, на ум может прийти машина, но 70 лет назад слово «компьютер» означало нечто иное, чем сейчас. В то время это относилось к людям, работающим над вычислениями, подобными Манхэттенскому проекту.
В то время не было компьютеров и настольных компьютеров, подобных тем, которые мы используем сейчас, но для выполнения огромных проектов требовалось много вычислений, поэтому компания, отвечающая за этот проект, наняла несколько молодых и внимательных женщин для использования логарифмических линеек. в специальной комнате Делая много вычислительной работы с бумагой для заметок, этих женщин называют «компьютерами».
Термин «компьютер» был придуман для обозначения людей, которые работают с вычислительной техникой, имея в виду работников, которые много работают с компьютером в офисе. Позже, с появлением компьютера, и по сей день, когда мы говорим «компьютер», мы знаем, что это относится к компьютеру, а не к женщинам, которые работают в области вычислительной техники. Таким образом, значение слова «компьютер» полностью изменилось, и оно стало обозначать чистые машины.
** Таким образом, по мере того, как машины становятся более способными в определенных областях, они могут заменить некоторые из наших человеческих профессий, что приведет к исчезновению некоторых профессий. Однако эти люди на самом деле не исчезают, они переходят к более сложной работе или другим нуждам. **
** Одной из величайших характеристик человека является постоянное внедрение инноваций и создание новых потребностей. **Эти новые потребности заставят людей создавать новые возможности трудоустройства. Нам не нужно паниковать или слишком беспокоиться о безработице, на протяжении всей истории человеческого общества мы приспосабливались к этим изменениям и реагировали на них. У нас есть возможность постоянно создавать и адаптироваться к новой рабочей среде и возможностям трудоустройства.
С точки зрения профессиональных технических требований, с разработкой крупномасштабных приложений на языке моделей выполнение задач программирования станет проще и проще. Например, с помощью таких инструментов, как ChatGPT, нам нужно только предложить то, что мы хотим сделать, и поставить четкую задачу, а GPT поможет нам выполнить всю остальную работу. Например, мы можем напрямую запросить GPT, и он будет использовать свои возможности программирования и поиска для непосредственной генерации кода. Таким образом, такая система, как Python, может даже больше не понадобиться. Короче говоря, человек просто описывает требования и приступает к реализации описанных способов.
**Кроме того, судя по этой тенденции, степень автоматизации программирования в будущем будет становиться все выше и выше. **Это похоже на язык ассемблера, который я выучил, когда изучал программирование. Теперь большинство молодых людей могут больше не знать, как его писать. По той же причине.
Язык ассемблера — это язык высокого уровня между человеческим языком и машинным языком, который включает ассемблирование и прямое программирование на машинном языке. После языка ассемблера появились такие языки, как C, C++ и Java, которые постепенно развились до таких языков, как Python. Когда я общаюсь со студентами, я обнаруживаю, что Python — очень свободный язык для тех из нас, кто изучал C, но он стал любимым инструментом для студентов, которые больше не привыкли использовать C. Под влиянием некоторых теоретических систем у разных инженеров все же есть различия в понятности ИИ. И нам все еще могут понадобиться некоторые профессионалы, чтобы постоянно улучшать систему в фоновом режиме, так как унифицировать стандарты разборчивости, чтобы получить желаемые результаты.
В общем, ** в любую эпоху новые потребности создаются нами, людьми. **Мы не можем принять статичный образ мышления, который фокусируется на подмене и конфликте людей. Если на Земле будет только ограниченное количество рабочих мест и потребностей, когда машины возьмут на себя эти рабочие места, мы, люди, можем действительно не иметь смысла для существования. Но на самом деле самое замечательное в том, чтобы быть человеком, — это наша способность постоянно создавать новые потребности и удовлетворять эти потребности через людей.
Конкурировать с ИИ бессмысленно, следует уделять больше внимания его политическим ограничениям и управлению рисками
Теперь и Китай, и Соединенные Штаты начали вводить некоторые соответствующие регулирующие механизмы. Технологическое развитие в любой период требует определенных политических ограничений и управления рисками.
Возьмем для примера историю автомобиля: до 1900 года автомобилей было очень мало, их могли позволить себе только очень богатые люди, и они не имели большого влияния на общество. Кроме того, скорость автомобиля невелика, например, он может проехать только более десяти километров в час, так что он мало чем отличается от ходьбы, поэтому не нужно делать для него слишком много правил, просто пусть он развивается.
Однако с введением компанией Ford Motor Company конвейерного производства стоимость автомобилей значительно снизилась, обычные люди могут водить машину, а количество автомобилей значительно увеличилось. Скорость автомобилей также увеличилась с более чем десяти километров в час до сотен километров в час.В это время автомобили могут стать опасными и связаны с некоторыми проблемами безопасности.Поэтому мы, люди, должны сформулировать правила для автомобилей. Например, спроектировать для него специальные дороги, он уже не может смешиваться с пешеходами, и даже нужно строить для него шоссе, и ставить светофоры, светофоры и т.д. на дорогах, где ездят люди, все эти правила и возникли.
Точно так же мы разрабатываем машину так, чтобы она могла собирать и систематизировать данные с высокой скоростью, а также выполнять быстрые выводы и логическое мышление. Так же, как мы проектируем автомобили, чтобы они ехали быстро. Как только появляется машина, нам не нужно соревноваться с ней, чтобы увидеть, кто быстрее.
Поэтому, когда компьютер обладает такими мощными возможностями по сопоставлению и обработке данных, конкурировать с его экспертизой в какой-то конкретной области бессмысленно, нужно больше устанавливать для него правила.
Например, технология «Midjoury», на которую в последнее время обратили внимание представители отрасли, может использоваться для генерации изображений и имитации голоса и даже может создавать новости. Итак, когда этот видеоконтент и новости распространяются в Интернете, как их регулировать и как обеспечить их достоверность? Это становится вопросом разработки правил с течением времени. Формулировка этих правил превращает сосуществование людей и машин в настоящую проблему.
Эти вопросы требуют, чтобы мы начали думать сегодня и пришли к консенсусу. Теперь, когда автомобили уже существуют, Земля представляет собой состояние симбиоза между людьми и автомобилями. Поэтому нам необходимо сформулировать правила дорожного движения, чтобы обеспечить сосуществование людей и автомобилей в городах или конкретных средах. В этом процессе не только машины должны подчиняться правилам, но и люди тоже должны подчиняться правилам.
Появление ИИ приведет к увеличению потребления энергии и ресурсов, но оно заслуживает признания за повышение эффективности человека
В этом интервью был затронут вопрос энергетической структуры: с точки зрения промышленной экономической структуры, при взрывном росте AIGC требуется больше вычислительной мощности, а также требуется больше электроэнергии и гидравлической поддержки. Так ли это? к изменениям в расположении родственных стран или глобальной энергетической структуры?
Это то, что обязательно произойдет. Когда возникают новые промышленные структуры и требования, это неизбежный результат Проблема заключается в том, как организовать и приспособить. Если ИИ потребляет вычислительную мощность, он должен обеспечивать для этого достаточно энергии. В этом энергетическом процессе он включает в себя рассмотрение зеленой земли и структуры потребления энергии, Я думаю, что это не особо связано с развитием ИИ, а с естественной ситуацией.
Согласно соответствующим данным, совокупное годовое энергопотребление облачных центров Китая может быть эквивалентно выработке электроэнергии двумя электростанциями «Три ущелья» (потребление ресурсов облачных центров не ограничивается поддержкой ИИ, и даже доля услуг ИИ относительно маленький). По мере увеличения объема вычислений спрос на электроэнергию увеличивается еще больше. Помимо предоставления новых энергетических добавок, нам также необходимо подумать о том, как повысить энергоэффективность, что на самом деле является относительно сложной проблемой. С точки зрения энергосбережения необходимо провести расчеты и выполнить охлаждение. Однако, в сочетании с текущей внутренней ситуацией, из-за быстрого развития в последние несколько лет, половина энергии, которую мы поставляем в центр обработки данных, используется для отвода тепла. Это то, что нам нужно учитывать.
Как нам решить и избежать проблемы необоснованного занятия и распределения ресурсов? Позвольте мне привести другой пример: после того, как Google приобрел Deepmind, команду Deepmind попросили сделать одну вещь, то есть настроить облачный центр Google для энергосбережения за счет обучения с подкреплением и многих других алгоритмов ИИ. Это фактически помогло Google снизить потребление энергии почти на 50%. Поэтому почти 100% электроэнергии в облачном центре Google используется для вычислений, и лишь очень небольшая часть (менее примерно 5%) используется для охлаждения. Таким образом, эта форма оптимизации экономит энергию облачного центра Google в больших масштабах.
Поэтому, если мы сможем достичь уровня эффективности, аналогичного использованию облачного центра Google, и примем во внимание двойной углерод и зеленую энергию, за которую выступает весь мир, мы все еще можем подумать о том, как эффективно использовать энергию в будущем.
Следует отметить, что в данном вопросе мы обсуждаем только энергопотребление. В целом ИИ действительно может помочь нам значительно повысить эффективность использования, и после того, как он будет широко использоваться, возможное повышение эффективности будет гораздо более значительным, чем его влияние на энергопотребление.
Как ИИ понимает человеческий язык? Через три режима логических рассуждений
Нынешняя модель глубокого обучения, особенно появившаяся недавно крупномасштабная языковая модель, по-прежнему является технологией «черного ящика». Хотя большие языковые модели хорошо справляются со многими задачами обработки естественного языка, нам все еще нужно найти интерпретируемый метод.
В научной работе мы обычно привыкли связывать явления с другими вещами, и если мы сможем описать их краткой и красивой формулой, мы сможем показать, что понимаем. Однако, судя по интерпретируемости текущей большой языковой модели, включающей нейронные сети, ее параметры будут очень случайными, и если изменить параметры совсем незначительно, то и результаты сильно изменятся. Хотя эти параметры играют роль в архитектуре, их точные механизмы до конца не изучены. Мы не можем описать их с помощью простых алгебраических моделей, и в этом смысле они не лучше поняты.
Мы, нормальные люди (непрофессионалы), не привыкли использовать множество чисел для описания отношений между двумя вещами и того, как изменение каждого числа приводит к результату. Когда отношения неясны, мы думаем, что состояние еще не достигло точки понимания. Поэтому люди часто путают понятия и думают, что большие языковые модели или нейронные сети еще не поняты. На самом деле, они не совсем непонятны, просто мы не нашли удовлетворительного способа, которым мы привыкли их понимать.
В настоящее время GPT больше основан на обучении больших данных.Основной способ - научиться оценивать ответ, который мы, скорее всего, хотим, исходя из вероятности.Осуществима ли и надежна его текущая форма рассуждений, мы можем посмотреть на нее с этих аспектов. :
Во-первых, возможный ответ дается на основе максимальной вероятности.Метод с использованием нейронной сети и байесовской статистики на уровне алгоритма - это логика, используемая GPT в фоновом режиме, и это правильно.
Кроме того, когда дело доходит до логических рассуждений, мы можем разделить логические рассуждения на три разных режима, не ограничиваясь логическими полосами.
Когда мы, люди, воспринимаем мир, есть три разных способа:
Первый — это дедуктивное рассуждение, приводящее к строго правильным выводам. Машина может выполнять дедуктивные рассуждения намного быстрее, чем мы, потому что они основаны на четырех фундаментальных принципах классической логики: законе абсолютного тождества, законе противоречия, законе исключенного третьего и законе причинности. **
На основе этих четырех принципов можно сделать детерминированные выводы. Однако проблема с детерминированными выводами состоит в том, что в логике это называется тавтологией, то есть известным фактом, вновь сформулированным по-другому. С точки зрения дедуктивного рассуждения ответ уже содержится во всех ваших предположениях, просто он выражен по-другому.
Нам нужно понять одну вещь: на самом деле для этого была разработана машина Тьюринга, это классическая дедуктивно-логическая машина. В 1936 году британский математик Тьюринг опубликовал важную статью «О вычислимых числах и их применении к задачам принятия решений», ознаменовав рождение машины Тьюринга. Работа машины Тьюринга очень похожа на мыслительный процесс наших письменных вычислений. Модель машины Тьюринга на сегодняшний день является наиболее широко используемой классической вычислительной моделью, а не одной из них.
На сегодняшний день искусственный интеллект по-прежнему основан на машинах Тьюринга. Вещи, которые не могут делать машины Тьюринга, какими бы мощными ни были современные компьютеры, не могут их делать. Это одна из основ нашего мышления о разделении труда между людьми и ИИ. **
**Второй режим называется индукцией. ** Индукция — это процесс наблюдения за несколькими событиями, выявления их общих характеристик и обобщения их в новые знания. Однако индукция не может быть достигнута с помощью строгой логики, потому что невозможно исчерпать все возможности. Следовательно, может иметь место так называемое «событие черного лебедя», то есть мы наблюдаем, что лебеди в Европе и Америке все белые, и, таким образом, делаем вывод, что лебеди должны быть белыми. Но когда мы обнаруживаем, что в Австралии есть черный лебедь, метод индукции не может дать абсолютно правильного вывода, потому что он не может охватить всех возможностей. Машины в этом отношении ограничены и не могут выйти за пределы индукции, а люди могут. Однако мы должны также понимать, что этот вывод может быть опрокинут, чем и занимается современная наука.
Третий способ — аналогия, представляющий собой расплывчатый способ рассуждения, связывающий одно с другим. Например, думая о структуре ДНК, если мы не знаем, как она выглядит, и видим во сне двух переплетенных змей, мы можем думать о структуре ДНК. На самом деле двойная спиральная структура ДНК действительно «покрыта» таким образом. Но для компьютеров, основанных на дедуктивной логике, этого достичь невозможно. Аналогия — менее строгий способ рассуждения, но мы, люди, можем его использовать.
Из этих трех режимов мы можем сделать вывод, что машины намного эффективнее людей выполняют дедуктивную логику, потому что они работают на машинах Тьюринга и представляют собой законченные компьютерные системы. Однако машины не могут генерировать никаких новых знаний, и новые знания должны быть получены людьми посредством свободной индукции или аналогии. Эти взгляды должны быть продемонстрированы шаг за шагом с помощью дедуктивных методов и, наконец, преобразованы в относительно устойчивые знания.Когнитивные машины не могут превзойти людей в приобретении новых знаний. И когда мы говорим, что машина не может этого сделать, это означает, что машина не может справиться с этим из областей, отличных от строгой дедуктивной логики, а именно с этими областями могут справиться люди.
Это на самом деле включает в себя обсуждение разделения труда между людьми и машинами. Будь то искусственный интеллект или машины, все они разработаны на основе машин Тьюринга, и упомянутые выше проблемы неизбежны. Текущее развитие искусственного интеллекта основано на машинах Тьюринга.Если искусственный интеллект не может выполнить определенные задачи, это может быть связано с ограничениями разработки аппаратных средств, такими как закон Мура, или другими связанными ограничениями.
Недавно Сэм Альтман, генеральный директор OpenAI, заявил, что объем глобальных вычислений искусственного интеллекта удваивается каждые 18 месяцев. В связи с этим некоторые люди считают, что производительность вычислительной мощности искусственного интеллекта будет продолжать расти в геометрической прогрессии. На самом деле ** о «законе Мура» и алгоритмах — это два разных утверждения. Закон Мура в основном относится к разработке аппаратных средств, но алгоритм не полностью соответствует законам Мура. Из-за технических проблем, связанных с обработкой прецизионного оборудования, сегодняшний закон Мура в некотором смысле замедлился**, и он включает в себя больше проблем в механических технологиях. Что касается разработки алгоритмов, то трудно сказать, что она осуществляется в соответствии с законом Мура, и между ними есть некоторые различия.
Когда дело доходит до закона Мура, мы можем пойти дальше, и когда вычислительная единица достигнет атомного уровня, мы вступим в другую область — квантовые вычисления. Из области квантовых вычислений и объединения наших достижений за последние годы мы обнаружили, что квантовые вычисления не являются строгой машиной Тьюринга. Более того, проектирование квантовых вычислений на технологическом уровне слишком сложно, и может пройти много времени, прежде чем они станут по-настоящему универсальными с точки зрения алгоритмов, подобных машинам Тьюринга. У меня есть мнение, что нам не нужно слишком беспокоиться об этом в ближайшие 300 лет. Но произойдет ли ключевой прорыв в квантовых вычислениях через 300 лет? Трудно сказать, потому что с редукционистской точки зрения наш человеческий разум должен основываться на какой-то физической сущности.
В настоящее время, по все большему количеству указаний**, наш образ мышления не эквивалентен образу мышления компьютеров Тьюринга. ** Но согласно нашему нынешнему познанию, сейчас у нас есть только два выбора — только классическая машина Тьюринга и недавно появившийся квантовый компьютер, а третьего выбора в будущем может и не быть.
Если мы в принципе установили, что человеческий мозг не состоит из классической машины Тьюринга, то это может быть квантовый компьютер. Однако способность квантовых компьютеров создавать мыслительные модели, подобные человеческим, неясна. Так что мы все больше и больше убеждаемся, что квантовый компьютер — это не машина Тьюринга, и его основная логика отличается.
Обучение талантам в эпоху GPT: развивайте сильные способности к обучению
Мы создаем машины, которые помогают нам выполнять различные задачи. Поэтому с точки зрения конкретных направлений карьеры сложно определить, какие рабочие места не будут заменены в будущем. Потому что для любого события или алгоритма, которые можно описать, машина Тьюринга может их выполнить. Как только мы описываем работу как конкретную задачу, компьютер может ее выполнять, просто разница в том, насколько эффективно компьютер выполняет эту задачу.
На самом деле, когда мы рассматриваем то, чего не могут сделать машины Тьюринга, Тьюринг и его математик Гёдель указали на это в 1930-х годах, но в то время они не привлекли достаточного внимания со стороны людей. поколение доказало, что перцептивное мышление и интуиция являются для нас, людей, основными инструментами познания мира, а рациональное мышление является инструментом для организации перцептивного мышления. Короче говоря,** способность по-настоящему воспринимать мир остается исключительно человеческой и достигается благодаря нашему собственному перцептивному восприятию. Это одна из основ того, как мы понимаем и отличаем людей от машин (или ИИ). **
На самом деле, исходя из разницы в основных компетенциях, для нас, людей или людей будущего, важная способность к самосовершенствованию требует сильной способности к обучению и адаптивности. Только благодаря этой способности к обучению люди могут давать новые решения новым потребностям и превращать их в свою собственную работу. Трудно подробно обсудить каждый из этих аспектов, потому что способность к обучению затрагивает множество различных областей. Но теперь мы должны сосредоточиться на этом, через образование, чтобы изменить то, как мы в настоящее время обучаем наших студентов.
Например, в этом семестре я избегал давать студентам домашнее задание. Я начал понимать, что ничто не мешает им выполнять свои задания с помощью таких инструментов, как GPT, и что ответы через GPT могут оказаться лучше, чем я ожидал, и такие задания потеряли смысл. Поэтому я уделяю больше внимания диалогу и взаимодействию со студентами в классе и обращаю внимание на их понимание логики рассуждений и процесса, а не на то, смогут ли они выполнить домашнее задание.
Кроме того, я надеюсь, что в течение семестра они выполнят относительно систематическое проектное задание. Современное образование выступает за проектное обучение и обучение через участие в проектах. В процессе этого проекта мы даем учащимся понять, что они делают, вместо того, чтобы обучать их с помощью прежних методов вопросов и ответов, контрольных работ и домашних заданий.Люди, выращенные с помощью проектного обучения, имеют больше преимуществ для машин, а не просто чтобы ответить на вопрос.
В этом процессе будет много вопросов, достойных нашего рассмотрения. Именно потому, что мы думаем и понимаем потребности в этой области, будет создано большое количество новых рабочих мест и новых направлений развития. Поэтому, если вам нужно сказать, разница между людьми и машинами может быть большей тенденцией, на которую вы действительно обратите внимание в будущем. Подводя итог, мы фокусируемся на собственных способностях человека и взаимодействии между человеком и машиной, что является очень широкой областью.
Тенденция развития диалога человека и компьютера в будущем: взаимодействие искусственного интеллекта и машин
Что касается концепции и видения будущего ИИ, то трудно точно предсказать конкретные тенденции, потому что это может направлять общественное мнение и влиять на направление капиталовложений, а некоторые мнения предназначены только для обмена и обсуждения.
** Я считаю важной тенденцией взаимодействие между искусственным интеллектом и машинами. С быстрым развитием машин и людей нам нужен интерфейс или инструмент для их соединения для улучшения связи. Взаимодействие человека с компьютером будет очень важной технической областью. **
При поиске будущих тенденций мы должны уделять больше внимания как человеку, так и машине, а не какой-то одной. Нам необходимо глубоко задуматься о возможностях и положении человека. Это вопрос, который требует долгосрочного мышления.
Хотя мы обсудили больше об этике образования и возможном будущем развитии человека, с технической точки зрения взаимодействие человека с компьютером может быть областью с большим потенциалом. Нам нужно подумать о том, как обеспечить более быстрый и эффективный способ общения между людьми и машинами, не требуя, чтобы люди становились профессиональными моделями-экспертами.
Может ли взаимодействие человека с компьютером привлечь больше людей к более быстрому участию и эффективному управлению машиной, это может повлиять и способствовать более быстрому развитию машины. Поскольку быстрое развитие машин в будущем неизбежно, людям также необходимо прояснить свои собственные стратегии и позиционирование. Поскольку на земле должны сосуществовать и люди, и машины, у нас должен быть особенно гармоничный, удобный и эффективный способ взаимодействия. Для реализации такого рода взаимодействия может потребоваться множество новых технологий.
В общем, мы не хотим стать в будущем «рабами машин», поэтому мы должны думать о позиционировании человека. В сфере образования популярность ТШП также поставила передо мной важные задачи и размышления: «Учащиеся, воспитанные в рамках традиционной образовательной модели, больше похожи на машины или людей?», «Как мы должны учиться, чтобы нас не заменили AI?» Эти вопросы лежат в основе наших сегодняшних серьезных дискуссий. Как учителя, мы не хотим, чтобы то, чему мы учим студентов сегодня или готовим студентов, через 10 или 20 лет обнаружило, что их рабочие места были заменены компьютерами, их лишили работы или заставили сменить работу.
** Человеческое мышление свободно, креативно и коммуникабельно.По сути, то, что нам нужно развивать, - это способ выращивания инновационных технических талантов с привычками к обучению на протяжении всей жизни. **