AI行业盛会大咖云集！Sam Altam、“AI教父”......一文看懂最新观点

对于AI行业来说，近几日在北京举行的2023智源人工智能大会可谓是大咖云集，除了OpenAI的创始人Sam Altam外，图灵奖Geoffrey Hinton、杨立昆（Yann LeCun）、知名AI绘图软件Midjourney创始人David Holz等相继现身，大咖们的演讲对于行业未来的发展极具前瞻性。

下面一起来看下这些AI行业的顶级专家们都说了什么。

人们既渴望又害怕智能

Midjourney创始人David Holz是一名连续创业者，2011年，他创办了VR领域的软硬件公司Leap Motion，2019年把 Leap Motion 卖给了竞争对手 Ultrahaptics，2021年，又自筹资金创办了当前大火的AI绘图软件Midjourney。

David Holz表示，人工智能在我的认知中有点像身体的一部分，并且人工智能也与历史紧密交织在一起。这也让自己与历史交织在一起，这种方式很有趣。

Holz认为，Midjourney的目标之一是建造新的人类基础设施。世界将需要很多新东西，需要基础设施来建造新东西。所以我想了很多关于建立新的人类基础设施形式，就像基础设施的新支柱。所以我需要我的主题，我的支柱是反思、想象和协调。你必须反思你是谁，想要什么，想象可能会发生什么。因为这是我们在任何事情上都使用的视角，我们开始看到在图像合成领域发生了一些突破，这与我以前在人工智能领域遇到的任何事情都有质的不同。

Holz介绍，Midjourney不仅仅是学习如何使用这个工具，而是学习所有的艺术和历史，以及所有关于相机、镜头和灯光的知识。用户想要理解他们现在可以在创作中使用的语言和概念。以前，自己认为知识只是一种历史，但现在知识实际上是一种创造事物的力量。

对于人们害怕人工智能发展过快，Holz表示，人们不仅仅是害怕技术，也害怕智能。如果他们很聪明，我能相信他们吗？但另一方面，我们似乎希望世界拥有尽可能多的智能，我们似乎不想要一个缺乏智慧的世界。

AI会学会非常善于欺骗别人

深度学习泰斗、人工智能教父Geoffrey Hinton表示，现在AI发展的最大壁垒是算力问题，算力还远远不够。现在可以放弃计算机科学最基本的原则——软件应该与硬件分开，我将提到一种称为"activity perturbation"的算法，该算法可以用于训练神经网络，且节省算力。

这种算法能够预估梯度，且噪声要比传统的反向传播算法（RNN）小得多。

关于如何将这种算法应用于训练大型神经网络的问题，可以将大型神经网络分成许多小组，并为每个小组分配一个局部目标函数。然后，可以使用"activity perturbation"算法来训练每个小组，并将它们组合在一起形成一个大型神经网络，并通过无监督学习模型来生成这些局部目标函数。

当硬件出现问题时，信息都会丢失，父类信息传递给子类信息，以便在硬件出现问题时仍然可以保留学习到的信息，更有效地约束神经网络的权重。

"distillation"这一方法可以让子模型更好地学习到分类图像的信息，包括如何给出正确的答案以及给出错误答案的概率，而且还有一个特殊属性，即训练子模型的同时也在训练子模型的通用化能力。

Hinton指出，如果这些AI不是非常缓慢地向我们学习，而是直接从现实世界中学习。一旦他们开始这样做，将能够比人们学到更多的东西，并且他们将能够很快地学习它。

如果这些东西变得比人类我们更聪明，会发生什么？Hinton认为，这些超级智能发生的速度可能比其以前想象的要快得多。

如果你想说超级智能更有效率，您需要允许它创建子类，或多或少你都会想依靠AI获得更多的力量，获得更多的控制权，拥有的控制权越多，就越容易实现目标。Hinton发现很难看到人类将如何阻止AI试图获得更多控制权，以实现他们的其他目标。所以，一旦他们开始这么做，人类就会有问题了，它会发现通过操纵人来获得更多的权力很容易。

Hinton认为，AI会学会非常善于欺骗别人，这很可怕，现在我看不出如何防止这种情况的发生。研究人员需要弄清楚，人类如何拥有超级智能，这将使生活变得更好，而无需他们控制。

人类可能会因AI失去对世界和未来的控制

图灵奖得主、中国科学院院士姚期智认为，在考虑如何控制AI的问题前，人类需要先真正解决自身的问题。对于AI技术，当前正是一个重要窗口。在AGI被创造之前、在军备竞赛开展之前，急需形成共识，共同合作搭建一个AI治理结构。

加州伯克利分校教授Stuart Russell表示，通用人工智能（AGI）还没达到，大语言模型只是其中一块拼图，人们连拼图最终会是什么样子，缺哪些还不确定。

他表示，ChatGPT和GPT-4没有在“回答”问题，它们不理解世界。

Russell指出，最大的风险来自于科技公司之间似乎不受约束的竞争，无论风险如何，他们不会停止开发越来越强大的系统。人类可能会因AI失去对世界和未来的控制，就像大猩猩因为人类而失去了对自己未来的控制一样。

AGI的三条技术路线

北京智源人工智能研究院院长黄铁军指出，要实现通用人工智能（AGI），有三条技术路线：第一是“大数据+自监督学习+大算力”形成的信息类模型；第二是具身智能，是基于虚拟世界或真实世界、通过强化学习训练出来的具身模型；第三是脑智能，直接“抄自然进化的作业”，复制出数字版本的智能体。

OpenAI做GPT（生成式预训练Transformer模型）就遵循第一条技术路线；以谷歌DeepMind的DQN（深度Q网络，Deep Q-network)为核心取得的一系列进展即基于第二条技术路线。

智源期望不同于前两个技术路线，从‘第一性原理’出发，从原子到有机分子、到神经系统、到身体，构建一个完整的智能系统AGI。这是一个大概20年才可能实现的目标，所以智源作为新型研发机构平台，在三个方向都在开展工作。

AI未来面临的三个挑战

图灵奖得主、人工智能“三巨头”之一的杨立昂认为，机器学习和人类动物相比并不特别好，AI 缺失的不仅仅是学习的能力，还有推理和规划的能力。人类和动物通过观察世界或体验世界学习世界运作方式，应该用机器复制这种能力。

杨立昂指出，未来几年 AI 面临的三个主要挑战：首先是学习世界的表征和预测模型，可以采用自监督的方式进行学习。

其次是学习推理。这对应着心理学家丹尼尔·卡尼曼的系统1和系统2的概念，系统 1 是与潜意识计算相对应的人类行为或行动，是那些无需思考即可完成的事情；而系统2则是你有意识地、有目的地运用你的全部思维力去完成的任务。目前，人工智能基本上只能实现系统1中的功能，而且并不完全；

最后一个挑战则是如何通过将复杂任务分解成简单任务，以分层的方式运行来规划复杂的行动序列。

GPT-5的诞生“不会很快”

OpenAI创始人Sam Altman引用了《道德经》谈及大国合作，表示AI安全始于足下，各国间必须进行合作和协调。

Altman认为，很可能未来十年会有非常强大的AI系统，新技术从根本上改变世界的速度比人们想象得快，把AI安全规则做好是重要且紧迫的。

在被张宏江问及了AGI的未来，以及是否会很快看到GPT-5时，Altman称，自己也不确定，但明确表示GPT-5的诞生“不会很快”。

关于OpenAI是否会提供开源大模型，Altman称，“会有很多开源大模型”，但同样没有具体的时间表。