《国家科技传播中央讲坛》是中国科协打造的新型演讲类新知栏目，以科学精神，科技探索和科技家当为紧张讲述内容，搜集干系领域顶尖科技事情者讲述科技创新故事，传播前沿创新成果，弘扬科学家精神。
本文摘选部分内容以飨读者。

对人工智能可以有很多不同意见，我这里强调三点。
第一，人工智能是一个不可抗拒的、加速发展的新质生产力。
第二，它正在经历着重大的技能打破——不是“经历了”，是“经历着”，它全体还处在重大的技能打破过程中。
第三，它还不成熟，但是已经在用了，而且是越用越广，它的风险须要被掌握。

人工智能是一项技能，是一项要完成人类规定的，或者人类所须要的任务的技能。
它通过什么办法来完成？通过模拟人类的智能行为。
人类智能行为须要分成四个步骤来完成：首先是感知，在感知根本上有认知，认知之后叫谋行，即谋划行动，末了是实行。

ChatGPT首创了人工智能发展的新阶段

人工智能发展已经有70多年历史了。
过程中有几个主要的节点，个中最主要的是1956年，在美国达特茅斯举行了一次会议，一群年轻人在当年夏季的研讨会中提出了人工智能的观点。
这群人中岁数最大的一位是Claude Shannon，他是信息论的创始人，当时他已经是MIT正教授，也不过才39岁。

进入新世纪，华裔科学家李飞飞建立了一个有1500多万张标注好的图片的巨大数据库，全天下搞图像识别的人可以用这个数据库对AI进行演习，然后进行识别。
最初这个比赛表现最好的五个团队，均匀缺点率达到28%，然后逐年低落。
作为比拟，人类识别的偏差率在5%-10%之间。
到了2012年 、2013年的时候，AI就逼近了人类的水平。

这个进步，科学家依赖的是一种叫做深度神经网络的算法。
从那往后，所有最好的团队都用深度神经网络，很快就打破了人类界线，缺点率直逼3%以下。
这一巨大的成功使得图像识别变成了第一项成熟的人工智能运用，人工智能从论文和实验室走到了我们的生产和生活之中。

2022年11月30日发生了一件事情，OpenAI宣告他们的一个产品出身，这个产品叫ChatGPT，我们现在把它称为天生式的人工智能。
它可以模拟人类天生文本、剧本、图像、***，以及程序的代码。
这是一个主要的进步，我们认为它首创了人工智能发展的新阶段。

从技能上看，这个新阶段是由于有巨大参数的大模型同一系列其他技能相结合，实现了对语意的基本节制。
我们知道，所有的人类措辞中用了很多词汇，但是同一个词汇在不同的高下文之间，可以表达不同的语意。
这个大演习模型利用了很长的文本，使得每一个词的语意得到相比拟较准确的表达。

从运用上看，chat也是非常主要的。
在这之前比较有名的AI有Deep Blue（深蓝），是下国际象棋的。
后来涌现下围棋的AlphaGo。
在中国，下国际象棋的人不多，下围棋的可能多一点，但依然不是所有人都下围棋。
现在到了chat，everyone chats，所有人都会谈天，通过谈天把人工智能推向了所有的人。
我想这是在运用上一个重大的进步。

但这也引起了社会上的一些焦虑，担心AI会不会末了超过我们人类、它和人类是什么关系、人类能不能有效地管控它、它会不会闭幕我们人类。
在这种情形下，去年3月份，包括Elon Musk在内的一批名人，就发出一个呼吁，说是要把人工智能的发展先停下来，至少停6个月。

但事实上它并没有停下来。
2023年6月份，麦肯锡做了一个调查，创造在亚太和北美地区，有40%的人在事情或生活中常规性地在利用AI；在技能领域和传媒领域，乃至有50%的人在利用天生式AI——那时离ChatGPT涌现只有半年的韶光。
这解释人工智能已经实实在在地走进了我们的生产和生活，这是一个挡不住的、主要的、历史性的趋势。

根据预测，从2023年到2030年，人工智能将以36.8%的速率在市场发展。
我不知道还有什么其他的行业可以被预测有这么高的发展速率。

自古以来，人类从茹毛饮血到男耕女织，一贯到本日的超级打算，人类总是不断创造出工具来增强我们的能力，增强我们的体力，增强我们的脑力。
这是人与其他动物的主要差异之一。
自有文明史以来5000多年，人类在生理上并没有什么重大的变革，但是本日人类的能力，比5000年前要强得多。
强在什么地方？不是我们的脑比那时候更发达了，或者是我们的骨骼比那时候更发达了，而是我们利用的工具比那时候更前辈了。
这个过程便是生产力的进步。

大模型如何形成智能？

人工智能就像机器动力技能、电气技能那样，是革命性的通用技能，在所有的行业都能用，它会带来全体社会的智能化。
如何实现这样的技能打破？这须要一个从量变到质变的过程。
2018年刚推出来的第一代GPT，只有10亿的参数，到2019年达到了15亿的参数，有所增长；到了2020年6月份，达到了1750亿的参数，这个增长已经不是一样平常的量变，可以称之为突变了。
现在参数又有了数百倍的增长，更是达到了几十万亿。
这种量的变革给AI带来了巨大的能量。

这个参数是什么意思？指的是我们模拟人脑创造一个神经网络的模型，模型中连接点的数量。
人脑有860亿个神经元，这些神经元通过触突连接起来，我们模拟它，所谓模型参数便是这种连接的数量。
但模型参数是不是越大越好、把参数做到无限大的时候AI就能变得无限聪明？也不尽然。
非洲大象的神经元数量比人还大至少三倍，但是它并不比人聪明。
这见告我们，大略地去增加参数数量并不能达到更好的智能效果。
以是我们一方面要增加参数，其余一方面还须要技能的黄金组合。

ChatGPT一系列的技能里面，有几项特殊值得一提的技能，个中一项叫 Word Embedding ，翻译成中文叫词嵌入。
这是比较难懂的一个词，是把一个词嵌入到一个矢量的空间里面。
这里面矢量的维数可以非常多，每一维以0或者1代表一个矢量的性子。
比方说第一个维度以0和1代表它是个生物还是非生物；如果是生物，下一维度，这是动物还是植物；如果是动物，下一维度判断这是哺乳动物还是非哺乳动物；如果是哺乳动物，是地上跑的还是天上飞的……在一个高维矢量空间里，把一个词意给它确定下来，这就叫做 Word Embedding。

还有一项主要的技能，GPT的T是Transformer的首字母。
Transformer我们翻译成变换器。
这个变换器是干什么的？是做编码和解码用的。
编码和解码会产生另一个观点，我们叫做 attention，翻译成把稳力，它可以在很长的高下文中找到关键词。
人看文章的时候，不是在每一个词上都均匀用力的，而是迅速捉住关键词，这对AI来说也是一个主要的功能。

接下来还有一个主要的功能，叫做基于人类反馈的强化学习。
便是AI说错了往后，我们见告它：“你说得不对吧？你写得太长，要压缩。
”在这个人类反馈过程中，可以把人的代价不雅观、社会的风尚、法律的规定、技能的标准、人的审美和感情，用措辞输入给模型，让它产生你所须要的结果。

这一系列主要技能组合，才产生了本日的技能打破，而且按照我的说法，它正在经历着打破，还在往前走着。

大模型带来一个非常主要的事情模式和很多新的岗位。
这个新的事情模式叫做MaaS，Model as a Service。
原来我们说软件是个做事，网络是个做事，平台是个做事，现在说，模型是个做事。
这个预演习的大模型会变成一个社会的根本举动步伐，让我们的各行各业在这个预演习大模型根本上，用我们的数据和专门的知识，结合我们特定的任务，把它变成一个专用的模型。

这时候就降落了我们利用模型的门槛。
即便要改进模型，也不用从头做起，我们可以拿过一个大模型来，结合我们须要用的专门的数据做精调。
现在有招聘一种岗位，叫做提示工程师。
提示工程师的紧张事情便是跟AI对话，通过有效对话来对它进行演习。
GPT工程师可以在模型根本上去改错、加工，而不是从头一行一行写C措辞代码，这使得原来最低级的程序员变成了软件系列里比较高等的系统剖析师。
如果我们把AI算作是一辆车，我们不仅须要设计车的人和造车的人，更须要会开车的人。
这便是一旦普遍利用这个工具，就会产生各行各业新的事情岗位的缘故原由。

但人工智能的运用也是有风险的。
它存在风险的一个最根本的缘故原由在于，它在推测答案的时候，用的是概率，叫做联合分布概率。
给它输入一个问题，它判断哪些词与输入的词组合形成的概率最高，那便是它选择的输出。
既然它是通过概率来判断的，就不可能100%精确，总有出错的时候。
人也会出错，只不过我们可以通过长期的实践、根据民主决策的程序、通过专家咨询等，来只管即便减少人的缺点。
而对大模型，现在还存在不可阐明性，还不能清晰地解释在什么样的条件下可以影响它的概率分布。

我们认为这种出错基本上会来自两个方面：一是技能内在的不完善，联合分布概率因此不可完备掌握；其余一方面来自于它的滥用——再安全的车，也可以开着去撞人，不是车不好，也不是车的技能参数不好，危险来自对它的滥用。

发展人工智能我们可以这样干

以上内容可以归结为三点：第一，人工智能是前辈生产力，发展不可阻挡；第二，它正在形成大的打破，而且因此前所未有的深度、广度和速率，在进入我们的生产和生活；第三，它还不成熟，存在着固有的毛病，存在着被滥用的可能，须要对它进行管理。
在这三点根本上，我们可以谈论如何发展AI。

这里我想谈五个关键词：创新、运用、平台、管理、人才。

创新和运用是一个相互迭代的过程，是相互促进的，没有创新就没有有效的运用。
在此我借用一下“深度学习”中的“深度”观点，提出深度的创新和深度的运用。
深度创新，指的是要在根上创新，冲要破模型可阐明性问题，我们不能总是把别人做的模型拿过来做fine tuning。
我们有没有可能在类脑神经模型上做新的打破？便是把前文说的MaaS这个模型作为一个做事给广泛推出，在运用大模型根本上，把人工智能从chat推向product，变成了product往后，才能真正发挥效益。

这里我给大家举一个例子。
现在一些头部的企业已经在推出面向行业的运用，但这些运用须要跟行业更紧密地结合，把它真正落莅临盆的深部。
我们研究院做了一个试验，到全国开展自动驾驶网联车的那些城市去发调查问卷，分成坐过网联车的和没坐过网联车的。
我们看到无论是试验组还是对照组对自动驾驶汽车上路进行测试，都持积极的态度，个中坐过的（试验组）态度更为积极。
拿武汉举例，自动驾驶出租车推出商业做事不到500天的韶光，有一个人就用了900多次，差不多一天用两次自动驾驶车接送他的孩子。
这解释这项技能在中国有比较好的接管度，我们可以在大规模运用过程中完善技能。

创新和运用之外，我们创造了一个更主要的征象：创新和运用在中国的发展是由平台支撑的。
我们调查了全国的2205家人工智能企业，看这些人工智能企业的资金从哪里来，投资向哪里去；看他们的人才从哪里来、人才跳槽向哪里去；看他们的技能从哪里来，如果输出技能向哪里去。
人、才、技能形成了这些企业之间的相互联系。

在这两千多家企业的背后，我们创造了一大批投资者、一大批科研院所、一大批政府的科研园区等。
个中有15家企业是科技部命名的，叫人工智能开放创新平台。
这15个开放创新品牌，在这两千多家企业中起到了主要的推动浸染。
这是一个平台推动的发展生态。

我们须要建立一批跨界的创新组织，用这些创新组织来探索这种由平台驱动的新质生产力，形成更好的上层建筑（生产关系），来加快创新运用的循环，推动家当的新生态，实现人工智能和实体经济的深度领悟。
这是写进我们党的十九大报告的一句话：推进人工智能和实体经济深度领悟。

还有一个关键词是管理。
在这里，管理的工具是一种生产力，而且是一种前辈的生产力，我们要以是否能解放和发展这种生产力作为管理的标准。
最忌讳的，便是用现存的生产关系来约束正在迅速发展的前辈的新质生产力。
牢记不能把这生平产力的发展和它的安全给对立起来——不发展便是最大的不屈安，我们要管理它，首先就要把它发展好，要发展好就要鼓励从根上创新，没有根上的创新就没有根上的安全，就实现不了发展。

目前我们国家建立了基于风险的、对人工智能的管理机制，划出了一些高风险运用。
比如把脑机接口植入到人的大脑里，风险就比较高，这样的运用就属于高风险运用。

智能化社会来了，我们须要全民的人工智能本色，但是不须要社会焦虑。
现在有些完备不必要的社会焦虑，它们的存在只会对人工智能的发展、对生产生活的高质量发展带来毫无必要的滋扰。

末了一个关键词是人才。
有人评估说，光是中国人工智能领域，干系岗位就缺500万，现在我们就要把这500万人给培养出来。
但还不止于这500万，我们全体已经进入人工智能时期，这个时期所有合格公民都该当具备人工智能相应的本色，能够学会驾驭人工智能。
这就须要对我们的教诲系统提出新的哀求。

运用人工智能，特殊要把稳的是我们可以驾驭而不可以依赖这个工具——必须清楚，AI天生的只是半成品，它要经由人类的核阅、人类的加工，才能变成一个真正的成品。
我们要对它做factual check、logic check、ethical check，也便是干事实的、逻辑的、伦理的审查。
这里有个词叫做critical thinking，翻译成批驳性思维，实在我以为翻译成审辩思维更好。

概括起来，我们现在须要为AI立心。
联合国有一个口号，The AI we want is the AI with human values for sustainable development，“我们须要具有人类代价不雅观的、可持续发展做事的AI”。

作者丨龚克

来源： 中国科协之声