1955年8月，一群科學(xué)家為在新罕布什爾州達(dá)特茅斯學(xué)院舉辦夏季研討會(huì)申請(qǐng)了13500美元的資助。他們提出的探索領(lǐng)域就是人工智能（AI）。

盡管資助請(qǐng)求很低，但研究人員的愿景可并非如此：“原則上，學(xué)習(xí)的每一個(gè)方面或智能的任何其他特征都可以如此精確地描述，以至于可以制造一臺(tái)機(jī)器來模擬它”。

從這些卑微的開始，電影和媒體就將人工智能浪漫化，或?qū)⑵渌茉斐梢粋€(gè)反派。然而，對(duì)大多數(shù)人來說，人工智能仍然是一個(gè)討論的焦點(diǎn)，而不是有意識(shí)的生活體驗(yàn)的一部分。

人工智能已經(jīng)進(jìn)入我們的生活

上個(gè)月底，以 ChatGPT 形式出現(xiàn)的人工智能，已經(jīng)從科幻小說的猜測(cè)和研究實(shí)驗(yàn)室中掙脫出來，進(jìn)入了普通大眾的臺(tái)式機(jī)和手機(jī)。

這就是所謂的“生成式人工智能” —— 突然之間，一個(gè)措辭巧妙的提示可以生成一篇文章，或者把食譜和購物清單放在一起，或者創(chuàng)作一首貓王風(fēng)格的詩。

雖然，在生成式人工智能取得成功的一年中，ChatGPT 是最引人注目的參與者，但類似的系統(tǒng)在創(chuàng)造新內(nèi)容方面顯示出了更廣泛的潛力，使用從文本到圖像的提示來創(chuàng)建充滿活力的圖像，甚至贏得了藝術(shù)比賽。

人工智能可能還沒有出現(xiàn)在科幻電影和小說中流行的活生生的意識(shí)或思維理論，但它至少正在接近顛覆我們認(rèn)為的人工智能系統(tǒng)可以做的事情。

與這些系統(tǒng)密切合作的研究人員對(duì)感知的前景感到震驚，比如谷歌的大型語言模型（LLM）LaMDA。LLM是一種經(jīng)過訓(xùn)練以處理和生成自然語言的模型。

生成式人工智能還引發(fā)了人們對(duì)抄襲、利用原創(chuàng)內(nèi)容創(chuàng)建模型、信息操縱倫理和濫用信任，甚至“編程的終結(jié)”的擔(dān)憂。

自達(dá)特茅斯夏季研討會(huì)以來，所有這些問題的核心是一個(gè)日益緊迫的問題：人工智能與人類智能不同嗎？

“AI”到底是什么意思？

要成為人工智能，一個(gè)系統(tǒng)必須表現(xiàn)出一定程度的學(xué)習(xí)和適應(yīng)能力。因此，決策系統(tǒng)、自動(dòng)化和統(tǒng)計(jì)數(shù)據(jù)都不是人工智能。

AI 被廣泛地定義為兩類：人工狹義智能（ANI）和人工通用智能（AGI）。迄今為止，AGI還不存在。

創(chuàng)建通用人工智能的關(guān)鍵挑戰(zhàn)是以一致和有用的方式，利用所有完整的知識(shí)對(duì)世界進(jìn)行適當(dāng)?shù)慕?。至少可以說，這是一項(xiàng)艱巨的任務(wù)。

我們今天所知道的大多數(shù)人工智能都具有狹隘的智能，即特定的系統(tǒng)解決特定的問題。與人類智能不同，這種狹隘的人工智能只在它受過訓(xùn)練的領(lǐng)域有效。例如，欺詐檢測(cè)、面部識(shí)別或社交推薦。

然而，AGI將像人類一樣發(fā)揮作用。目前，試圖實(shí)現(xiàn)這一目標(biāo)的最著名例子是使用神經(jīng)網(wǎng)絡(luò)和在大量數(shù)據(jù)上訓(xùn)練的“深度學(xué)習(xí)”。

神經(jīng)網(wǎng)絡(luò)的靈感來自于人類大腦的工作方式。與大多數(shù)在訓(xùn)練數(shù)據(jù)上運(yùn)行計(jì)算的機(jī)器學(xué)習(xí)模型不同，神經(jīng)網(wǎng)絡(luò)的工作方式是通過一個(gè)相互連接的網(wǎng)絡(luò)逐個(gè)向每個(gè)數(shù)據(jù)點(diǎn)提供數(shù)據(jù)，每次都會(huì)調(diào)整參數(shù)。

隨著越來越多的數(shù)據(jù)通過網(wǎng)絡(luò)輸入，參數(shù)就會(huì)穩(wěn)定下來；最終的結(jié)果是經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，然后它可以對(duì)新數(shù)據(jù)產(chǎn)生所需的輸出 —— 例如，識(shí)別圖像中包含貓還是狗。

今天人工智能的重大飛躍是由我們訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)的方式的技術(shù)改進(jìn)所驅(qū)動(dòng)的，得益于大型云計(jì)算基礎(chǔ)設(shè)施的功能，我們可以在每次運(yùn)行中重新調(diào)整大量參數(shù)。例如，GPT-3（為ChatGPT提供動(dòng)力的AI系統(tǒng)）是一個(gè)具有1750億個(gè)參數(shù)的大型神經(jīng)網(wǎng)絡(luò)。

人工智能需要什么才能工作？

人工智能要取得成功需要具備三個(gè)條件。

首先，它需要高質(zhì)量、無偏見的數(shù)據(jù)，而且是大量的數(shù)據(jù)。構(gòu)建神經(jīng)網(wǎng)絡(luò)的研究人員使用的是隨著社會(huì)數(shù)字化而出現(xiàn)的大型數(shù)據(jù)集。

用于增強(qiáng)人類程序員能力的 Co-Pilot 會(huì)從 GitHub 上共享的數(shù)十億行代碼中獲取數(shù)據(jù)。ChatGPT和其他大型語言模型使用了在線存儲(chǔ)的數(shù)十億個(gè)網(wǎng)站和文本文檔。

文本到圖像工具，如Stable Diffusion、dale -2和Midjourney，使用來自數(shù)據(jù)集（如LAION-5B）的圖像-文本對(duì)。隨著我們將更多的生活數(shù)字化，并為它們提供替代數(shù)據(jù)源，例如模擬數(shù)據(jù)或來自《我的世界》等游戲設(shè)置的數(shù)據(jù)，人工智能模型將繼續(xù)在復(fù)雜性和影響力方面發(fā)展。

人工智能還需要計(jì)算基礎(chǔ)設(shè)施來進(jìn)行有效的訓(xùn)練。隨著計(jì)算機(jī)變得越來越強(qiáng)大，現(xiàn)在需要大量努力和大規(guī)模計(jì)算的模型，可能在不久的將來可以在本地處理。例如，Stable Diffusion已經(jīng)可以在本地計(jì)算機(jī)上運(yùn)行，而不是云環(huán)境。

人工智能的第三個(gè)需求是改進(jìn)模型和算法。數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)在一個(gè)又一個(gè)曾經(jīng)被認(rèn)為是人類認(rèn)知領(lǐng)域的領(lǐng)域繼續(xù)快速發(fā)展。

然而，隨著我們周圍的世界不斷變化，人工智能系統(tǒng)需要不斷使用新數(shù)據(jù)進(jìn)行重新訓(xùn)練。如果沒有這一關(guān)鍵步驟，人工智能系統(tǒng)將產(chǎn)生與事實(shí)不正確的答案，或者沒有考慮到自訓(xùn)練以來出現(xiàn)的新信息。

神經(jīng)網(wǎng)絡(luò)并不是人工智能的唯一途徑。人工智能研究中的另一個(gè)突出陣營是“符號(hào)人工智能” —— 它不是消化龐大的數(shù)據(jù)集，而是依賴于規(guī)則和知識(shí)，這些規(guī)則和知識(shí)類似于人類形成特定現(xiàn)象的內(nèi)部符號(hào)表示的過程。

但在過去10年里，力量的天平嚴(yán)重傾向于數(shù)據(jù)驅(qū)動(dòng)的方法，現(xiàn)代深度學(xué)習(xí)的“奠基人”最近被授予了圖靈獎(jiǎng)，這相當(dāng)于計(jì)算機(jī)科學(xué)領(lǐng)域的諾貝爾獎(jiǎng)。

數(shù)據(jù)、計(jì)算和算法構(gòu)成了人工智能未來的基礎(chǔ)。所有指標(biāo)都表明，在可預(yù)見的未來，這三個(gè)方面都將取得快速進(jìn)展。