技術(shù)的不足，都可以通過技術(shù)的手段糾正和彌補(bǔ)，畢竟沒有任何技術(shù)是完美無缺的，更不用說剛推出的技術(shù)。無論有什么缺陷，我們必須正視——大模型孕育的讓人驚嘆的人工智能誕生了。

6年前，當(dāng)AlphaGo在烏鎮(zhèn)打敗被稱為“人類最強(qiáng)棋手”的柯潔時，很多人不由感慨：人工智能遲早要超越人類。

2022年底，一款名為ChatGPT的人工智能聊天應(yīng)用突然火遍互聯(lián)網(wǎng)。ChatGPT不是一個簡單的聊天機(jī)器人，更像人們想象中的人工智能——可以理解人類，可以幫人類做更多的事情，比如寫代碼、總結(jié)、翻譯等。同時，以Midjourney為代表的智能繪畫應(yīng)用讓人工智能的應(yīng)用范圍更加廣泛。這一切似乎在告訴我們，人工智能時代真的到來了。

人工智能（Artificial Intelligence，AI）是指由計算機(jī)系統(tǒng)或機(jī)器執(zhí)行的智能行為，包括感知、推理、學(xué)習(xí)、決策和創(chuàng)造等。人工智能的發(fā)展歷史可以追溯到1950年代，當(dāng)時圖靈提出了著名的圖靈測試，用于判斷機(jī)器是否具有智能。從那時起，人工智能經(jīng)歷了多次興衰，涌現(xiàn)出許多重要的理論和技術(shù)，如神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等。其中，深度學(xué)習(xí)是近年來人工智能領(lǐng)域最具影響力的技術(shù)之一，它利用多層神經(jīng)網(wǎng)絡(luò)來模擬人類大腦的信息處理過程，從而實現(xiàn)對復(fù)雜數(shù)據(jù)的高效學(xué)習(xí)和表達(dá)。

人工智能從提出到今天已經(jīng)有近百年的歷史，回顧這段歷史我們會發(fā)現(xiàn)，人工智能的發(fā)展可謂一波三折。而今天，我們正站在一個關(guān)鍵的時間節(jié)點上，可能會見證人工智能的一次重大飛躍。

01、從圖靈測試說起

說起人工智能，對這個領(lǐng)域稍有了解的人都會知道一個概念：圖靈測試。

圖靈測試的提出者阿蘭·圖靈是生活在上個世紀(jì)中葉的英國數(shù)學(xué)家，他不但是一個數(shù)學(xué)天才，對機(jī)器和人類思維也非常好奇。他想知道，機(jī)器能不能像人一樣思考呢？不過，那時候還沒有現(xiàn)代的電腦，只有一些簡單的機(jī)械計算器。為了回答這個問題，圖靈設(shè)計了一個思維實驗：

讓一個人（我們可以稱之為C）通過鍵盤和屏幕跟另外兩個對象（我們稱之為A和B）聊天，其中一個對象是正常的人類，另一個對象是機(jī)器。C不知道A和B哪個是人哪個是機(jī)器，他只能通過提問來判斷。如果C無法分辨出A和B的不同，那么就說明這臺機(jī)器具有人類的智能。這個測試后來被稱為“圖靈測試”。

這個實驗很有趣，也很有挑戰(zhàn)性。想象一下，如果你是C，你會問A和B什么問題呢？你會問他們喜歡什么顏色嗎？會問他們有沒有朋友嗎？會問他們怎么看待世界嗎？你覺得這些問題能夠幫助你區(qū)分出人和機(jī)器嗎？其實，圖靈測試并不容易通過。要讓一臺機(jī)器能夠像人一樣回答各種問題，需要解決很多技術(shù)難題。比如，機(jī)器要能夠理解自然語言，也就是我們平時說話用的語言；機(jī)器要能夠表示知識，也就是存儲和處理各種信息；機(jī)器要能夠進(jìn)行自動推理，也就是根據(jù)已知的事實推出新的結(jié)論；機(jī)器還要能夠進(jìn)行機(jī)器學(xué)習(xí)，也就是根據(jù)經(jīng)驗不斷改進(jìn)自己的性能。

人工智能先驅(qū)阿蘭·圖靈和早期的計算機(jī)。

圖靈測試示意圖

圖靈測試在那個年代是不可能完成的任務(wù)，在這個思想實驗提出后，無數(shù)的數(shù)學(xué)家、科學(xué)家、工程師投入到計算機(jī)和人工智能領(lǐng)域，試圖創(chuàng)造出能像人類一樣思考的機(jī)器。

1964年，約瑟夫?韋岑鮑姆開發(fā)了ELIZA程序，它是一個模擬心理治療師的對話系統(tǒng)，能夠用自然語言回答用戶的問題，被認(rèn)為是最早的圖靈測試候選者之一。

1972年，肯尼斯?科爾比開發(fā)了PARRY程序，這是一個模擬患有偏執(zhí)型精神分裂癥的對話系統(tǒng)，能夠用自然語言與用戶交流，并表現(xiàn)出一些情緒和個性特征。后來，PARRY和ELIZA在一個名為“PARRY遇見ELIZA”的實驗中進(jìn)行了對話，并成功地欺騙了一些觀察者。

上世紀(jì)80年代，圖靈測試開始受到一些哲學(xué)家和科學(xué)家的批評和質(zhì)疑，例如約翰?西爾和羅杰?彭羅斯，他們認(rèn)為圖靈測試只是考察了機(jī)器的模仿能力，并不能真正反映機(jī)器的思維、理解和意識。

1990年，雨果?德?加里斯創(chuàng)立洛布納爾杯（Loebner Prize），這是一個每年舉辦的圖靈測試競賽，旨在評選出最能通過圖靈測試的對話系統(tǒng)。該競賽至今仍在進(jìn)行中，但也受到了一些人工智能研究者的批評和抵制。

2014年，尤金?古斯特曼（Eugene Goostman）程序宣稱通過了圖靈測試，這是一個模擬13歲烏克蘭男孩的對話系統(tǒng)，能夠用英語與用戶聊天，并利用其年齡和背景作為借口來掩蓋其不足之處。然而，這一結(jié)果也受到了一些質(zhì)疑和爭議。

2022年底ChatGPT出現(xiàn)之后，很多人認(rèn)為它已經(jīng)可以通過圖靈測試了，他們認(rèn)為，ChatGPT表現(xiàn)出來的那些明顯區(qū)別于人類的特征，是其發(fā)明者故意留下的破綻。也許吧，畢竟你在和ChatGPT對話的時候，經(jīng)常會誤認(rèn)為對方是人類。

02、人工智能的誕生與發(fā)展

圖靈測試的提出成為現(xiàn)代人工智能研究的濫觴，但人類對人工智能（或曰機(jī)器智能）的興趣很早就出現(xiàn)了。在古希臘神話中，有一個叫做塔洛斯（Talos）的青銅巨人，是宙斯贈送給克里特島國王米諾斯的禮物，用來保衛(wèi)島嶼。塔洛斯每天繞著島嶼跑三圈，用熾熱的身體和巨石攻擊敵人。他的身體里有一根青銅管道，從頭到腳流動著一種叫伊卡洛斯（Ichor）的神奇的液體，是神靈的血液。塔洛斯的腳踝上有一個螺栓，如果擰開了，伊卡洛斯就會流出來，塔洛斯就會死亡。這個故事可以說是最早的機(jī)器人和人工智能的想象之一。

中世紀(jì)的歐洲，有一位名叫阿爾貝圖斯·馬格努斯（Albertus Magnus）的神學(xué)家和哲學(xué)家，據(jù)說他用黃金和黏土制造了一個會說話的自動人偶，并用星相術(shù)賦予了它生命。這個自動人偶可以回答任何問題，甚至預(yù)言未來。但是，阿爾貝圖斯的學(xué)生托馬斯·阿奎那（Thomas Aquinas）認(rèn)為這個自動人偶是惡魔的工具，于是用一把錘子把它打碎了。這個故事反映了中世紀(jì)的人們對于人工智能的恐懼和排斥。

到了17世紀(jì)末18世紀(jì)初，法國數(shù)學(xué)家和哲學(xué)家布萊茲·帕斯卡（Blaise Pascal）發(fā)明了一種叫做帕斯卡林（Pascaline）的機(jī)械計算器，可以進(jìn)行加減法運(yùn)算。這是最早的計算機(jī)原型之一，也是最早利用機(jī)械原理實現(xiàn)計算功能的設(shè)備之一。帕斯卡林對當(dāng)時的數(shù)學(xué)和科學(xué)界產(chǎn)生了很大的影響，為后來的計算機(jī)科學(xué)奠定了基礎(chǔ)，也為人工智能的出現(xiàn)提出了可行性路徑。

再后來，就是阿蘭·圖靈在想象圖靈測試之后提出了圖靈機(jī)的概念，這是一種抽象的計算模型，可以模擬任何可計算函數(shù)，圖靈也被稱為“計算機(jī)科學(xué)之父”和“人工智能之父”，他的研究對計算理論和人工智能的發(fā)展都具有奠基性的意義。

人工智能的誕生和發(fā)展與計算機(jī)技術(shù)相輔相成，又和計算機(jī)有所不同。人工智能領(lǐng)域非常重要的兩個概念“控制論”與“神經(jīng)網(wǎng)絡(luò)”誕生在上世紀(jì)中期。1943年，麥卡洛克和皮茨提出了神經(jīng)元的數(shù)學(xué)模型，這是現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。1948年，維納提出了“控制論”的概念，認(rèn)為機(jī)器和生物都可以通過反饋機(jī)制來實現(xiàn)自適應(yīng)行為。1951年，圖靈設(shè)計了一種早期的神經(jīng)網(wǎng)絡(luò)機(jī)器，稱為“圖靈機(jī)器人”，可以玩井字棋游戲。1957年，羅森布拉特發(fā)明了感知機(jī)，這是一種單層的神經(jīng)網(wǎng)絡(luò)，可以進(jìn)行簡單的分類任務(wù)。

提到人工智能，給我們留下深刻印象的，可能是1997年IBM的計算機(jī)“深藍(lán)”打敗國際象棋大師卡斯帕羅夫、2017年AlphaGo打敗柯潔。事實上，人工智能發(fā)展史上，下棋一直是其重要的能力。1950年，信息論創(chuàng)始人香農(nóng)提出了計算機(jī)博弈的理論，并設(shè)計了一個下國際象棋的程序。1951年，塞繆爾開發(fā)了一個下跳棋的程序，這是首個能夠從自己的經(jīng)驗中學(xué)習(xí)的程序。1956年，紐厄爾和西蒙開發(fā)了一個下西洋跳棋的程序，并在達(dá)特茅斯會議上展示了它。

1997年，IBM的計算機(jī)“深藍(lán)”打敗國際象棋大師卡斯帕羅夫。

1950年圖靈測試的提出，讓人工智能有了更簡單（但技術(shù)上更難）的測試標(biāo)準(zhǔn)。1955年，紐厄爾、西蒙和肖開發(fā)了一個叫做“邏輯理論家”的程序，是第一個能夠用符號邏輯進(jìn)行推理和證明定理的程序。這個程序被認(rèn)為是第一個真正意義上的人工智能程序，并為后來的符號主義學(xué)派奠定了基礎(chǔ)。

在上世紀(jì)中葉，人工智能已經(jīng)成為非常熱門的學(xué)術(shù)話題，很多科學(xué)家、數(shù)學(xué)家都參與其中。在這樣的背景下，1956年，在達(dá)特茅斯學(xué)院舉行了一次歷史性的會議，會議由麥卡錫、明斯基、羅切斯特和肖組織，許多后來成為人工智能領(lǐng)域領(lǐng)軍者的人物都參加了這次會議，如紐厄爾、西蒙、塞繆爾等。達(dá)特茅斯會議在當(dāng)時看來可謂波瀾不驚，但在這次會議上正式使用了“人工智能”（Artificial Intelligence，AI）這個術(shù)語，并確定了將AI作為一個獨(dú)立學(xué)科的研究方向和目標(biāo)。

達(dá)特茅斯會議是人工智能史上一次重要事件。

達(dá)特茅斯會議之后，從1956年到1974年，人工智能領(lǐng)域取得了許多重大的突破和創(chuàng)新，也吸引了大量的資金和人才。

1957年，羅森布拉特提出了模擬人腦神經(jīng)網(wǎng)絡(luò)的感知機(jī)模型；1964年，約瑟夫·韋岑鮑姆開發(fā)了ELIZA程序；1965年，美國科學(xué)家愛德華?費(fèi)恩波姆等人成功研制出化學(xué)分析專家系統(tǒng)DENDRAL，這是第一套有效進(jìn)行工作的專家系統(tǒng)；1968年，美國斯坦福國際咨詢研究所研發(fā)成功世界上第一臺智能機(jī)器人Shakey，它具備一定程度的人工智能，能夠自主進(jìn)行感知、環(huán)境建模、行為規(guī)劃并執(zhí)行任務(wù)；1972年，斯坦福大學(xué)教授特里·溫諾格拉德開發(fā)了一個名為SHRDLU的程序，可以用自然語言理解和回答一個有關(guān)虛擬世界中物體和動作的問題……

因為突破頻頻，1956年到1974年被稱為“人工智能的黃金時代”，而在黃金時代中也暗藏危機(jī)。1966年，美國國防部資助了一項試圖利用計算機(jī)進(jìn)行自動翻譯的研究項目，該項目的目標(biāo)是將俄語的科技文獻(xiàn)翻譯成英語，以便美國獲取蘇聯(lián)的科技信息，項目由美國科學(xué)院的語言自動處理咨詢委員會（ALPAC）進(jìn)行評估和監(jiān)督。

1956年到1974年被稱為“人工智能的黃金時代”

然而，該項目的結(jié)果并不令人滿意——機(jī)器翻譯的質(zhì)量低下、速度緩慢、成本高昂且無法處理語言的復(fù)雜性和多樣性。1966年11月，ALPAC公布了一份名為《語言與機(jī)器》的報告，全面否定了機(jī)器翻譯的可行性和前景，認(rèn)為“在近期或可以預(yù)見的未來，開發(fā)出實用的機(jī)器翻譯系統(tǒng)是沒有指望的”。報告建議停止對機(jī)器翻譯項目的資金支持，轉(zhuǎn)而投入到詞典和語料庫的開發(fā)上。這個事件標(biāo)志著人工智能低谷期的到來。

1973年，英國政府委托數(shù)學(xué)家詹姆斯·萊特希爾對英國的人工智能研究進(jìn)行一項評估。詹姆斯·萊特希爾在評估報告中對人工智能的前景持悲觀態(tài)度，認(rèn)為人工智能研究者的承諾過于夸大，沒有實現(xiàn)預(yù)期的影響和效果。報告還將人工智能分為兩類：一類是基于數(shù)學(xué)和邏輯的人工智能，如自動推理、定理證明等；另一類是基于模擬人類認(rèn)知過程的人工智能，如自然語言理解、圖像識別等。報告認(rèn)為，前者雖然有一定的價值，但難以應(yīng)用于實際問題；后者則是不切實際的幻想，無法實現(xiàn)。

萊特希爾報告的發(fā)布對英國的人工智能研究造成嚴(yán)重的打擊，導(dǎo)致政府和企業(yè)對人工智能的資助和支持大幅減少。報告也影響了其他國家對人工智能的態(tài)度和投入，加劇了人工智能領(lǐng)域的低谷期。

從1980年到1987年左右，人工智能受到日本政府的第五代計算機(jī)計劃的刺激，專家系統(tǒng)得到廣泛的應(yīng)用和贊譽(yù)，知識表示和推理也取得進(jìn)展，同時聯(lián)結(jié)主義也得到重生，出現(xiàn)了反向傳播算法和神經(jīng)網(wǎng)絡(luò)等，由此進(jìn)入一段繁榮期。但由于日本第五代計算機(jī)項目未能達(dá)到預(yù)期目標(biāo)、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)被發(fā)現(xiàn)難以克服的弱點、經(jīng)濟(jì)衰退等因素，從1987年起，人工智能開始進(jìn)入第二次低谷期。

日本第五代計算機(jī)項目在1982年啟動，旨在制造出能夠與人對話、翻譯語言、解釋圖像，并且能像人一樣推理的機(jī)器，但在1992年結(jié)束時，只取得了有限的成果。神經(jīng)網(wǎng)絡(luò)在1986年被重新發(fā)現(xiàn)并引起了一股熱潮，但很快被發(fā)現(xiàn)存在過擬合、局部最優(yōu)等問題。專家系統(tǒng)在20世紀(jì)80年代初期也取得了一些商業(yè)成功，但后來被發(fā)現(xiàn)難以維護(hù)、擴(kuò)展和泛化。此外，20世紀(jì)80年代末期的經(jīng)濟(jì)衰退也影響了對人工智能的投資和需求。

這次低谷期一直持續(xù)到1993年。1993年后，人工智能發(fā)展進(jìn)入了平穩(wěn)期。從那時起到2010年這段時間，互聯(lián)網(wǎng)在全世界范圍內(nèi)普及開來，全球進(jìn)入信息時代。

互聯(lián)網(wǎng)飛速發(fā)展的20年，計算機(jī)技術(shù)也一直沿著摩爾定律穩(wěn)步前進(jìn)。人工智能的發(fā)展雖然相對緩慢，沒有出現(xiàn)太多的突破性成果，但互聯(lián)網(wǎng)和計算機(jī)技術(shù)的發(fā)展也為后來的深度學(xué)習(xí)和大數(shù)據(jù)等技術(shù)的興起奠定了基礎(chǔ)。在這段時間里，深度學(xué)習(xí)、大數(shù)據(jù)、云計算技術(shù)都取得了相當(dāng)不錯的成果，受其影響，人工智能在感知、交互、認(rèn)知等方面都有了重大的突破和進(jìn)展，從而又一次進(jìn)入了繁榮期。

人工智能第三次繁榮期的標(biāo)志性事件是，2011年IBM的超級計算機(jī)沃森（Watson）在美國電視節(jié)目《危險邊緣》（Jeopardy!）上擊敗了兩位人類冠軍，展示了自然語言理解和問答系統(tǒng)的能力。緊接著，2012年，AlexNet在ImageNet圖像識別挑戰(zhàn)賽上大幅提高了準(zhǔn)確率，引發(fā)了深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域的熱潮。而我們熟知的AlphaGo打敗李世石和柯潔，則緣起于2014年谷歌收購DeepMind公司，后者開發(fā)了一種可以自主學(xué)習(xí)玩各種電子游戲的強(qiáng)化學(xué)習(xí)算法，這種算法催生了后來的AlphaGo，并在2016年和2017年兩戰(zhàn)“封神”。

在語音語義方面，2015年微軟和百度分別宣布他們的語音識別系統(tǒng)達(dá)到了人類水平；2017年，阿里巴巴和微軟分別宣布他們的機(jī)器翻譯系統(tǒng)在中英文互譯上達(dá)到了人類水平；2018年，OpenAI發(fā)布了一種可以自主生成任意文本的自然語言生成系統(tǒng)GPT；2019年，谷歌發(fā)布了一種可以玩《星際爭霸2》等復(fù)雜策略游戲的強(qiáng)化學(xué)習(xí)系統(tǒng)AlphaStar；2020年，OpenAI發(fā)布了GPT-3，一種可以根據(jù)任意輸入生成各種類型文本的自然語言生成系統(tǒng)；2022年底，ChatGPT公開上線，一個人工智能的新時代到來了。

03、深度學(xué)習(xí)與大模型

從2011年起，人工智能的發(fā)展進(jìn)入了蓬勃期，這個時期的主要技術(shù)包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)與大型語言模型等，正是這些技術(shù)催生了AlphaGo以及ChatGPT。我們要理解當(dāng)前的人工智能，就需要對這些技術(shù)有簡單的了解。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種分支，它使用多層的神經(jīng)網(wǎng)絡(luò)來進(jìn)行表征學(xué)習(xí)，也就是從數(shù)據(jù)中提取出有用的特征和概念，從而實現(xiàn)對數(shù)據(jù)的多層抽象。深度學(xué)習(xí)可以處理各種類型的數(shù)據(jù)，如圖像、語音、文本、音頻等，并將其轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)可以理解和處理的數(shù)值向量。深度學(xué)習(xí)的優(yōu)勢在于它可以自動地從數(shù)據(jù)中學(xué)習(xí)特征，而不需要人工地設(shè)計或選擇特征，這樣可以減少人為的偏差和錯誤，并提高模型的泛化能力。

深度學(xué)習(xí)圖示

深度學(xué)習(xí)和大模型之間有著密切的聯(lián)系，因為大模型是深度學(xué)習(xí)的一種發(fā)展方向，也是一種解決深度學(xué)習(xí)中存在的問題（如梯度消失、過擬合、泛化能力等）的方法。深度學(xué)習(xí)和大模型也受到神經(jīng)科學(xué)和認(rèn)知科學(xué)的啟發(fā)，試圖模擬人類大腦中神經(jīng)元和信息處理的方式。

大模型是指使用大量參數(shù)的神經(jīng)網(wǎng)絡(luò)，通常達(dá)到了百億甚至萬億的規(guī)模。大模型可以利用更多的數(shù)據(jù)和計算資源來提高深度學(xué)習(xí)的性能，同時也具備自監(jiān)督學(xué)習(xí)的功能，可以減少數(shù)據(jù)標(biāo)注的成本和提高小樣本學(xué)習(xí)的能力。大模型也被稱為基礎(chǔ)模型或基石模型，因為它們可以作為通用的預(yù)訓(xùn)練模型，再通過微調(diào)來適應(yīng)不同的下游任務(wù)。例如，在自然語言處理領(lǐng)域，GPT-3就是一個典型的大模型，它使用了1750億個參數(shù)，并在45TB的文本數(shù)據(jù)上進(jìn)行了預(yù)訓(xùn)練，然后可以通過簡單地改變輸入格式或添加少量標(biāo)簽數(shù)據(jù)來完成各種語言任務(wù)，如文本生成、問答、摘要、翻譯等。GPT-4的參數(shù)更是達(dá)到了3.5萬億，是GPT-3的20倍。

深度學(xué)習(xí)和大模型已經(jīng)在很多領(lǐng)域中取得了令人矚目的應(yīng)用和成果。比如在計算機(jī)視覺領(lǐng)域，深度學(xué)習(xí)和大模型可以實現(xiàn)高精度的圖像分類、目標(biāo)檢測、人臉識別、圖像生成、圖像風(fēng)格遷移等任務(wù)；在語音識別領(lǐng)域，深度學(xué)習(xí)和大模型可以實現(xiàn)高效準(zhǔn)確的語音轉(zhuǎn)文字、文字轉(zhuǎn)語音、語音合成、語音翻譯等任務(wù)；在自然語言處理領(lǐng)域，深度學(xué)習(xí)和大模型可以實現(xiàn)多樣化豐富的語言任務(wù)，如文本理解、文本生成、問答、摘要、翻譯等。以上只是一些代表性的例子，實際上深度學(xué)習(xí)和大模型還有很多其他的應(yīng)用和成果，如音樂生成、藝術(shù)創(chuàng)作、醫(yī)療診斷、智能交通等等。

深度學(xué)習(xí)和大模型雖然已經(jīng)取得了很多令人驚嘆的成就，但是它們也面臨著一些機(jī)遇和挑戰(zhàn)。

一方面，深度學(xué)習(xí)和大模型有著巨大的潛力和前景。隨著數(shù)據(jù)量和計算資源的增加，深度學(xué)習(xí)和大模型可以不斷地提升自己的性能和能力，并拓展更多的應(yīng)用領(lǐng)域和場景。深度學(xué)習(xí)和大模型也可以與其他技術(shù)相結(jié)合，如強(qiáng)化學(xué)習(xí)、知識圖譜、聯(lián)邦學(xué)習(xí)等，形成更強(qiáng)大和更智能的系統(tǒng)和平臺。深度學(xué)習(xí)和大模型也可以為人類社會和科技進(jìn)步帶來巨大的價值和意義，如提高生產(chǎn)效率、改善生活質(zhì)量、促進(jìn)教育公平、保護(hù)環(huán)境資源等。

另一方面，深度學(xué)習(xí)和大模型也存在著一些問題和風(fēng)險。比如，深度學(xué)習(xí)和大模型需要消耗大量的數(shù)據(jù)和計算資源，這會帶來高昂的成本和環(huán)境影響——據(jù)估計，訓(xùn)練GPT-3所需的電力相當(dāng)于5000輛汽車一年的碳排放量。深度學(xué)習(xí)和大模型可能缺乏可解釋性和可信度，這會導(dǎo)致模型的不可靠和不可控，例如，由于數(shù)據(jù)中存在的偏見或噪聲，深度學(xué)習(xí)和大模型可能產(chǎn)生錯誤或不道德的結(jié)果，如歧視、誤導(dǎo)、欺騙等。

當(dāng)然，這些只是技術(shù)的不足，都可以通過技術(shù)的手段糾正和彌補(bǔ)，畢竟沒有任何技術(shù)是完美無缺的，更不用說剛剛推出的新技術(shù)。無論有什么缺陷，我們必須正視——大模型孕育的讓人驚嘆的人工智能誕生了。目前，人工智能已經(jīng)在教育、數(shù)字創(chuàng)意、醫(yī)療、交通等領(lǐng)域展示出了強(qiáng)大的能力，更不用說我們?nèi)粘＿M(jìn)行的聊天、繪畫了。

04、人工智能時代已到來

可能還有很多人沒體驗過ChatGPT（以及類似的AI應(yīng)用），會認(rèn)為這類生成式AI不過是根據(jù)用戶的文字進(jìn)行上下文搜索，本質(zhì)上還是以大數(shù)據(jù)和大模型為基礎(chǔ)的“猜字游戲”，并不具備邏輯思維能力，更沒有意識。這種看法也許沒錯，但ChatGPT的能力可能已經(jīng)超越很多人的想象了。

獵豹移動CEO傅盛本來也是持有這種看法的人，后來他和ChatGPT的一次對話徹底改變了其看法。他告訴ChatGPT，他的狗名叫三萬，問它為什么會給自己的狗取這樣一個名字。在ChatGPT說了一些給寵物取名可能的原因之后，傅盛補(bǔ)充，他的狗是收養(yǎng)的，因為骨折做過手術(shù)。然后ChatGPT回答：你可能因為給狗做手術(shù)花了三萬塊錢，為紀(jì)念這次手術(shù)給狗取了這個名字。傅盛非常驚訝，他在社交平臺上發(fā)文稱：“這不是內(nèi)容的重新整理，而是基于常識的推理！頭皮發(fā)麻啊，這種推理能力本來業(yè)界認(rèn)為幾乎不可實現(xiàn)！圖靈測試肯定是能通過了，關(guān)鍵這才剛剛開始……”

ChatGPT的出現(xiàn)，開啟了人工智能的新時代。

是的，現(xiàn)在基于大模型的生成式人工智能已經(jīng)可以做到基于事實進(jìn)行合理的邏輯推理了，我們雖然不能稱其為“理解人類語言”，但在用戶的使用感受上來說，這是完全不同于過去“人工智障”的真正的人工智能。而對于過去我們一直使用的計算機(jī)應(yīng)用來說，它們甚至連人工智障都算不上。

同樣是計算機(jī)技術(shù)，為什么我們不把普通的計算機(jī)應(yīng)用稱為人工智能？主要原因是，普通的計算機(jī)應(yīng)用并不具備像人類那樣思考的能力，而人工智能具備（或者說需要具備）。如果要讓計算機(jī)像人類那樣思考，就必須讓其理解人類的大腦是如何工作的。因此，人工智能的發(fā)展離不開腦神經(jīng)和認(rèn)知神經(jīng)科學(xué)。

簡單地說，人工智能是利用計算機(jī)和數(shù)學(xué)來模擬和實現(xiàn)人類或動物的智能行為，比如視覺、語言、推理等；腦神經(jīng)科學(xué)是研究大腦的結(jié)構(gòu)、功能和機(jī)制，探索大腦如何處理信息和產(chǎn)生行為；認(rèn)知神經(jīng)科學(xué)是腦神經(jīng)科學(xué)的一個分支，它主要關(guān)注大腦如何支持認(rèn)知過程，比如注意力、記憶、情感等。這兩個領(lǐng)域之間有很多交叉和互動，可以說是相互啟發(fā)、相互促進(jìn)的。一方面，人工智能可以借鑒大腦的原理和方法來設(shè)計更好的算法和系統(tǒng)，比如深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)就是受到人類視覺系統(tǒng)的啟發(fā)。另一方面，人工智能也可以為腦神經(jīng)科學(xué)提供新的工具和思路來分析和模擬大腦的數(shù)據(jù)和過程，比如使用機(jī)器學(xué)習(xí)來識別大腦活動的模式。

人工智能目前還不能完全模擬大腦的復(fù)雜性和靈活性，也不能解釋大腦的內(nèi)在邏輯和意義。腦神經(jīng)科學(xué)目前還不能完全揭示大腦的結(jié)構(gòu)和功能，也不能預(yù)測大腦的行為和結(jié)果。這些問題需要更多的研究和探索，也需要更多的合作和交流。也許將來，我們將會研究清楚人類的大腦和認(rèn)知，創(chuàng)造出真正媲美人類大腦的計算機(jī)智能。