久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

【文/觀察者網 呂棟 編輯/張廣凱】

以大模型為代表的生成式AI，可以說是今年全球科技圈最火熱的概念，甚至沒有之一。

在不久前閉幕的世界人工智能大會上，無論是以BAT為代表的傳統互聯網大廠，還是華為等ICT企業，亦或是科大訊飛、商湯科技這種本來就帶有AI標簽的公司，都在展示大模型能力。

下游應用中，有的廠商展示了AI大模型的聊天、寫詩、作畫能力，有的則展示了大模型的編程、建模能力，還有的企業專注直接行業結合，強調自己的大模型“不作詩，只做事”。

當大模型爆火了大半年之后，復盤變得很有必要，同時也有很多專業問題亟待解答。比如，如今的生成式AI和前些年火熱的AI概念有沒有本質區別？催生生成式AI的關鍵技術有哪些？如何看待國內互聯網大廠的大模型“軍備競賽”？中美大模型的發展有哪些差距？我們離真正的通用人工智能（AGI）還有多遠？等等。

針對這些外界普遍關心的話題，觀察者網近期深度對話了《生成式人工智能》作者、美國俄亥俄州立大學人工智能專業博士、美國PayPal全球數據科學平臺創始負責人丁磊。

丁磊

以下是對話實錄：

觀察者網：幾年前AlphaGo掀起過一輪人工智能熱潮，但熱度很快冷卻了。如今ChatGPT這種大模型再度引發人們對AI的高度關注。在您看來，AlphaGo和ChatGPT所代表的兩個AI發展階段，有什么本質不同？另外，ChatGPT會不會也像AlphaGo一樣，很快失去熱度？

丁磊：首先可以這樣類比一下，人類從一個嬰幼兒成長為成年人，需要漫長的過程，同時也需要花很多時間去學習，而ChatGPT的訓練過程相當于人類的成長過程。現在ChatGPT可以說在一定程度上已經擁有成年人的通識水平，并且具有一定的邏輯推理和常識理解能力。

作為對比，AlphaGo只是一個人工智能圍棋機器人，而人類能在相對較短的時間內學會下圍棋。我認為ChatGPT所具有的知識和邏輯，讓一個人去學習的話，肯定比學習下圍棋的時間要長。所以ChatGPT的里程碑式意義更大，但不是說AlphaGo就沒有意義，只是ChatGPT模擬人類學習的意義更大。從人腦學習的層面來看，ChatGPT跨越時空的尺度肯定比AlphaGo更大，因為學習圍棋相比于學習常識和邏輯，需要的時間更短。

從第二個層面來說，AlphaGo并不是一個普通的AI機器人，它以擊敗圍棋世界冠軍柯潔而名聲大噪，背后依靠的主要是強大算力。雖然圍棋是比較復雜的棋類，但它是有規則的，通過大量的數據學習就能做到很優秀。在我看來，AlphaGo這種AI機器人更像是在規則之下，通過大量數據不停地強化和迭代的過程，而ChatGPT處理的是人類自然語言，相對更復雜。

AlphaGo處理的主要是圍棋數據，格式相對簡單。雖然圍棋中的內涵邏輯，包括取勝的規則也挺復雜，但它的底層數據結構更簡單直白。而ChatGPT對應的是人類自然語言數據，存在的形式更為復雜、多樣和多變，這也就從另一個角度印證了ChatGPT是AI領域更大的突破。

觀察者網：能否這樣理解，AlphaGo和ChatGPT其實是一種進化關系，AlphaGo在進一步進化之后，就可以成為ChatGPT這種AI大模型？

丁磊：盡管二者在算法上有一些相通性，但并不能完全說是進化。換個角度來說，其實下圍棋的程序早已存在，雖然可能沒有AlphaGo那么優秀，但很早就出現了。而ChatGPT作為一種可以跟人類自然交互的聊天工具，之前是不存在的，所以它突破性更大。AlphaGo奪得圍棋冠軍，引起很大的轟動，主要因為算力算法更強更優秀，它更像是一種量變。而在ChatGPT之前的自然語言對話工具完全不能用，很多場合下像“人工智障”，而現在ChatGPT基本超越了一些人認為能用的閾值或限度，所以它更像一種質變，在一定程度上突破了可用的邊界。

觀察者網：之前看到一種說法，AI 1.0時代是在海量數據庫中做快速比對，而ChatGPT的突破之處在于，它可以基于大數據集自己生成內容，并不是簡單的比對和匹配。這意味著掌握了一定自學習能力的AI，技術迭代速度大幅提升，進入2.0時代。您如何看待此種說法？

丁磊：AlphaGo不能完全說是匹配，它也擁有一套深度強化學習的模式，但AlphaGo不是生成式，而ChatGPT是生成式。AlphaGo可以理解為早前那種判別式AI，也可說是決策式AI。

從技術路徑來看，決策式AI的主要工作是對已有數據“打標簽”，對不同類別的數據做區別，最簡單的例子如區分貓和狗、草莓和蘋果等，干的主要是“判斷是不是”和“區分是這個還是那個”的活兒。生成式AI不一樣，它會在歸納分析已有數據后，再“創作”出新內容，如在看了很多狗的圖片后，生成式AI會再創作出一只新的狗的圖片，實現“舉一反三”。

從成熟程度看，決策式AI的應用更為成熟，已在互聯網、零售、金融、制造等行業展開應用，極大地提升了企業的工作效率。而生成式AI的“年歲更小”，2014年至今發展迅猛，堪稱指數級的爆發，已在文本和圖片生成等應用內落地。從應用方向來看，決策式AI在人臉識別、推薦系統、風控系統、機器人、自動駕駛中都已經有成熟的應用，非常貼合日常生活。生成式AI則在內容創作、人機交互、產品設計等領域展現出巨大潛力。