|
如今，由大型语言模型提供支持的人工智能系统正在改变人们的工作和创作方式，从为软件开发人员生成代码行到为平面设计师绘制草图。  微软首席技术官凯文·斯科特（Kevin Scott）预计，这些人工智能系统将继续在复杂性和规模上增长——从帮助应对气候变化和儿童教育等全球挑战，到从医疗保健和法律到材料科学和科幻小说的革命性领域。 Scott 最近与我们分享了他对 AI 对知识工作者的影响以及 AI 的下一步发展的看法。最大的收获： 大型人工智能模型和生成人工智能的进步将继续提高生产力、创造力和满意度。 人工智能将实现科学突破，帮助世界解决一些最大的挑战。 随着这些模型成为平台， Microsoft 将继续负责任地为客户推动 AI 的进步，云、基础设施投资和强大的负责任的 AI 方法变得至关重要。  当我们进入 2022 年时，我认为人工智能领域的几乎每个人都期待在接下来的十二个月左右的时间里发生真正令人印象深刻的事情。但现在我们已经快一年过去了，即使有那些崇高的期望，回顾我们在 AI 中环顾到的创新规模确实令人兴奋。研究人员和其他人为推进最先进技术所做的事情比几年前我们认为可能的事情要超出几光年。几乎所有这一切都是大型 AI 模型取得令人难以置信的快速进步的结果。 今年给我印象最深的三件事首先是 GitHub Copilot的推出，这是一个基于大型语言模型的系统，可以将自然语言提示转化为代码，并对开发人员的生产力产生巨大的积极影响。它向比以往任何时候都多得多的人群开放了编码，这太棒了，因为未来很大程度上取决于我们编写软件的能力。 第二件事是这些 生成图像模型，例如 DALL∙E 2 ，它们已经变得非常流行并且更容易获得。素描和绘画以及掌握平面设计、插图和艺术的所有工具需要相当高的技能。像 DALL∙E 2 这样的 AI 系统并不能将普通人变成专业艺术家，但它为很多人提供了他们以前没有的视觉词汇——一种他们认为自己永远不会拥有的新超能力。（编者注： 除了 Kevin Scott 的照片外，本文中的所有图片均由制作人使用 DALL∙E 2 生成。） 我们还看到，AI 模型变得越来越强大，并为它们用来解决的问题带来了更大的收益。我认为今年在蛋白质折叠方面的工作在整个技术行业都非常出色，包括 我们与华盛顿大学 David Baker 实验室、RoseTTAFold 蛋白质设计研究所所做的工作 ，并通过一系列帮助先进的人工智能来做变革性的事情。 所以这非常令人兴奋。任何能对科学和医学产生力量的东西都对世界有益，因为那些是我们最大、最棘手的问题所在。 这是重要的、令人印象深刻的一年。我认为明年会更好。 我可以自信地说，2023 年将是 AI 社区有史以来最激动人心的一年。我说，是在真正、真诚地相信 2022 年是我们度过的最激动人心的一年之后，创新的步伐会不断加快。 我已经谈过 GitHub Copilot，它很棒。但这只是大型 AI 模型未来能够做的事情的冰山一角——将相同的想法外推到各种不同的场景，以了解它们如何协助编码以外的其他类型的智力劳动。整个 知识经济将发生转变 ，人工智能如何帮助您解决工作中重复的方面，并使工作总体上更加愉快和充实。这将适用于几乎任何事情——设计新分子来创造药物，从 3D 模型制作制造“食谱”，或者只是写作和编辑。 我可以自信地说，2023 年将是 AI 社区有史以来最激动人心的一年。 例如，我一直在玩一个使用 GPT-3 为自己构建的实验系统，旨在帮助我写一本科幻小说，这是我从十几岁起就想做的事情。我的笔记本上装满了我为写书创建的理论方面的提要，描述了这些书的内容以及它们发生的宇宙。有了这个实验工具，我已经能够在创作上实现突破。当我以老式的方式写书时，如果我一天能写 2,000 字，我就会对自己感觉非常好。有了这个工具，我曾经有过一天可以写 6,000 字的日子，这对我来说感觉已经很多了。而且与我之前所做的相比，这感觉像是一个在质量上更有活力的过程。 这就是“万能副驾驶”的梦想——当你做任何类型的认知工作时，你会有一个副驾驶坐在你身边，不仅能帮助你完成更多工作，还能以令人兴奋的新方式增强你的创造力. 我们所有人都使用工具来完成我们的工作。我们中的一些人真的很喜欢获得这些工具并掌握它们，并弄清楚如何以一种超级有效的方式部署它们来做我们想做的事情。我认为这是这里发生的事情的一部分。在许多情况下，人们现在拥有新的、有趣的并且从根本上说比以前更有效的工具。我们进行了一项 研究 ，发现使用无代码或低代码工具对用户的工作满意度、整体工作量和士气产生了 80% 以上的积极影响。特别是对于处于相对早期阶段的工具，这是一个巨大的好处。 对于某些员工来说，这实际上是在增强您在工作时进入的核心流程；它加快了你的速度。这就像有一双更好的跑鞋去参加比赛或马拉松比赛。这正是我们在开发人员使用 Copilot 时所看到的体验。 他们报告 说，Copilot 帮助他们保持顺畅，让他们在过去枯燥和重复的任务中保持头脑清醒。当人工智能工具可以帮助消除工作中的苦差事、超级重复或烦人的事情，或者突破那些妨碍他们做他们真正喜欢的事情的东西时，它毫不奇怪地提高了满意度。 就个人而言，这些工具让我比以前更长时间处于心流状态。创意流的敌人是分心和卡住。我到了这么一个地步——当我不知道如何解决下一件事，或者下一件事就像——“我得去看看这件事。我必须从我正在做的事情中切换上下文来解决子问题” 的时候，这些工具可以越来越多地为我解决子问题，让我的创意流保持顺畅。  这是 AI 不为人知的大故事。迄今为止，AI 的大部分优势分布在 1,000 种不同的事物上，您甚至可能无法完全理解您获得的产品体验中有多少来自机器学习系统。 例如，我们坐在这里 参加 视频会议，在系统中，所有这些参数都是通过机器学习算法学习的。音频系统有抖动缓冲器来平滑通信。屏幕上你身后的模糊是一种机器学习算法在起作用。有十几种机器学习系统使我们双方的体验更加愉快。整个 Microsoft 都是如此。 我们已经从几个地方的机器学习发展到分布在不同产品中的 1,000 种机器学习事物，从 Outlook 电子邮件客户端的工作方式、Word 中的预测文本、Bing 搜索体验到 Xbox 中的 Feed 的所有内容云游戏和 LinkedIn。到处都有人工智能让这些产品变得更好。 过去两年发生的重大变化之一是，过去你会有一个模型专门用于我们所有产品中的每一项任务。现在你有了一个可以在很多地方使用的单一模型，因为它们用途广泛。能够投资于这些随着规模而变得更强大的模型——然后让所有构建在模型之上的东西同时从你所做的改进中受益——是巨大的。 微软的人工智能研究和开发通过 AI4Science 和 AI for Good等计划继续进行。  作为一个社会，我们现在面临的最具挑战性的问题是科学。如何治愈这些疑难杂症？ 您如何 为下一次大流行做好准备？您如何为 老龄化人口提供负担得起的高质量医疗保健服务？您如何 帮助大规模教育更多孩子 掌握他们未来所需的技能？您如何通过开发技术来扭转碳排放到大气中的一些负面影响？我们正在探索如何利用 AI 中的一些令人兴奋的发展来解决这些问题。 这些基础科学应用程序中的模型具有与大型语言模型相同的缩放属性。你建立一个模型，你让它进入某种自我监督模式，它从模拟中学习，或者它从自己观察特定领域的能力中学习，然后你从中得到的模型可以让你显着改变性能一个应用程序——无论您是在进行计算流体动力学模拟还是在进行 药物设计的分子动力学。 那里有巨大的机会。这意味着更好的药物，这意味着 也许我们可以找到 我们尚未解决碳排放问题的催化剂，这意味着全面加速科学家和其他有远见的人如何努力解决社会面临的最大挑战。 我们在 AI 领域看到的几乎所有近期进展背后的根本原因是规模的重要性已被证明是多么重要。事实证明，以更多数据和更多计算能力训练的模型具有更丰富和更通用的功能集。如果我们想继续推动这一进步——需要明确的是，现在我们看不到扩大规模的好处——我们需要尽可能地优化和扩大我们的计算能力。 两年前，我们 宣布了第一台 Azure AI 超级计算机，在今年的 Build 开发者大会上，我分享了我们现在拥有多个超级计算系统，我们非常确定它们是当今世界上最大、最强大的 AI 超级计算机。我们和 OpenAI 使用这个基础设施来训练我们几乎所有最先进的大型模型，无论是我们 在 Microsoft 的Turing、 Z-code 和 Florence 模型，还是在 OpenAI 的 GPT、DALL∙E 和 Codex 模型 。 我们最近刚刚 宣布与 NVIDIA 合作， 构建由 Azure 基础设施和 NVIDIA GPU 提供支持的超级计算机。  其中一些进展是通过使用越来越大的 GPU 集群的强力计算规模实现的。但也许更大的突破是优化模型和数据在这些巨型系统中的分布方式的软件层，既可以训练模型，又可以为客户提供服务。如果我们要将这些大型模型作为人们可以用来创建的平台，那么它们就不会只提供给世界上拥有足够资源来构建巨型超级计算机的极少数科技公司使用。 因此，我们在 DeepSpeed等软件上投入了大量资金 来提高训练效率，并在 ONNX Runtime 上进行了推理。它们针对成本和延迟进行了优化，通常可以帮助我们让更大的 AI 模型更容易为人们所用，也更有价值。我为我们在这些技术上工作的团队感到超级自豪，因为微软确实在这方面处于行业领先地位，而且我们正在开源所有这些技术，以便其他人可以不断改进。 我们生活在一个异常复杂和历史性宏观经济变革的时代，当我们展望未来 5 年、10 年时，即使只是为了实现整个世界的净中性平衡，我们也需要新形式的生产力我们所有人都能够继续享受进步。我们希望将这些 AI 工具构建为许多人可以用来建立业务和解决问题的平台。我们相信，这些平台可以让更多人民主化地访问 AI。与他们一起，您将解决更丰富的问题，并且您将拥有能够参与技术创造的更多样化的人群。 在之前的 AI 实例化中，您需要大量的专业知识才能开始。现在你可以调用 Azure 展开认知服务，你可以调用 Azure OpenAI 服务 ，并在这些东西之上构建复杂的产品，而不必非常精通 AI，以至于你必须能够从头开始训练自己的大型模型。 对于某些员工来说，这实际上是在增强您在工作时进入的核心流程；它加快了你的速度。这就像有一双更好的跑鞋去参加比赛或马拉松比赛。 随着所有这些庞大的人工智能系统不断发展壮大，我认为我们可以预期这些进步将从根本上改变工作的性质，在某些地方比其他地方更甚，并且在某些情况下会创造大量新的工作。你可以回顾过去，看到同样的事情发生在历史上各种著名的技术范式转变的情形：电话、汽车、互联网。而且我认为就像那些例子一样，我们将需要新的方式来思考工作，新的方式来思考 技能 并非常专注于确保我们周围有足够多的有才华的人并接受过 真正的培训关键工作。 这是我们非常重视的事情。我们有一个负责任的人工智能系统处理我们的 AI 系统所经历的过程，我们将继续改进该过程。我们与多学科专家团队一起仔细检查我们正在做的事情，以确保我们了解所有可能发生的潜在有害事件，并尽可能减少其中的影响。这方面的例子包括改进用于训练模型的数据集、部署过滤器以限制有害内容的生成、集成查询阻止敏感主题等技术以帮助防止不良行为者滥用或应用可以返回更有用和多样化的技术响应和结果。我们制定了一个人工智能系统计划，我们可以在发布后尽快检测和减轻我们没有预料到的任何危害。 另一个非常重要的保护措施是有意识的迭代部署。我们所做的大部分工作都是针对具有广泛功能的模型。我们将它们托管在我们的云中，并让它们可以通过 API 或我们的产品访问。对于API，任何开发者都可以访问它，但是他们必须遵守服务条款才能使用它，如果他们违反服务条款，他们的访问权限就会被剥夺。对于其他产品，我们可能会从有限的预览开始，并针对特定数量的客户进行明确定义的用例。与这些早期客户的合作将帮助我们确保负责任的 AI 保护措施在实践中发挥作用，以便我们能够更广泛地扩大采用范围。 我们坚信安全和责任很重要。希望我们能为整个行业提供一些鼓励。为此，我们用于开发某些解决方案的所有资源和专业知识都将通过我们 负责任的 AI 标准 和 原则与更广泛的社区的其他成员共享。 |
|
|
来自： 小飞侠cawdbof0 > 《智能》
