|
千年人类文明，千年智能梦，走过原始文明、农业文明、工业文明、信息文明，随着通用人工智能技术奇点的到来，人类的脚步正迈入智能文明时代。纵观人类历史和东西方文明的进程，每一轮科技变革，都带来生产力的巨大变革和人类生产生活的巨大变化。 带着对新技术的热情、历史的深思、未来变革的大势，《通用人工智能》一书将从多维度视野解构通用人工智能。文明的维度：通用人工智能从哪里来。内涵的维度：通用人工智能是什么，与过往有何不同。技术的维度：通用人工智能技术基座在哪里，大模型如何得来又何以“涌现”。变革的维度：通用人工智能赋能行业的内在逻辑是什么，以及将带来怎样的改变。产业的视角：产业链呈现怎样的图景，万模混战下的激烈竞争，已经发生和正在发生哪些重大的事件，全球产业比较之下，中国有哪些机遇？经济的视角：通用人工智能和数字经济是什么关系？AI+的数字经济版图上，将盛开怎样的鲜花？社会视角：人工智能对社会治理和形态将带来怎样变革，如何监管？道势的视角：什么是通用人工智能的道法势术器？和元宇宙是什么关系？下一步将走向哪里？  今日推荐阅读为大家带来《通用人工智能: 从AIGC到大模型，迈向通用人工智能时代》，让我们带着上述问题的思索与遐想，一起走进通用人工智能的“三山五岳”。
历史的大潮滚滚向前，回望人类文明发展的历程，人猿相揖别，走过原始文明、农业文明、工业文明、信息文明，随着通用人工智能技术奇点的到来，人类正迈入智能文明的新阶段。纵观人类历史和东西方文明的进程，每一轮大的新科技革命，都带来生产力的巨大变革和人类生产生活方式的巨大变化。 一代伟人毛泽东说过：“如果要看前途，一定要看历史。”要了解今天的通用人工智能，便需要先来看看人工智能的文化源头和发展演进的历史脉络。在有文字记载的故事中，以古埃及、古代中国、古希腊、古印度等为代表的古代国家很早就有了关于智能的神话传说。千年人类文明及千年智能梦，不断驱动人类去实现智能的梦想。古希腊哲学家亚里士多德提出著名的推理“三段论”，奠定了逻辑推理符号化的基础。后来，德国哲学家、数学家戈特弗里德·威廉·莱布尼茨（Gottfried Wilhelm Leibniz）提出逻辑推理数学化的构想。这里要顺带提到的是，莱布尼茨发明了二进制，这奠定了后来计算机发明的数制基础，在他的文章《论只使用符号0和1的二进制算术，兼论其用途及它赋予伏羲所使用的古老图形的意义》中，二进制的0和1，与中国《周易》中“阴”“阳”的思想在此实现了交会。到了19世纪乔治·布尔（George Boole）发明了布尔代数，打通逻辑实现计算化的道路。20世纪，德国数学家大卫·希尔伯特（David Hilbert）提出著名的“希尔伯特问题”和“希尔伯特计划”，他认为数学应该被形式化地表示，以便能够用精确的语言来描述数学概念和定理。然而，理想是丰满的，现实却往往出乎意料，一位当时名叫哥德尔的青年证明了希尔伯特计划是不可行的。20世纪30年代，英国数学家艾伦·麦席森·图灵（Alan Mathison Turing）发明了图灵机，换一个思路来证明希尔伯特的判定问题是不可判定的。图灵机的发明，种瓜得豆，为计算机和人工智能诞生奠定了基础。20世纪40年代，世界上第一台电子计算机产生；同时，克劳德·艾尔伍德·香农（Claude Elwood Shannon）现代信息论打下了基础。到了1956年，随着达特茅斯会议的召开，人工智能这个概念在首次被提出。
随着人工智能技术的发展，出现了符号主义、联结主义和行为主义三大流派路线。1943年，人工神经元的数学模型提出，从这里开始到1987年，这是一个以符号主义为主的时期，其中1943年至1974年，是人工智能技术发展的第一次浪潮，兴起与繁荣，神经元模型、赫布定律、人工智能概念、感知器、机器学习的概念、最早的人工智能威胁论等相继被提出，世界上第一台工业机器人、聊天机器人、移动机器人以及专家系统登上了历史的舞台。然而，由于当时的算力、算法、数据等历史条件的限制，人工智能并不能达到大家当时期望中的那么快、那么好的效果。1969年，符号主义的代表人物马文·明斯基（Marvin Minsky）在他著作《感知器》一书中批评感知器及其扩展研究是没有前途的。从1974年开始，人工智能进入第一次低潮期，各国政府和机构停止或者减少对人工智能的投入。这个时期，人工智能研究领域进行了新的探索，基于误差的后向传播网络、遗传算法、 启发式搜索等新的理论和技术相继提出。到了1980年，专家系统取得巨大成功，开启人工智能第二轮的新的浪潮。然而到了1987年开始，专家系统遇到了瓶颈而遇冷，人工智能再次陷入低谷。但与此同时，神经网络、浅层次的机器学习迎来复兴，联结主义流派路线开始崛起。1986年，杰弗里·辛顿（Geoffrey Hinton）等人提出用反向传播（Back Propagation）算法和多层次感知器相结合的方法，很快引起了人工智能研究界的兴趣。卷积神经网络（CNN）等一大批算法和技术随后不断提出。到了2006年，辛顿教授和他的学生，正式提出了深度学习的概念和全新的架构，将人工智能的发展推上了一个新台阶。人们逐渐认识到了深度学习算法的重要价值。从2011年开始深度学习应用爆发，图形处理器（Graphics Processing Unit，简称为GPU）被用来训练网络模型，解决了算力的问题。这一时期可以说是硕果累累，基于深度学习的算法和技术应用不断涌现，最引人注目的是2016年AlphaGo的围棋大战。到了2017年，谷歌提出了Transformer模型，从此，人工智能进入了一个更高的发展层次——大模型算法的阶段！2022年，ChatGPT横空出世，人类迎来通用人工智能时代。
发展脉络行进至此，我们回过头去看，从人类最初梦想开始，到后来一系列的演变，这些事物就单个而言，其产生或是偶然；但就从整个人类科技文明发展历程来看，它又是必然，这是几千年来的思想家、前后几百年的科学家们，孜孜不倦、继承创新、不断探索实践的成果，是天时地利人和、内因外因交会的产物，是科学技术发展的必然。科技探索就像十月怀胎，事物产生正如一朝分娩。诚如哲学上说的那句话，偶然中有必然，必然中有偶然。新事物的发展也不是一帆风顺的，会经历起起伏伏，往往遇到了挫折无路可走的时候，又柳暗花明又一村，呈现出螺旋式的上升态势。讲完历史，接下来我们看看通用人工智能的产业生态。通用人工智能生态可以分为算力层、数据层、算法层、应用层。算力方面，芯片是算力中的核心，过去几年，大模型参数呈指数级增长，模型的复杂程度越来越高，对算力的需求也越来越大，大模型的训练，不光需要大量算力，也同时需要海量的大数据。所以，整个通用人工智能的生态，以算法层的模型为核心，拉动上游算力和数据，驱动下游应用和场景变革。通用人工智能的时代，将产生比传统PC时代、互联网时代、移动互联网时代更加伟大的公司。从技术的维度来看，大模型正在从单一模态走向多模态，GPT-4已经实现了多模态。和单一模态不同，多模态大模型可以接受多种类型数据例如图像、文本、音频等输入，来进行训练和预测。多模态未来发展前景广阔，例如，可以和机器人结合，为机器人注入灵魂，成为机器人的大脑，进一步推动通用人工智能的下一个浪潮——具身智能的技术突破。从大模型分类上看，可以分为通用大模型和垂直行业大模型。通用大模型在商业模式上，目前已初步探索出对外应用程序编程接口（API）、大模型订阅服务MaaS（Model-as-a-Service）、以及生态伙伴产品集成等多商业模式。从时间进程上看，自从ChatGPT面世以来，短短数月时间，大模型已经从“通用”走向了“垂直”阶段，越来越多企业看到在教育、金融、医疗等垂直行业创新的机会，垂直细分领域的大模型正在大量涌现。可以说，通用大模型就像百科全书，上通天文下知地理；垂直行业大模型就像专家，具备行家里手专业深度。通过与各类场景的结合，通用人工智能技术将走向各个行业的田间地头，通用人工智能技术飞入寻常百姓家，通用人工智能技术走向平民化、普惠化。从全球产业周期发展的角度来看，当前通用人工智能技术正迎来产业应用落地的加速期。技术拐点突破、大模型训练成本下降、用户需求开始爆发等要素，不断推动通用人工智能技术加速渗透。全球产业资本和金融资本纷纷涌入，科技巨头如微软、谷歌、百度等不断加码布局。全球正迎来百模大战，美国市场中，已经形成了“两超多强”的格局，“微软+ OpenAI”和谷歌的大模型军备竞赛日趋激烈，本书正文内容将详细介绍这两大超级巨头体系进攻和防守的几大战役回合。其他大厂如Meta、IBM、亚马逊等纷纷加速追赶，发布最新的大模型。除了OpenAI外，美国市场还有诸多初创企业纷纷入局。从中国市场来看，国内的竞争格局当前处在春秋时期。今年以来，国内各大IT厂商纷纷发布大模型，百度、阿里巴巴、三六零、科大讯飞、华为等各家大模型的最新消息进入大众的视野。与此同时，许多互联网大咖也不断加入大模型的创业大潮。我们认为，未来通用智能计算领域的竞争格局，无论是中国还是美国市场，大模型领域将会形成少数几家集中的局面，这是通用大模型的技术、场景、数据等内在要素属性所决定的；而在专用垂直细分领域，将催生一批专门负责精调垂直行业大模型的企业，垂直行业应用大模型将层出不穷。从全球比较的角度来看，当前中美两国在全球预训练大模型发展中处于领先地位。从2018年开始，许多美国科技企业相继发布具有创新性和影响力的AI大模型。中国的大模型从2020年开始进入加速期。中国大模型加速追赶，目前与美国保持同步增长态势。根据科技部新一代人工智能发展研究中心等机构发布的《中国人工智能大模型地图研究报告》统计，从2020年至2023年，中国推出了79个大型语言模型。据特斯拉CEO马斯克估计，美国与中国质检，人工智能发展差距大约在12个月左右。而另一个方面，中国的大模型和美国相比在原创性方面还有待提升。算力方面，国内AI芯片在工艺制程、芯片算力生态、市场地位和份额等几个方存在差距。数据方面，中国有庞大的市场和数据资源，据工信部赛迪顾问发布的《中国数据安全防护与治理市场研究报告》显示，预计到2026年中国的数据量位居全球第一。但是，从数据质量方面看，与美国比较，中国的数据数量及质量还需要提升。在应用端，美国大模型应用商业化开始加速，而中国大模型应用市场潜力巨大，目前国内大部分的大模型还处在免费试用阶段，正奋力追赶，未来有望实现赶超。通用人工智能对中国的战略意义巨大应抓住其发展机遇。从历史的维度来看，中国曾错失了第一次、第二次科技革命，导致国家发展落后，遭遇“三千年未有之一大变局”。20世纪信息技术革命兴起后，尽管中国起步晚，但后来快速跟进，进入互联网时代后，中国凭借着庞大的用户群体和场景应用创新，带动了信息产业快速崛起。相比较而言，当前通用人工智能这一轮新科技革命，中国和美国同处于引领世界的位置，和历史上的前几轮科技革命相比，我们从未有站在这样一个领先和主动的位置，引领世界科技革命的浪潮。从变革的维度看，通用人工智能技术的推广和应用，将带来产业升级、消费升级、社会效益提升，开启产业和经济变革新浪潮。和历史上每一次科技革命一样，通用人工智能技术将渗透各行各业，像互联网一样成为整个社会的基础设施。抓好这一个机遇，将有利于我国在AI 2.0时代实现跨越发展，为整个社会带来更多福祉，智能经济的发展，有利于增强国家的综合实力，从而帮助我国在未来的国际竞争中脱颖而出。从国家安全的角度来看，人工智能是国际竞争的焦点之一，超大规模的预训练模型作为一种战略资源，具有重要的卡位作用。中国的通用人工智能技术尽管和美国还有差距，但是这一轮新科技变革才刚刚开始，中国从顶层重视到产学研的协同、人才培养和机制建设多管齐下，加之中国有着庞大的市场和各个垂直领域海量的数据资源，假以时日大模型的底层技术有望赶上，而在应用层面有望实现赶超。站在当下，回顾历史，展望未来。人工智能是多学科交叉融合的产物，今天基于Transformer发展出来的GPT路线，并不能代表通用人工智能技术的终点。随着类脑科技的发展，在未来可能有更多更先进的算法和技术路线的出现，将进一步推动通用人工智能向更高阶段迈进。量子科学和量子计算机的发展，未来有可能助力通用人工智能技术实现进一步的突破。同时，通用人工智能的发展，也将助力Web 3.0生态和元宇宙建设。对于这些未来可能产生的新突破、新事物，我们满怀期待。另外，通用人工智能的发展也必须高度重视相应风险和监管。而人工智能的监管将是一个全球性的问题，我们既要享受技术带来的红利，也要合理把控其风险。尽管当下很多大模型还存在“一本正经胡说八道”等能力方面的不足，但是随着社会科学技术的不断发展，通用人工智能的能力越来越强大，将会带来社会问题、伦理问题、知识产权问题、安全和隐私问题等一系列的风险和挑战，因此更需要相关部门的监管政策及时跟上，同时大力发展通用人工智能监管技术，用技术手段来助力监管。正是基于以上多方面的思考，带着对新技术的热情、历史的深思、未来变革的大势，这本《通用人工智能》应运而生、本书从文明历史、技术脉络、产业生态、全球比较、风险监管、未来趋势等多维度、多视角解构通用人工智能，和大家一起看通用人工智能的“三山五岳”，领略通用人工智能的无限风光，一起拥抱通用人工智能带来的时代大机遇！作者简介：田杰华，曾先后任职于交通银行、银河证券、新时代证券、浙商证券等机构，多年计算机行业投资研究经历。中国人民大学财政金融学院专硕校外兼职导师。易欢欢，易股天下集团董事长、华建函数CEO、北京大学金融校友联合会副会长，担任上市公司亚联发展董事，汉威科技独立董事，中国金融科技博物馆理事，北京互联网金融协会研究院主任，中国互联网金融博物馆理事，中国青年企业家协会理事 ，盘古智库发起创始人，《元宇宙》《元宇宙通证》《元宇宙大投资》作者 。
|
