澎湃Logo
下载客户端

登录

  • +1

写技术|我们与人工智能的距离

2024-12-10 12:03
来源:澎湃新闻·澎湃号·湃客
字号

我们与人工智能的距离

李晴晴、谢冰妍、 施霁烊

随着时代的发展与技术的进步,人工智能这个词对于大众来说已经不再陌生,它频繁地出现在新闻上、手机热搜上、甚至高考作文题目里。有人对 AI有着“AI万能”的想象,也有人对 AI持着科幻灾难片里机器人取代人类的担忧。但无论如何,我们都不得不承认这已经是人工智能的时代。

在这个时代,越来越多的人开始学习 AI技术、从事AI相关的行业,他们是人工智能里的那个“人”。K先生是AI相关领域的从业者,他对AI持着乐观积极的态度;在X博士的行业,有些人已经被AI取代;学AI的Z同学对AI的未来既有希望也有担忧……正是这一个个真切的人,构成了人工智能作为时代标志之下更为真实的立体侧面。

K先生

K先生的公司就在他的大学校园对面,他是上大学才来到北京的。当时的他对于择校、择专业怀着一种“单纯的上进心”,他希望自己学习的地方能做出比较好的成绩,希望能够在一个“大家都知道”的学校和专业去学习。

到达A公司所在的大厦时,已经是晚上七点后。那天下了雨,天色有些昏暗,楼下的保安小哥看了看手表笑道:“现在都要下班了吧!”然而A公司依然灯光明亮,热热闹闹的,并不像我想象中的那么安静,有人伏在另一人的电脑前指着屏幕念念有词,也有三三两两的小组在走道上讨论着什么——但都没有要下班的意思。被问及上下班的时间,K先生哈哈大笑说:“我们还是会遵守劳动法的!”他早上十点来,晚上则是自愿待到八九点走,因为“自己比较感兴趣,就想完成这样的一个事情。”周末时,K先生也偶尔去看看一些数据,或者去看看整个外面的行业、市场大概是什么样的。

K先生一直很关注AI行业,也很擅长把握机会。“我其实一直在AI的周边盘旋。”K先生说。大学毕业后的他总在间接地进入AI行业中,或者与图像编辑和视频编辑相关的底层AI工业有关系。他对AI在视频领域的应用非常感兴趣:“我本身做的也是图片和视频剪辑相关的一些工作,本来就很有兴趣,如果可以用AI去替代或者更好地服务这些创作者去做出一个很好看、很好玩的视频或者作品,这是一个挺有意思的事情。”他觉得所谓大模型的泛化能力是特别强的,你想让它干什么,它就可以生成出一些你想要的东西。当K先生看到AI图像领域已经发展得不错时,他及时且坚定地判断:视频也能做成这样。“我想赶快去在它火爆之前比别人强,比别人先迈出一步,”K先生说,“找到一个这样的机会,我就会加入。”事实证明K先生的判断是正确的。A公司从创业开始到现在也收到了很多不错的反映和反馈,不管是用户量还是累计达到的视频生成量也都不少——他们的产品已经有超过1000万的生成数量,无论是放在国内还是海外,这都是一个比较好的数据。

K先生在公司里做的是产品方面的工作,工作内容主要是将A公司的大模型落地到各个客户或者用户上面。“我要去把控大概是什么样的算法更适合给用户去使用,确定了这方面的一些想法之后,就可以落地到一个实际的产品应用里面去。”K先生以OpenAI的ChatGPT为例向我解释说,GPT里面各种各样的功能得有一个和用户的交互或者产品化的过程,简单来说就是做一个app或者小程序,也就是说怎么把这个功能给用户去使用。他在A公司做的也是一样的事情。

这份工作,K先生乐在其中。其实他大学的学习方向和他的第一份工作并没有特别直接的联系。大学生活对他的帮助更多是在人际交往方面:除了学习之外,他会去踢球、参加一些比赛,也有棒垒球的比赛。“跟人家打交道,然后会经历一系列事情。其实就是认识更多的人,或者认识他们背后的想法、成长背景,或者去认识一些事件、去发现,就这样慢慢开阔我的眼界。”真正进入到AI行业中,K先生同样享受这种不断开阔眼界的过程。他觉得与其说与入行前的认知差异,不如说可以和最前沿的科技、最前沿的同事们共同成长和发展的这一过程就让他感觉挺有意思。以前的他可能会在刷到一个视频号时单纯地感叹“噢!这个很好玩”,但当他身在其中,就需要随着市场、算法、科技发展的变化而变化,更要随着公司对工作状态的调整和产品的调整而变化。这永远是一个不断学习、与时俱进的过程。当初加入A公司前,K先生也在努力学习和了解AI。“这跟我们学数学或者学英文、学语言其实都是一个路子。我要知道AI的技术原理是什么样的,要知道怎么去给AI公司落地、怎么让公司去做更好的服务。”K先生认为,只有了解过、体验过、经历过,才能知道AI的边界在哪儿,AI能做什么样的事情。目前AI大模型的算法和市场还是以算法为主导,A公司必须去达到一个最好的水平,并且是“人人可用”的算法版本。“你又要好,又要被用户认可,这条路很少人走过,我们是边做边开创地探索,和大家一起携手打造这样的产品和算法。”K先生觉得这是一个比较大的挑战,但他说:“那也不怕。”他对A公司有信心。

K先生觉得人工智能的发展是很快的,尤其是语言模型,我们现在基本上可以用语言低延迟甚至无延迟地跟语言模型交流。“为什么大家都说第四大革命呢?这种革命都会伴随着最重要的一点:成本越来越低。”K先生关注到一些欧洲国家想要尝试技术收入,因为当机器人AI的边际成本趋于0时,24小时工作的机器人完全替代了人的劳动。“这些人的收入从哪里来?他们(欧洲国家)正在尝试这样的方式,通过刺激消费来解决,这也是他们为了AI时代作出的尝试。”AI的快速发展是理所当然且不可阻挡的。开发者会考虑用哪种方式向用户提供产品,或者做什么产品对用户最有帮助,对于他们来说,AI确实是一个能够为用户大幅提高效率的工具。从较为功利的角度看,K先生觉得具有价值的产品才能赚钱,才能带来利益,而AI的效果和成本显然是有效果越来越好、成本越来越低的趋势。

人工智能的快速变革和其广大的影响范围难免导致一些焦虑情绪的出现,甚至有观点认为“未来x年内AI会取代人类”,也有“xxx职业会消失”的说法。语言模型的确让许多文案相关工作受到影响,但K先生觉得,焦虑并不能解决任何问题。他开玩笑地说:“焦虑?我在做的事情是‘替代’我自己工作的事情,我也焦虑。”但是焦虑并没有用,OpenAI或者各种各样的科技公司并不会因为我们的焦虑而停止AI的开发,经验也表明AI确实为我们提供了更高效、更低成本的服务。以绘画为例,作画工具的变革使得绘画难度大减。古时我们只能用毛笔蘸墨水绘画,后来我们只需要一个平板一支电容笔就可以在绘画软件里作画,现在我们连这些工具都不需要了,只需要输入我们的“prompt”,或者找一些参考图,随便扔几个要求,AI就能给我们画出来。K先生觉得Netflix CEO泰德・萨兰多斯的一个观点还挺有意思的:抢你饭碗的不是 AI,而是熟练使用 AI 的人。AI不会取代什么职业,AI取代的是不会使用AI的人——它其实正以这种方式逐渐影响我们的生活。利用好AI工具,我们的本职工作往往也能做得更好。“利用好AI工具就是类似于我利用好我的手机、利用好我的电脑写了一篇很好的文章;或者我借助一个iPhone、借助一个很好的镜头做了一个很好看的视频、拿到了一个不错的奖项。”K先生希望大家能够一起去探索AI,而不是等着别人去使用、自己被淘汰,他希望更多的人能参与到AI行业中,也能在其中有自己一定的位置。

AI到底是什么?AI意味着什么呢?关于这个话题,K先生难得地展现出感性的一面:“我们每个人都有一个童年,你小时候肯定有一个憧憬或者一个梦想。之前我虽然有憧憬有梦想,但我没法通过创作将它表现出来。”AI确实让创作变得更加“可能”。许多用户、创作者也曾告诉A公司,从创作到分发至自媒体或视频号的全过程都很“疗愈”,就像是追求自己梦想的过程。看到AI达到的“疗愈”效果,K先生觉得虽然有时候有些困难,但还是想一直坚持做下去,他觉得大模型很有可能做到的一点是激发人的想象和创造力:“有些人从我们的视频生成算法中能得到安慰,或者是得到一个类似陪伴的作用;有些人是利用这个来做一些特别好玩的创作,或者特别酷炫的东西,这样他就可以把自己想象的一些内容展现出来。”在这里,AI成为了一种自我表达的方式。另一方面,从商业化的角度看,我们现在所消费的内容,也是商家们从平台中找到的,用户所需要的东西。“比如说我选个美妆,我会上小红书看一下攻略,”这就是一种需求,K先生解释,“我们的大模型也会满足某一些需求,给到创作者或者观众面前。我觉得做这个事情其实挺有意义的。”

K先生觉得,对于AI“起码不用特别排斥”。用更长远的眼光去看待如何与AI共存这件事,更重要的是在生活过程中如何好好利用它。K先生对AI的发展始终持乐观的态度,也不认为AI存在着什么伦理问题:“因为AI学习的就是人的本身,而人的本身就是不会有什么伦理或者道德问题在里面,它就像社会制度的诞生一样,都是我们为了人类更好、更健康的发展做出的思考和决定。”K先生建议我们逐渐地从身边开始接触AI工具。这些工具肯定有好的,也肯定有坏的,但当我们在工作时或使用某个App时,总会有一个AI在背后给我们服务。与其去焦虑,不如思考怎么利用好AI工具来体现自己的价值,或者去讨论怎么把AI工具用得更好、更干净,也更符合伦理道德一些。K先生认为这是能在职业发展上获得更大收益、也比较准确的一个方向。

X 博士

X博士是一个典型的工科生,而且可以说是工科生中很出色的那一群人之一。他很年轻,戴着黑框眼镜,有点工科男生该有的腼腆,但当提起他自己的职业时他却变得侃侃而谈。在咖啡厅,我多次提出想请他喝一杯咖啡,不过他执意拒绝了。

从高中的信息竞赛到清华物理本硕博、博士后,离开学校后在一家工业数据公司任职,他的青春基本上都在和这些数字打交道。可以看出,人工智能已经深入影响到了他生活、工作的方方面面,他对人工智能的发展与应用持着十分乐观的态度,尽管客观上他并不希望人工智能取代了人的价值。

X博士从读书到工作,都没有经历太大的波折和起伏。X博士是山东人,初中高中就去搞了信息竞赛。虽然他随后就发现自己并不是真正搞竞赛的那块料,但数学物理的种子已然在他心中埋下。因此当2011年他考入清华本科时,他选择了物理系。当时物理系宣传了两个方向,一个是工程物理、一个是科学与技术,他想学物理应用,就选了前者。后来入学了才发现,原来这是物理系的一个分支,学的是核物理。大三的时候,他对自己的未来并没有太清晰的规划,就想继续读书,于是选择了直博。读博士的时候他觉得核电站发展的挺好,于是做了相关的研究。在他继续在清华软件学院攻读博士后的时候,软件学院与他现在的公司有合作,于是他就慢慢到现在他任职的公司工作了。

早在工作之前,X博士就对AI不陌生了。“我不知道你怎么理解AI这个词,因为在不同阶段大家对他的认知是不一样的。现在大家说的AI其实基本上指的是大模型。”提起人工智能,X博士非常敏锐,他会反复确认我问的到底是人工智能还是AI大模型。X博士初中学计算机时就已经接触了一些人工智能的早期算法。上大学之后,又有很多课程和研究都有关人工智能。“我感觉大家的研究越来越抽象了,”X博士这样评价,“算法会越来越复杂,但是在实际解决问题的时候又发现好像也用不到那么深的内容。我一开始工作的时候还担心自己不会用二期人工智能算法,结果发现其实工作中用到的东西很简单。”有时候在工业现场,复杂的算法反而比不上简单的算法。例如高中文科生都学过的线性回归方程式y=kx+b,就可以解决工业现场的很多问题。

“在不同的阶段,大家AI的认知是不一样,现在说AI其实基本上特指大模型,但是再往前、最早的AI是指的算法。”从1997年5月11日,AI“深蓝”在棋盘上第一次战胜人类棋王卡斯帕罗夫,再到今天OpenAI公司推出了ChatGPT,AI的发展已经走过了很长的时间。那时的AI仅仅是一种简单地对棋盘可能性的计算,从而得出损失最小的路径,后来再从博弈论到深度学习理论。“如果你的网络有无限深、参数无限多,那么就可以你和任何一种函数形式,甚至神经元的形式,这就是现在的AI基础”X博士这样解释深度学习。但现在最热门的AI大模型其实并没有在算法本身做突破,而是大幅增强了算力。

虽然AI似乎近年才随着ChatGPT的问世开始火爆,但X博士说,“人工智能已经慢慢渗透到生活的各个角落里都有了”。手机搜索框的智能推荐抓取、换脸视频、智能修图等大众已经习以为常的功能其实都是使用的人工智能。一些视频平台已经推出了在疑似合成的视频下提示此视频可能是AI生成的这样的功能。如果说AI制作视频、AI制图的生成还并不很完美,那么刷脸进门、打卡的人脸识别对比技术就已经比较成熟,其底层仍然是AI的逻辑。“GPT与之前的人工智能不同的是,它的受众面是所有人,因此成了历史上用时最短活跃用户就突破十个亿的人。”X博士说,“以前大家可能还觉得科幻想象中的人工智能离我们很远,但是GPT出来之后就觉得好像近在咫尺了。”X博士很乐观地认为,未来有一天如果语言模型能够记录下一个人所有的表达方式和思考,将其训练成一个模型,就可能代替这个人永远地活下来,“好像有一个电影里就是这样,让人工智能代替自己的女儿活下来,我觉得未来是有可能会实现的。”

X博士现在是他们公司的工业数据分析师。“说大一点是科学家,但是一般也就是数据分析,包含一些培训的事情。”工业数据是工业生产中很重要的资料,包括工厂里有关生产的各个方面的数据。“比如造笔记本的时候,硅片、半导体这些物料的数据;还有生产这个东西的方法流程;还有像机器的数据,比如设备运转的参数;还有比如人员的数据、质检的数据,这些都会有。”X博士这样解释自己的工作。当时在软件学院的时候,X博士做过一个生产线的产线模型,要把几个生产要素链接起来,就经常会去工厂看看。借着这些项目经历,X博士觉得自己从事这项职业是很顺理成章的事情。在工厂里,数据是唯一最有说服力的。工厂提供给X博士的公司数据,然后他们将这些数据进行分析,再把结论返还给工厂。“比如一个工厂的设备管理领导层要采购设备,但他们并不知道要采购多少、采购哪些,那么唯一能说服他的就是数据。数据能告诉他现在的产能如何、设备需要多少台、设备利用率如何。”

X博士觉得挺喜欢自己的工作的。“咋说呢,我感觉工作里面有30%左右是你觉得比较有意思的事情就挺好的,我现在肯定是到比例了。”他常不自觉地在自己的表达中用一些数据。在其他人看来或许枯燥无聊的数据分析中,他总能得到一些满足感和兴奋感。当他和他的同事拿到一堆数据后——往往是一些时间和数字——他们会在数据中发现一些变化的曲线,而这背后往往反映着一些物理和数学的规律,可以在生产现场体现。这是一种用纯数字去表达物理世界的方法,X博士很喜欢。这份工作有趣的第二个地方在于对规律当中的异常点的推理,可以像侦探一样反推到现场的一些操作或者设备问题。“讲大一点就是数据孪生,往小了说就是逻辑世界和物理世界的相互推理,挺有意思的。”X博士说,“另外当你分析出一些结论之后,去和现场的那些工人讨论,他们会觉得这个数据结论很有意思,我就会很有满足感和成就感。”天天和数据打交道的X博士,看到一段代码跑起来了都会很开心,“我不知道你们这个专业如何,但我们理工科喜欢一门课程的话无非也就是在里面获得一些成就感。比如说解释了一段题,能解出来答案,就会比较开心。

人工智能在数据处理方面有着很大的优势,因此在工业数据领域也正在逐渐被应用。越来越多的项目有AI的投入。X博士的公司近年也在做工业行业里的AI语言大模型套用。比如在工业现场,每天都有工人巡检各个设备的资料,会随意写一些文字或者电子的记录,还有例如设备厂商提供的维修手册,AI可以将这些所有的文本资料都进行学习。之后在工人进行检修时,就可以问这个维修机器人,机器人就会给出答案。第二类应用在于不同系统之间的数据梳理和集成。工业里会有很多不同的系统,例如机台自动化程序(EAP)、企业资源计划 (ERP) 等,不同系统数据整合的工作非常繁琐,耗时且容易出错。但AI大模型就能很好的胜任这一份计算简单、高重复率的工作。另外,AI还可以自动生成一些例如电路板的设计图纸,“设计图纸很多,但是无非也就是0101的变换,AI可以把它学出来然后给你提供几种设计方案来选择。”这是行业中AI工具发展的新的方向。

X博士自己常常会用AI来提高自己的生产力。“现在在写一段文字的时候,我觉得AI大模型已经具备了一个普通大学生、甚至研究生差不多的水平。”从事硬核技术工作的他和同事们往往不太会写文书,。另外,现在已经出现了许多辅助编程代码的工具,可以为一个完全不会编程的人编写一段能够运行的代码。虽然其准确性还不能保证,但依然能为程序员们提供帮助。

不过X博士又说,在他这个行业最难的地方不是写代码,而是分析思路。所以AI只能代替那些重复性的工作,对他们最核心的工作并没有太大的帮助。但是他觉得或许在未来这一工作也可能被AI取代——如果某一天一个不会写代码的人去用自然语言描述,AI就能完全构建出编程的话,核心的编程可能就会被取代掉。如果工业现场的数据分析出现了一个标准化的套路,那连分析的工作也可能被取代。不过在现在,公司内部的不同数据科学家的数据分析思路都还有很多差异,AI也就无法替代这部分工作。

X博士印象最深的是一次他尝试使用办公软件的AI帮他自动生成PPT,“我把大纲输进去,他做出来确实比我做的好看,当时我就愣了一下。我可能憋一个小时,还不如它不到一分钟时间做出来的东西。还有就是AI大模型的出现让他们在招聘笔试的题库被迫更新了——那些有标准答案的题应聘者依靠大模型就能轻松解决了。

在这个行业,已经出现了一些岗位被AI取代的情况。X博士曾经做的一个项目有上千个设备需要人去操作、设置参数,一个人可能同时操作几个设备,这样的人有大概一百号人左右。人在做这些设备的调整的时候可能有差异,但设备却是一样的,理论上来说不需要这些差异。而AI可以做一个模型去以相同的方式自动调这些参数,因此这部分工作就被代替了,最后只剩了十个人。在X博士推广这个AI模型时,一些人知道自己可能会被取代,就故意去找AI的茬,但还是抵挡不了大势所趋。不仅如此,编程AI的出现会让一些程序员失业,大语言模型的出现也让一些做小语言模型的人失业了。“当时我们做面试招聘,发现很多人都是这样从上一家公司离职的。”X博士这样说。

不过X博士觉得,AI即使能达到平均偏上的水准,也绝对取代不了一个行业里前15%的人。AI暂时还没有创造的能力,更多的知识借鉴和汇总。或许是由于他自己就是属于行业顶尖的那群人,他并不十分反感AI代替人类工作这件事,“这事情分两面。对于裁掉的人来说,这肯定是非常不好的。但是对于我们这种工作依靠AI工具优化了的人来说,AI释放了我很多的时间去做更多更核心的事情、AI不能取代我的事情。”

AI对工业数据行业的影响正在发生,但其影响真正传递到工业需要一段时间——工业相对来说并不是那么敏感的行业。在工业现场,AI还是完全不具备取代人类的能力,也并没有外界想象的那么万能。AI仅仅是给现场的工人和专家提供一些参考方案和建议,那些经验丰富的从业者则会通过自己的想法来判断AI提供的方案的可行性。X博士觉得,限制AI的一个重要方面就是AI不具备人具备的社会性。工厂里每一个环节都要有负责人,AI却不能负起这个责任。“说白了,AI不能取代人的原因就是他不能做到百分之百正确。他能做到百分之百,那是可以的。但他只要做不到,就是哪怕是做到了百分之九十九点九九,一旦出现一起这个事故或者故障,那他没法办法为负责任。”X博士这样说。虽然人犯错的概率或许会更大,但是人可以收到处分和惩罚,但惩罚机器人是没有意义的。“如果说谁制作了这个及其就要为它犯的错负责的话,这个机器就永远不会被做出来。”人与AI的博弈,人在社会性上胜一筹。

X博士第一次去到工厂的时候,觉得那里和他想象中完全不一样,他仿佛到了另一个世界。工厂巨大的噪声、工作环境异常的温度和适度都让人不适应。他去过好几类电子厂,很多人在那里每天都重复地做着一样的工作,连他看着都感觉无聊。工业数据行业的真实工作也和他想象的不太一样。在进入公司之前,他以为重要的是学术的深度、算法的复杂与高级,认为这份工作是一个很上层的事情,但是实际工作之后才发现最重要的是如何把最合适的方法与算法应用到现场。他去工厂调研后发现,工厂没有宣传稿中的那么感觉整洁,也没有那么高级。X博士本以为工业已经进入了工业4.0时代(第四次工业革命),但其实所谓的工业数字化其实在国内基本都还没实现,连一些自动化的阶段的问题还没有解决。

在当学生的时候,题目要求你要把一个题解到一个很高的精度,但是在现场却恰恰相反。在实际运用中,反而需要牺牲一些精度来保证稳定性。X博士也从一个内向的、只会吭哧吭哧敲代码解题目的人,被迫变成了一个“E人”(外向的人)。因为如果他不去现场、不和人交流的话,就无法弄清问题的来源在哪,“如果你不自己去问、去掌握的话,可能题目都是偏的。我做项目,慢慢从干活的变成了管理的。”

AI面临的另一个挑战是隐私性,尤其是X博士在做项目的时候深有感触。涉及到经济利益,大部分公司都不会愿意将自己的数据贡献出来喂给大模型。这一点和AI自然语言模型不同,大家都愿意主动地和AI语言模型聊天,也就是在给AI投喂数据。X博士的公司在工厂里安装设备,工厂往往不愿意让他联网,因为一但联网数据信息就有可能泄露。但是人工智能模型恰恰依赖的就是算力,而国内所有的厂家和公司都没有独立训练AI大模型的能力,因此高算力就需要联网训练,这就矛盾了。以一个最简单的例子来说,但凡是涉及到核心技术方案的文书,X博士都不会用AI帮忙写——一旦使用了,这项公司的专利就已经被发到网上了。

在工作和生活中,X博士发现身边的人对AI都有着这样或者那样的误解。他们的有一些客户就认为大模型“很强”、很万能,什么问题都能解决,但是事情并不是这样的。还有一些人误以为AI大模型(ChatGPT等)可以有很强的数据处理能力,但实际上它只是一个自然语言模拟器,并没有发展数据处理功能。他的父母或者一些在传统行业工作的朋友们都会认为AI就是能聊天的东西,把它和AI大模型划等号。但X博士说,一旦人们了解了大模型的原理,就能消除这样的误解。

X博士打心底里期望未来人工智能只是一个辅助人类的工具,帮助人类解放和提高生产力,但是最好不要让人工智能来替人类做决策,“我觉得人类社会所有的决策都应该由人去做。像那种科幻电影里的事情,我肯定是希望不要出现的。”但同时他又相信如果不做限制人工智能是能够达到替代人的水平的。“我觉得最好不要有这样的事情发生,但是我觉得我也不敢说,我们活着的时候不发生这样的事情。”至于发展还是限制,那都是利益之间的搏斗;限制人工智能的发展,也是国际社会需要做的事情。至于年轻人来说,还是得去拥抱一下人工智能。

Z同学

Z同学是通班21级的成员之一。无论是人工智能还是通班都是非常新兴的概念。在Z同学入学的事后,正好才是通班的第二届。

近年来,人工智能超越学术研究、产业与经济,上升到国家安全层面,成为大国竞争的焦点,通用人工智能(AGI)是未来10-20年人工智能的前沿。习总书记指出:“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手。”

总书记还指出:“我国教育是能够培养出大师来的,我们要有这个自信。”为培养“通识+通智+通用”的世界顶尖复合型人才,北京大学人工智能研究院依托元培学院,组建了北京大学通用人工智能实验班,将顶尖人才引入通用人工智能领域,为有志于在人工智能相关领域发展的同学提供国际一流的学习平台与交流环境。通用人工智能的目标是实现具有自主的感知、认知、决策、学习、执行和社会协作能力,符合人类情感、伦理与道德观念的通用智能体。

从传统上看,人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的学科。传统人工智能主要研究如何用逻辑表达与推理的方法模拟和表征人类智能,形成了很多至今仍然适用的知识表示与搜索算法。随着计算机与各个基础和应用学科的广泛交叉,人工智能的概念逐渐被泛化和提升,机器学习等方式的出现极大地拓宽了人工智能的范畴。人工智能正在成为一个以计算机基础理论和基本方法为支撑,融合其他学科的问题、方法、理论和实践经验的交叉性新兴学科。主流人工智能大都关注一个具体的应用领域,而通用人工智能正是围绕这一话题而建立,强调人工智能的通用性。其目标是“强人工智能”,即智能体需要具备执行一般智慧行为的能力。

通班的培养方案具有明确的特色——相比于数科,通班更强调“通用”,因此其培养方案的涵盖面涉及到了数学、信息科学之外的学科。依托于北京大学信息科学技术学院、数学科学学院以及北京人工智能研究院等机构支持,北大通班打造了完整的人工智能学科培养链条:低年级的计算机、数学基础课(计算概论A、高数A、线代A、概率统计)与数科、信科保持大致相同,高年级则针对人工智能的六大核心领域(计算机视觉、自然语言处理、认知推理、机器人、机器学习、多智能体)进行核心课程学习,同时补充“人工智能+X”系列选修课,与社会、经济、法律、哲学、政治等领域进行交叉。培养方案还有6学分的人工智能科研实践要求,每学期将由北京通用人工智能研究院和北京大学人工智能研究院联合推出近百个课题项目供通班同学进行选择。

尽管无比年轻,甚至可以说是不成熟,但通班作为招生的招牌,早就在优秀的高考种子考生及其家长间流传开来。他们对于通班有着不下于对经管学院的推崇,尽管这是一个需要入学过后再进行二轮筛选才有资格进入的项目,他们仍为了获得保证有进入筛选轮次的机会而奋力争取。

但这并不意味着每个人都有如此长远的眼光,或者说,新生们在被招生时候所考虑的和真正入学时候考虑的事情并不完全相同。Z同学就是如此。Z同学接触到具体的信息技术相关其实算非常晚的:他直到高考完的暑假才接触并学习入门的编程,并且只是希望在大一的编程基础课上能学懂。在大一刚入学的几周里,他完成了网上自学python语言课程的结课。接着,他去参加了通班的选拔考试,直到他被通知通过了考试,他才坚定了要进入通班学习人工智能的打算。在此之前,他对人工智能的接触和认识还是通过譬如黑客帝国这样的电影或游戏艺术作品。他是一位热诚的《少女前线》玩家,也涉猎过更多的相关作品,不过问到AI实现后的未来想象,他说“不要变成《赛博朋克2077》那样就行。”

在进入通班后,Z同学马上就进入了“卷”的状态中。应该说,他被卷入了“内卷”的趋势里。当询问他对于想象中的通班学习,他说:“(通班)有着超乎想象的内卷程度。”诚然,这里聚集了全国最顶尖的一批理科学子,抱有着极大的热情,从高考或是竞赛中脱颖而出,又经历了进入通班的二次选拔,只有这样的“内卷”势头才能对得起一直以来的付出,才能配得上这样的精尖资源,以及自己对自己和祖国对他们的期望。Z同学也说:“(对于这个专业)喜欢,因为可以贡献社会报效祖国。”

然而通班的学习生活也并非完全的一马平川。Z同学在进入通班学习之前也有过想象在其中的教学内容,他觉得实际上经过了三年的学习,和自己当初的想象也差不多,“虽然我的感觉是教的东西和用的东西分离得很好。”毕竟是刚兴起的教学计划,许多地方不完善也情有可原。

如前文的通班简介陈述的那样,Z同学的课程中有大量和人工相关的课程,比如AI引论等课程,包括人工智能与各学科的交叉课程,这些课程都会帮助塑造学生对于人工智能的认识。Z同学说,“(人工智能)从个人层面上现阶段是能提高效率的工具,未来有可能可以成为伙伴;社会层面上是一种新质生产力,有潜力推动社会形态发生比较根本的变化。”

实际上,学习人工智能的过程也是使用人工智能的过程。在学习中,Z同学阐述,“(使用人工智能学习)无论是在文字上、代码上都能省去很多重复造轮子的烦恼,极大减小了子任务复杂度”。除此以外,在这里学习的同学都必须时刻保持与最新的人工智能资讯和技术的接触。在这个每天都可能有突破性进展的领域里学习,Z同学觉得“OpenAI的项目都挺让我印象深刻的。”

在学习以外,Z同学也会使用人工智能去来便利自己的生活。Z同学会在练习完每日的英语或日语过后,和人工智能进行模拟对话来巩固语言学习。他说:“(人工智能)有较强多模态能力的模型还可以提供更多元的服务,比如模拟面试和语音聊天等。”

不过除了便利人们生活以外,人工智能的存在与发展仍然面临着多方面的问题。Z同学对此也深以为然。一方面,他认为现今AI有面临技术瓶颈与伦理问题,“”技术瓶颈有很多,比如现在llm的自回归模式体现出很多问题,至少现阶段不好说达到了人类智能的程度,而其他的路线还没有表现出能与llm相比的性能。伦理问题也有很多,比如说假设ai达到了不弱于人类的智能程度在人机关系上现有体系可能无法给出满意的答案,比如涉及法律的很多问题。某种程度上这也在限制着技术的发展。我的学习中涉及这些挑战,一些课程会讨论技术路线和相关的伦理问题,目前我的科研方向中在对llm能力的标定改善和分析上也有比较深入的涉猎。”

另一方面,Z同学也热切地关注着社会上AI导致人失业与类似的议题,在其中AI绘画相关议题正是社会热议的风口浪尖,“按照比较流行的观点,现在来看aigc无法取代高质量的艺术创作。技术上来讲现在有的这些模型所做的实质是在拟合训练数据的分布,虽然从现实角度ai比人高效,而大多数人是难以持续生产高质量内容的。所以如果平台规则和法律法规不介入还是会有大量作者会受到利益损害的,更别说还有很多其他问题,比如训练数据合法性这样的。”

在通班,也就是通用人工智能班,绕不过的话题是“通用人工智能”。通用人工智能(AGI)与狭义的人工智能(ANI)不同,狭义的人工智能是为特定领域或问题而设计的,而AGI旨在实现一般的认知能力,能够适应任何情况或目标。AGl是人工智能研究的最终目标之一,也是科幻小说和未来研究的一个共同主题。AGl也被称为强人工智能(Strong Al)或全人工智能(Full Al),是现阶段人工智能发展的最终需要解决的问题,Z同学也说,“我觉得现在最大的挑战是是否能造出AGI。”

不过若是实现通用人工智能想必也是非常遥远的未来。在确定自己要选择通班作为专业方向时,Z同学着重考虑了这个行业相关前景的火热,才最终定下来。在学习中,他尽管一度失去了一些兴趣,但行业的前景仍然火热。然而发展会带来更多的问题,一如前面提到的失业等等,Z同学会调侃的说,“(行业的前景)在这波AI泡沫破裂之前看前景是很火热的,关键看之前提到的那些瓶颈能不能解决吧。我觉得AI还是有未来的,但是学AI的人有没有……”

本文系北京大学新闻与传播学院2024年《非虚构写作》课程作业,获得“新青年非虚构写作集市”优秀作品。

原标题:《写技术|李晴晴 谢冰妍 施霁烊:我们与人工智能的距离》

阅读原文

    本文为澎湃号作者或机构在澎湃新闻上传并发布,仅代表该作者或机构观点,不代表澎湃新闻的观点或立场,澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。

    +1
    0
    收藏
    我要举报
            查看更多

            扫码下载澎湃新闻客户端

            沪ICP备14003370号

            沪公网安备31010602000299号

            互联网新闻信息服务许可证:31120170006

            增值电信业务经营许可证:沪B2-2017116

            © 2014-2025 上海东方报业有限公司

            反馈