【AI篇】AI 的十層理解，一口氣，看懂 AI 的過去、現在與未來。

就在過去十幾天 人類的命運或已被徹底改變 而我們大部分普通人卻毫無覺察 繼Chad GPT以來 又一場瘋狂的AI軍備競賽正在悄然拉開 人工智能正以驚人的速度 逼近人類的認知能力邊界 他們在邏輯推理、問題解決 甚至是模仿人類抽象思維等方面的能力 正在全面飛速提升 暫且不說 尚未正式公開的O3 就是前不久的O1 以及國內AI大廠們的大模型表現 也都是相當的炸裂 根據最近的一張多模態推理評測數據可以看到 不論是O1還是阿里的QVQ 在數學這一最考驗邏輯能力的領域 都已經超越曾經的王者GPT-4O 而這一切都要歸功於 AI推理已從單純的語言發展到了視覺 這進一步提升了AI的推理水平 他們已經學會了類似於人類大腦的慢思考能力 我們正處在一個無比關鍵的歷史拐點上 面對這樣一個迅速發展的AI大爆發時刻 我們需要對他們瞭解的更多 本期視頻我將以20分鐘的時間 分10層理解 來為大家介紹人類對人工智能不斷刷新的認知 如有想補充之處 歡迎打在彈幕上或者評論區留言 我會和大家做進一步探討 第一層 AI就是要像人 AI的全稱就是人工智能 人工就是人做的而非自然演化 那什麼是智能 石頭沒有智能 但一隻修狗一隻貓 甚至是一個單細胞生物 看起來都有智能 那智能是意識嗎 也不是 你的手機相當智能 但你顯然不會認為它有意識 因為它仍然是完全被動地被你操控 通常情況下 人們對智能的定義 是一種理解輸入信息 並能輸出解決方案的能力 單細胞生物能理解環境信息 並做出趨利避害的決策 所以 它擁有智能 圖靈測試說的也是這個意思 如果受試者通過一些對話測試 把黑盒裡的機器誤判為真人 那就說明 這個機器對輸入信息的理解 和反饋輸出的能力 均達到了人類水平 我們就可以說 這個機器已經有了人的智能 1956年 在著名的達特茅斯會議上 人工智能一詞正式誕生 所有與會者都表現出了 對人工智能的巨大信心 並預言十年內 機器就能打敗人類最頂尖的象棋棋手 那麼問題就來了 要如何才能做出 堪比人類智能水平的機器呢 第二層 AI都需要人工設定符號與規則 這就是符號主義 簡單說 符號主義可以分為三步 一 將現實世界抽象為符號 比如將天晴記作A 打籃球記作B 打遊戲記作C 二 通過規則操作符號 比如設置兩條規則 如果是A就執行B 如果非A就執行C 三 根據規則執行推理 於是 機器就能做出類似人類的簡單決策 天晴就去打籃球 天氣不好就打遊戲 符號主義的核心理念是 人類智能本質上 就是一個個符號和規則 機器只要能操作這些符號 就能完全模擬人類智能 而符號主義理念的源頭 就是圖靈機 早在1936年 圖靈就提出了一種假想的機器 由無限長的紙袋存儲數據 由讀寫頭讀取 然後根據讀取到的規則 進行移動和寫數據 如此循環 理論上講 不論問題多麼複雜 只要一個問題 能通過數學和邏輯解決 圖靈機也就能解決 圖靈機的提出 為符號主義 提供了具象化的解題思路 1956年 人類歷史上第一個AI正式誕生 它的名字叫Logic Theorist 它能證明簡單的數學定理 此後 越來越多基於符號主義的AI紛紛出現 比如心理治療師Eliza 她根據心理醫生的說話套路 設定了一系列的規則 通過識別關鍵字 來重複追問和引導患者 達到類似於傾聽的效果 而符號主義最成功的典範 就是專家系統 專家系統將人類專家的豐富經驗 提取為一條條規則 這個規則體系 可以做到非常細緻且龐大 使得它的判斷準確率 可以達到非常之高 然而 專家系統本質上 仍然也只是基於固定規則的機械式執行 那麼問題來了 世界上所有的知識 真的都可以被固定的規則所準確描述嗎? 第三層 神經網絡也能產生智能 人類從古希臘 古羅馬時代 就在追求理性 啟蒙運動之後 人們更是設想 世界應該是能被一些 像牛頓定律這樣明確的規則所確定 科學家試圖將萬事萬物分門別類 劃分成各個學科 總結規律 然後把所有知識 都編寫進一本百科全書之中 然而進入20世紀 哲學家維特根斯坦 提出了一個新的觀點 他認為 規則和邏輯 根本不可能窮盡世間的所有知識 事物之間總有些性質 是模糊不清 難以言表的 舉個最簡單的例子 如何精確識別一隻貓 你很難精確定義一隻貓的樣子 但你只要看一眼 立刻就能認出那是貓 這種認知 無法用規則式的理性完全描述 這是一種說不清的感覺 但這種感覺式的智能 究竟是從哪來的呢? 答案是 人腦的神經網絡 人類大腦中 有近千億個神經元 它們通過突出連接 形成複雜的網絡結構 這種連接模式 是人類智能的根本來源 於是科學家設想 是否可以通過數學模型 模擬神經元及其相互作用 來創造出一種新的智能 這就是連接主義 1958年 弗蘭克·羅森布拉特 提出了著名的感知機模型 它是對單個生物神經元的數學模擬 其中 輸入層類比於大腦接受的電信號 權重類比於大腦神經元之間的連接強度 激活函數類比神經元的輸出 通過調整感知機的權重 就能實現簡單的二分類任務 比如判斷一個水果是不是香蕉 我們把關於水果的各種特徵 提取出來作為輸入層 然後為這些特徵分配權重值 最後相加得到一個分數 於是 我們就得到了一個香蕉識別機 單層感知機還是太侷限 1969年 圖靈獎得主馬文·敏斯基 在他的《感知機》一書中 將感知機徹底打入冷宮 敏斯基發現 感知機甚至都無法處理 最基本的異貨運算 這無疑是一個巨大的硬傷 直到20世紀80年代 人們在單層感知機的基礎上 終於提出了多層感知機 才解決了這個重大缺陷 人工神經網絡才由此正式走上正軌 同時 計算機科學家也從數學上證明 只要神經網絡的深度和寬度足夠大 通過調整合適的參數 理論上就能以無限精度 逼近任何連續函數的輸入輸出 那麼問題又來了 這些參數該如何設定呢? 第四層 AI也能學習 基於符號規則的人工智能 需要人類預先把一條條規則都設定好 一旦設定完成 就不再變化 而神經網絡不必如此 人類幼崽在出生時 幾乎啥也不會 但隨著不斷地學習 我們就能逐漸掌握各種複雜的技能 AI也是一樣 AI的神經網絡參數 其實並不需要人為去設定 它真正的優勢在於 它能通過預先的大量學習 自行調整到一個最佳的參數 這就是機器學習 機器學習共分為三種 監督學習 無監督學習 以及強化學習 簡單說 監督學習就像學生在高考前複習 你給到他明確的考卷和答案 讓考生感受 這種方式的好處是效率高 但缺點是比較廢老師 需要提前將答案都標記好 無監督學習 就像是探索一座全新的城市 沒有任何的地圖指南 只能自己根據直覺和地標 去尋找規律 這種方式的好處在於不費老師 讓機器自己去學就完事了 適合數據量異常龐大的情景 而強化學習就像是訓練一隻狗 通過獎勵和懲罰 讓它逐漸學會某些指令 這種學習模式非常高效 也非常精準 但同樣也費老師費時間 這三種學習模式適用於不同場景 也可以穿插著用 彼此互補 比如 AlphaGo在學習初期 先用無監督學習 分析棋盤結構 進行圍棋入門 然後通過監督學習 識別大量人類職業棋手的棋譜 模仿人類下棋風格 最後通過自我對弈 進行強化學習 提高每一步落子的勝率 至此 AI從一開始的基於規則 轉變為了基於數據 在海量數據的驅動下 各種強大的人工智能 開始在各個領域趕超人類選手 比如國外的AlphaZero Dota2 AI DeepFace等等 鮮為人知的是 國內的AI也在與海外 幾乎同步般發展 那些發展已久的互聯網大廠 比如阿里旗下的淘寶 就構建起了 全球規模最大的商品認知圖譜 每天通過AI處理的圖像 超十億張 當然 此時的AI雖然已經非常厲害 但它們大都侷限於 各自的專業領域 與此同時 一場即將席捲全球的 百年未有之大變局 正在悄然發生 第五層 大力出奇蹟 2022年11月 OpenAI發布了有史以來 最強大的語言模型 ChatGPT ChatGPT可謂是出道極風神 它不再只侷限於某個具體領域 而是表現出了驚人的通用性 緊接著 2023年3月 GPT-4的出現 再次驚艷四方 與此同時 國內各大模型也全面開花 阿里雲的通譯千問 百度的文心一言 崑崙萬維的天宮大模型 以及月之暗面的Timmy等等 其中 當屬阿里格局最大 2023年8月至今 阿里共開源了 數十款不同類型的大模型 數次登頂多個國內外 權威大模型榜單 全球開發者 基於阿里雲通譯大模型 進行二次開發的衍生模型 已超7.8萬個 超越救世霸主Lauma 已成為全球最大的AI模型群 在24年 全球最大的大模型開源社區 Hugging Face的下載統計中 單單是QN2.5系列的一款模型 就佔了26.6% 高居第一 為什麼這些大語言模型 能做到這些呢 擁有注意力機制的Transformer架構 和海量的數據訓練 當然功不可沒 但更重要的原因 還是因為大 前面香蕉識別機的參數只有8個 而GPT-3的參數 卻高達1750億個 那為什麼模型大了 就能變得更厲害呢 谷歌計算機科學家也沒想到 他們原本只是想 通過擴大參數 提高解決已知任務的性能 但結果這些模型 好像一夜之間 突然就學會了處理那些全新的 複雜的任務 這個現象 其實就是科學家之前一直說的湧現 湧現的意思是 當一個複雜系統 複雜到一定的程度 就會發生超越系統元素 簡單疊加的自組織現象 比如大量無生命原子的組合 產生了活細胞 單個螞蟻很笨 可是一群表現的卻非常聰明 單個免疫細胞的功能都很單一 但整個免疫系統 卻相當智能 每個神經元都是簡單的 可是大腦產生了意識 2022年8月 谷歌大腦的一項研究 證實了這一點 只有當參數超過大約1000億個 用於訓練的羽料足夠多時 才能湧現出GPT的這些神奇能力 人類創造出了具有思考能力的機器 卻不知道他們具體如何思考 除了靠湧現來解釋外 我們對它 難道真的就一無所知嗎 第六層 AI也能像人一樣慢思考 谷歌去年的一項研究表明 大語言模型的這種強大的推理能力 可能和一種叫做思維鏈的東西有關 思維鏈簡單說就是 當一個模型拿到一個問題時 它並不是直接正面回答 而是先絮絮叨叨地 把它獲取到的信息 一個個說出來 然後再回答問題 這和人類的思考過程非常相似 人類在解決複雜推理問題時 如果你先將問題點一個個寫下來 再各個擊破 也會顯著提升答案的準確度 GPT-4就已經具備了簡單的思維鏈 但今年9月 OpenAI發布的O1 把思維鏈的表現 提升到了一個前所未有的高度 O1在數學和編程競賽的水平 都遠遠超過了GPT-4O 它在科學問題上的水平 已經相當於博士研究生 那O1的思維鏈和GPT-4的思維鏈 具體有什麼區別呢? 簡單來說 GPT-4雖然會分步驟 但每一步都是一次性直接走 而O1的每一步都會考慮多個想法 比較之後 選擇最好的 然後才走下一步 這就是人類的系統二思考 也叫慢思考 慢思考的特點是在做一個決定之前 要在頭腦裡先模擬多個局面 看看各自的結果如何 然後從中挑選出一個最好的作為輸出 與此同時 國內很快也跟上推出了 具有慢思考能力的大模型 包括天宮大模型 Skywork O1 以及阿里雲開源的推理模型 QWQ 前幾天阿里雲又推出了 集成視覺的多模態開源推理模型 QVQ 就好像人一樣 智能其實既根植於語言思維之中 也交織在視覺記憶 這就是為什麼要將視覺理解 加入到大模型裡 目的就是讓模型先睜開眼睛看世界 再進行更深入的推理與反思 評測數據顯示 QVQ不僅超越了此前的視覺模型開源王者 Quan2-VL 整體表現也與剛發布的滿血版 OpenAI O1 以及Cloud 3.5 SONNET等推理模型 旗鼓相當 並且 開發者現在已經可以在摩搭社區 和Hogging Face平臺直接上手體驗 比如 我們直接給他甩上一張 2025年考研數學一的壓軸大題 他在經過了一大堆思考後 得出了結果 然後還會檢查 最後給出了正確答案 第七層 人工智能比人更像人 雖然湧現和思維鏈 可以解釋大模型 如今擁有的各種神奇能力 但這些解釋感覺還是有點隔靴搔癢 並未觸及本質 神經網絡本質上到底是在學習什麼 它和人腦到底有什麼區別 2022年 DeepMind用AI 成功控制了受控核聚變裝置中的 等離子體形狀 這對物理學家來說 可謂是降維打擊 以前物理學家 都是要先調好線圈參數 然後再來看等離子體形狀 然而現在 DeepMind先用AI的暴力學習 找到線圈參數 和等離子體形狀之間的映射規律 然後你不管想要什麼形狀 我都能給你 對AI來說 它只關心輸入和輸出 AI的這種做事方式 聽起來很神奇 但或許 這纔是世界上最自然的思維方式 世上共有兩種計算方式 一種是基於規則的形式邏輯 一種是神經網絡 形式邏輯 把問題變成數學問題進行推導 每一步推演 都有明確的因果關係 我們所有的物理學定律 都是基於形式邏輯 形式邏輯代表理性 然而形式邏輯 只能用於解決相對簡單的 參數少的問題 對於真實世界中 各種像如何控制磁場線圈 才能得到特定等離子體形狀的 這種複雜的非線性問題 你終究只能依靠神經計算 人類原本最擅長 並且生下來就會的 就是神經計算 比如當你投籃時 並不會預先計算好投射角度再出手 這裡面沒有方程 你能投中 只不過是你投的次數多了而已 而這種說不清道不明的感覺 正是大模型正在做的事情 大模型的本質 就是跟人腦一樣的神經計算 然而由於碳基大腦的侷限性 人腦只能用有限類型的數據進行訓練 而大模型卻可以用任何數據訓練 包括分子式 基因序列 磁場線圈參數等等等等 它能暴力破解 不論是人類的理性還是感性 都無法感知到的客觀規律 從這個意義上講 AI的確是比人更像人 或許啟蒙運動以來 人類學者對理性的推崇 只不過是漫長智能演化史中的 一段短暫的插曲 用神經網絡 直接從輸入感知輸出 纔是更根本 更普遍 也更厲害的智能 而大模型的出現 只是讓智能回歸了本性 第八層 AGI終將會來 在阿里雲同意CRAM團隊的 技術博客首頁 寫下的第一句話就是 CRAM Quickly Forging AGI Enhancing Intelligence 沒錯 更快地鍛造出AGI 也就是像人類一樣 能完成多種任務 具有全面認知能力的 通用人工智能 基本上是每一個大模型人的目標 在打造QVQ後 同意團隊計劃 將更多模態 融入到一個統一的模型中去 開發一個全能和智能的模型 朝實現AGI的目標繼續努力 照這個速度 那真正的AGI 或許已經近在咫尺 對此 有人整理出了 各位人工智能領域大佬們 對AGI出現時間的預測 最樂觀的 當屬山姆·奧特曼 他預計就在明年 就將出現真正的AGI 馬斯克也比較樂觀 而最不樂觀的大佬 DeepMind的哈薩比斯 也認為這個時間 最晚不會超過2030年 有人猜測 山姆·奧特曼如此自信的原因 或許是最近新推出的O3 表現得實在是太過於驚艷 不僅全方位超越O1 還破解了陶喆軒預言能難住 AI好幾年的 Frontier Math數學測試 在ArcAGI基準測試中的表現 則更是驚人 ArcAGI其實就是一組 找規律的智力測試題 人類很容易就能猜出 最後一張圖應該是什麼 但大模型卻很難理解 除O3外 至今沒有任何大模型 能通過該測試 當然 O3顯然也還並不是真正的AGI 因為它在某些簡單任務上 仍然表現不佳 這表明它與人類智能之間 還存在著根本性的差異 只有當你再也無法找出一個 對普通人來說很簡單 但對AI來說很困難的任務之時 就是AGI真正到來之日 第九層 ASI已成為可能 在O1出來之前 由於GPT-5遲遲未出 而國內外各大模型 在性能上也都逐漸趕超GPT-4 這讓人們一度開始懷疑 大語言模型這條路 是不是已經走到頭 開始編輯效應遞減 縮放定律要失效了嗎 然而 O1的出現 證明瞭縮放定律仍然存在 以前大語言模型的算力消耗 分為三部分 預訓練需要先學習海量的預料 這是絕對的打頭 後訓練包括微調和對齊 也需要消耗部分算力 最後實際調用 也就是訓練完成後 用戶的實際使用 這部分的花費相對很小 而O1就不一樣 首先它在後訓練中 除了微調和對齊之外 更重要的是 通過強化學習 掌握了慢思考能力 這裡需要增加算力 當訓練結束 在實際使用過程中 每回答一個問題 它也要消耗更多的算力 來進行邏輯推理 研究顯示 強化學習階段的訓練時間越長 解決問題的準確率就越高 同時讓推理思考的時間越長 回答的也越好 這意味著 即便是參數規模 無法再進一步擴大 我們仍然可以通過 投入更多的強化學習和推理算力來 換得更高的性能 這是一種新的縮放定律 這意味著AI的智能 在可預見範圍內 仍然可以不斷攀升 甚至達到我們所無法理解的高度 以至於完全脫離掌控 成為超人工智能 事實上 從去年馬斯克等上萬名大佬 聯名要求緊急暫停研究開始 這種擔憂就一直存在 而人類能否掌控AI的關鍵 就要看它是否擁有自我意識 第十層 當前的大語言模型 並不會產生意識 首先 意識到底是什麼 士兵開頭說過 意識並不等於智能 現在關於意識的說法 也是百家爭鳴 我之前也專門講過 簡單來說 智能是有跡可循的計算 意識是主觀的體驗 你知道流血了要趕緊包紮 這只是你的智能 而你被紮了會感到痛 這纔是你的意識 計算機科學家 史蒂芬·沃爾夫勒姆曾說過 要想有意識 起碼要有一個連貫的敘事體驗 而這 恰恰是大語言模型所不具備的 當今所有AI模型的一生 只包括訓練和推理兩個部分 訓練是拿各種數據直接堆積 這個過程無法形成一個連貫的歷史記憶 而一旦訓練完畢 模型參數就鎖死了 不會再變 此後不管如何被調用 它也不會在互動中改變自己 你們所有的互動記錄 都只會暫存在你的本地 而非模型本身參數的改變 所以 從這個意義上講 大語言模型並沒有自我意識 即便有時候 用戶感覺它好像真的有意識 那可能也只是看起來像 事實上 AI要做到看起來像有意識非常簡單 最簡單的心理治療程序 都能讓人覺得它有意識 更何況現在的大模型 如果一個機器的智能再高 只要它永遠只是被動的反應 沒有任何任務之外的意圖 那它就不可能真正擁有意識 你就不會把它當作一個生命來對待 而即便是智能並不高的小貓小狗 我們也不能去輕易踐踏 因為它們的確是擁有豐富的主觀體驗 它是真的能感受到痛 當然 這都只是基於現階段的粗淺認知 就像山姆·奧特曼在訪談中所說 未來我們或許並不會拘泥於 大語言模型的範式 我們仍有很多路要走 或許 AI有一天 也能擁有類似於人類大腦 前額葉皮層的神經結構 從而產生真正的意圖 再進一步 既然思維鏈 甚至類似人腦的系統二思考 都能湧現出來 那意識又有何不可呢?