Fonte da imagem: Gerada pela ferramenta Unbounded AI
**【Nota do editor】**Nos últimos meses, o AIGC foi favorecido pelo capital, o ChatGPT se tornou popular e os principais gigantes da tecnologia doméstica e empresas iniciantes entraram no mercado um após o outro. A inteligência artificial está afetando silenciosamente todas as esferas da vida. Isso não é mais apenas uma simples evolução tecnológica, mas se tornará uma revolução.
Embora a explosão de aplicativos de IA pareça repentina, nos bastidores, os cientistas experimentaram inúmeras falhas e acúmulo de experiências. Assim como nosso palestrante convidado ** Ma Zhaoyuan (Professor da Southern University of Science and Technology, Fellow da British Society of Physics, British Royal Chartered Engineer, ex-pesquisador-chefe do Future Laboratory da Tsinghua University)** no livro "The Impossibilidade da Inteligência Artificial" Mencionado: "Cada centímetro de progresso requer trabalho árduo todos os dias e a superposição de várias incertezas."
Na verdade, na longa história da ciência e tecnologia, esta revolução tecnológica é apenas o primeiro passo para levar a humanidade à "era da IA generativa". Até agora, ainda precisamos prestar atenção a muitos problemas e contradições existentes. Por exemplo: sob a onda de tecnologia liderada pela OpenAI, a China pode alcançá-la rapidamente? Que mudanças essa revolução tecnológica trará para a sociedade e estrutura industrial? As máquinas substituirão os humanos no futuro? Em uma era de rápida iteração tecnológica, como a educação de talentos da China deve ser cultivada?
Nesta edição do "AI Future Guide North", a Tencent Technology entrevistou Ma Zhaoyuan. Ele compartilhou diferentes pensamentos e pontos de vista sobre essas questões. Compilamos esta memorabilia 4D em um artigo para explorar, aprender e pensar junto com os internautas. O significado da inteligência artificial aos seres humanos.
Não se preocupe se as pessoas se tornarão "máquinas escravas", o assunto principal é o hype do capital por trás disso
Com o recente boom na aplicação de grandes modelos de linguagem de inteligência artificial e outros produtos, muitas pessoas estão preocupadas que, com o desenvolvimento da inteligência artificial, ela trará alguns riscos e problemas de segurança para os seres humanos e conflitos com a sobrevivência humana e a sociedade.
Em relação aos problemas que preocupam as pessoas, pensei em uma palavra chamada "máquina escrava".
Estamos preocupados que um dia, no futuro, nos tornemos "escravos de máquinas", como alguns enredos do filme "RoboCop": um dia, os seres humanos serão governados por máquinas e terão que se mudar para o subsolo. Ao longo dessa luta, a humanidade manteve seu espírito rebelde, renovando seus esforços para recuperar o controle do futuro e da Terra. No final, a IA teve que enviar um robô para viajar no tempo e no espaço até 1984, tentando destruir o líder do Exército de Resistência antes de ele nascer, e guerras entre robôs e humanos eclodiram no futuro... Histórias como esta , Muitas pessoas podem ter uma imaginação semelhante.
Para tais pontos de vista e preocupações, acho que é completamente desnecessário. Em primeiro lugar, a julgar pelo nível atual de tecnologia, é improvável que robôs ou entidades inteligentes realmente "governem a terra", até mesmo se tornem mestres de seres humanos. Mesmo que eles realmente se tornem os mestres dos seres humanos em algum momento no futuro, levará muito tempo para perceber isso. Não precisamos divulgar esse assunto agora para causar preocupação a todos.
Além disso, embora atualmente existam muitos líderes da indústria discutindo tópicos relacionados. Mas acho que pode ser, até certo ponto, impulsionado por interesses econômicos e pelo mercado de capitais por trás disso. **Porque o capital deve primeiro especular sobre um tema antes de poder lucrar com isso. Por exemplo, o evento histórico anterior na Holanda no século 17 - a "bolha da tulipa", exagerou um conceito fictício que não tinha muito valor, e então alguém colheu alho-poró dele. Mas, na verdade, o assunto pode não ser tão assustador quanto pensamos.
Nos últimos dez anos, vimos que o mercado de capitais da China introduziu e promoveu muitos temas, como materiais de grafeno, depois realidade virtual, bitcoin, metaverso, etc., e este ano é a inteligência artificial. novo termo. Nesse processo, os predadores de capital podem se beneficiar disso, e o capital está ficando cada vez maior. Mas para Xiaobai comum, apenas seguimos esses substantivos.Se não entendermos a lógica operacional e a situação real, podemos perder quase todo o dinheiro em nossos bolsos.
Recentemente, o ChatGPT explodiu, é um importante avanço tecnológico, **em essência, mudou a forma como nós, humanos, interagimos com os computadores. **Se você quiser falar sobre revolução, do ponto de vista do padrão de lançamento da indústria, o GPT mudou o destino da OpenAI, Microsoft e Google. Agora o Google está muito nervoso com a ascensão do GPT. O surgimento do GPT melhorou muito a precisão e a eficiência da pesquisa das pessoas. No passado, quando usávamos o Google para pesquisar, a página inicial do Google exibia todas as possíveis páginas da web relacionadas a ela, podendo haver centenas de páginas ou mesmo dezenas de milhares de resultados. Mas o modelo atual pode entender a pergunta do usuário com mais precisão e fornecer a resposta mais provável, o que melhora muito a capacidade de recuperação de informações. Em seguida, pode alterar nosso modo de trabalho, especialmente no processamento de arquivos e coleta de dados, o que pode melhorar muito nossa eficiência de trabalho.
Mas quando se trata de se desenvolver em inteligência artificial geral, ainda está muito longe do ponto de vista atual. Conforme mencionado em meu livro (referindo-se a "A Impossibilidade da Inteligência Artificial"): Existe uma lacuna central e crítica entre a inteligência artificial geral e os humanos, e a tecnologia de IA existente não pode preencher essa lacuna. Quanto ao motivo, será citado a seguir (Parte 06).
Falta ao mercado doméstico a mentalidade de construir um ecossistema e levará pelo menos 4 a 5 anos para alcançar o OpenAI
Vimos o lançamento e o lançamento de muitos produtos de modelo de linguagem grande. Por exemplo, o popular ChatGPT está indo muito bem. Muitas grandes empresas na China também estão seguindo o exemplo e lançando muitos produtos similares.
Por exemplo, uma determinada empresa lança um produto e, alguns dias depois, outra empresa lança um produto semelhante, mais barato e adequado ao ambiente chinês, tudo sensacionalista com conteúdo semelhante. Acho que muitas grandes empresas nacionais não têm a mentalidade de construir um ecossistema e estão ansiosas para ganhar dinheiro rapidamente, uma vez que um novo termo apareça, elas seguirão rapidamente.
Tal fenômeno de acompanhamento é muito desfavorável ao desenvolvimento da economia nacional ou da economia regional. Se continuarmos perseguindo tendências, talvez nunca as alcancemos. Por exemplo, a Microsoft tem se concentrado em pesquisa nos últimos dez anos, mas não fez muitos avanços em outros campos e foi basicamente reprimida por outras empresas, o que requer muita incerteza e pressão. A Microsoft está "segurando" por dez anos. Com seus recursos financeiros, recursos de pesquisa e desenvolvimento e estratégias de cooperação comercial, finalmente vimos o lançamento do ChatGPT e novos produtos relacionados. Demorou muito para produzir um "ponto de explosão" , e esperamos da noite para o dia Não é realista esperar que uma empresa possa realizar uma mudança radical.
Será que essas empresas são "jogadores talentosos" especiais que precisam apenas de alguns meses, um ou dois anos para concluir o mesmo trabalho que outras pessoas levam dez anos para concluir? Essas empresas não estão cientes dessas questões que estamos considerando? Você também precisa de uma pergunta sensacionalista para aumentar o mercado de ações e o preço das ações? Tudo isso exige que pessoas comuns como nós pensem com cuidado, considerem se devemos seguir o exemplo e tomem as decisões de investimento correspondentes.
** No que diz respeito ao estado de desenvolvimento econômico do país, se você seguir a tendência, pode nunca alcançar aqueles que correram primeiro. Em vez disso, devemos pensar em como realizar a co-construção ecológica mútua com base em nossas capacidades atuais. Vale a pena pensar nessa questão para os gigantes da tecnologia doméstica. **
Para dar um exemplo: Nos últimos 40 anos, a China fez grandes conquistas na construção de infraestrutura. Por exemplo, o trem de alta velocidade da China se desenvolveu muito bem e se tornou um sistema ferroviário de alta velocidade que precisa ser considerado globalmente, e tornou-se um cartão de visita da China. Como outro exemplo, nas indústrias de comunicações e informática, o 5G da China já é o mais forte do mundo. Nestes campos, temos algumas vantagens, e a construção básica foi muito bem feita, mas também podemos construir algumas possibilidades e direções de desenvolvimento ecológico sobre essas fundações, de modo a exercer maiores vantagens.
Podemos imaginar que, com base em nossas vantagens, nos próximos 10 ou 20 anos, se alguns países da Europa e dos Estados Unidos monopolizarem algumas direções técnicas, também podemos entrar em um estado de "pescoços mutuamente presos" com base em nossos campos líderes. Ganhe posição de negociação. Voltando à tecnologia, quer as empresas nacionais queiram alcançar o GPT ou o Bing, pode ser baseado na experiência dos "antecessores",** podemos acelerar a velocidade da pesquisa e desenvolvimento, mas se alcançarmos o mesmo nível, pode levar pelo menos 4-5 anos. **Além disso, também precisamos pensar: Mesmo se recuperarmos, depois de alguns anos, essa rajada de vento passou? E a própria Microsoft ou Open AI também está crescendo de forma iterativa, tornou-se um "big mac"?
**Em geral, o investimento seguindo a tendência é na verdade um desperdício de custo, tempo e talento. Para os participantes, além de aumentar o pânico e a ansiedade, eles podem não obter nenhum benefício, e isso apenas permitirá que o capital colha parte dos interesses dos investidores no processo de seguir o exemplo. **
A IA não fará com que um grande número de pessoas fique desempregada, e as ocupações de qualquer época precisam ser criadas por humanos
Além da teoria da ameaça da IA, as pessoas estão mais preocupadas com o impacto da IA no emprego.
A natureza altamente antropomórfica do ChatGPT desencadeou uma onda de crises na indústria, e muitas pessoas começaram a se preocupar se sua indústria seria impactada ou até mesmo perderia seus empregos. Do ponto de vista atual, alguns empregos podem ser afetados no curto prazo, mas não perturbarão a estabilidade da sociedade no longo prazo.
Do ponto de vista da direção de carreira, a revolução da inteligência artificial levará a um declínio na população e na força de trabalho? A resposta é não.
Por exemplo, durante a Revolução Industrial, aproximadamente entre os séculos 18 e 19, uma das maiores mudanças foi o declínio da população agrícola. Nos primeiros dias da Revolução Industrial ou antes dela começar, mais de 95% da população do planeta trabalhava na agricultura, e apenas uma pequena parte eram governantes ou sacerdotes. Naquela época, a grande maioria das pessoas eram principalmente agricultores.
A situação é diferente agora. Tomemos como exemplo os países desenvolvidos. Por exemplo, menos de 2% da população nos Estados Unidos está envolvida na agricultura. Mais de 90% da população do meio mudou o conteúdo da produção. Embora alguns empregos tenham desaparecido, essas pessoas não desapareceram e, em vez disso, a população aumentou. A julgar pelo impacto na sociedade humana, tais mudanças não causaram desemprego de longa duração ou mesmo afetaram a instabilidade da sociedade humana.Muitas pessoas apenas mudaram de emprego, e o que mudou foi o modo de produção dos seres humanos. Embora possa levar a uma redução significativa ou mesmo desaparecimento de alguns empregos, mas também por causa dessa mudança, mais demanda por outros empregos será desencadeada e adicionada.
Como outro exemplo, mencionamos uma palavra em inglês chamada "Computer". Uma máquina pode vir à mente quando ouvimos a palavra, mas há 70 anos, a palavra "computador" significava algo diferente do que significa hoje. Na época, referia-se a pessoas que trabalhavam em computação semelhante ao Projeto Manhattan.
Naquela época não havia computadores e não havia desktops como os que usamos agora, mas a conclusão de grandes projetos exigia muitos cálculos, então a empresa responsável por esse projeto contratou algumas mulheres jovens e cuidadosas para usar slide regras em uma sala especial Fazendo muito trabalho de computação com papel de rascunho, essas mulheres são chamadas de "computadores".
O termo "Computador" foi cunhado para pessoas que trabalham com computação, referindo-se a trabalhadores que fazem muita computação em escritórios. Mais tarde, com o advento do computador, até hoje quando nos referimos a "Computador", sabemos que se refere ao computador, não às mulheres que trabalham na computação. Assim, o significado da palavra "computador" mudou completamente e passou a se referir a máquinas puras.
**Assim, à medida que as máquinas se tornam mais capazes em certas áreas, elas podem substituir alguns de nossos empregos humanos, levando ao desaparecimento de alguns empregos. No entanto, essas pessoas realmente não desaparecem, elas passam para trabalhos mais complexos ou outras necessidades. **
**Uma das maiores características do ser humano é inovar constantemente e criar novas necessidades. **Essas novas necessidades vão estimular as pessoas a criar novas oportunidades de trabalho. Não precisamos entrar em pânico ou nos preocupar muito com o desemprego.Ao longo da história da sociedade humana, temos nos adaptado e respondido a essa mudança. Temos a capacidade de criar e nos adaptar continuamente a novos ambientes de trabalho e oportunidades de emprego.
Do ponto de vista dos requisitos técnicos profissionais, com o desenvolvimento de aplicativos de linguagem de modelo em grande escala, a conclusão das tarefas de programação se tornará mais fácil e simples. Por exemplo, com a ajuda de ferramentas como o ChatGPT, só precisamos propor o que queremos fazer e emitir uma tarefa clara, e o GPT nos ajudará a concluir o restante do trabalho. Por exemplo, podemos perguntar diretamente ao GPT e ele usará seus recursos de programação e recuperação para gerar código diretamente. Dessa forma, um sistema como o Python pode nem ser mais necessário. Em suma, descreve-se simplesmente os requisitos e procede-se à implementação das formas descritas.
**Além disso, a julgar por esta tendência, o grau de automação da programação no futuro será cada vez maior. **É como a linguagem assembly que aprendi quando estava aprendendo programação. Agora, a maioria dos jovens pode não saber mais como escrevê-la. É a mesma razão.
A linguagem assembly é uma linguagem de alto nível entre a linguagem humana e a linguagem de máquina, que inclui montagem e programação direta em linguagem de máquina. Após a linguagem assembly, surgiram linguagens como C, C++ e Java, e gradualmente se desenvolveram para linguagens como Python. Quando me comunico com os alunos, descubro que Python é uma linguagem muito flexível para aqueles de nós que aprenderam C, mas se tornou uma ferramenta favorita para alunos que não estão mais acostumados a usar C. Sob a influência de alguns sistemas teóricos, diferentes engenheiros ainda têm diferenças na compreensibilidade da IA. E ainda podemos precisar de alguns profissionais para melhorar continuamente o sistema em segundo plano, assim como unificar os padrões de inteligibilidade para obter os resultados desejados.
Em geral, ** não importa em qualquer época, novas necessidades são criadas por nós, seres humanos. **Não podemos adotar um modo de pensar estático que se concentre na substituição e no conflito para os seres humanos. Se houver apenas empregos e necessidades limitadas na Terra, quando as máquinas assumirem esses empregos, nós, humanos, podemos realmente não ter sentido para a existência. Mas, na verdade, o melhor de ser humano é nossa capacidade de criar continuamente novas necessidades e ter essas necessidades atendidas por meio dos humanos.
Competir com IA não faz sentido, mais atenção deve ser dada às suas restrições de política e gerenciamento de riscos
Agora, tanto a China quanto os Estados Unidos começaram a introduzir alguns mecanismos regulatórios relacionados. O desenvolvimento tecnológico em qualquer período requer certas restrições de políticas e gerenciamento de riscos.
Tomemos como exemplo a história do automóvel: antes de 1900, havia pouquíssimos carros, só os muito ricos podiam comprá-los e não causavam grande impacto na sociedade. Além disso, a velocidade do carro não é rápida, por exemplo, ele só pode percorrer mais de dez quilômetros por hora, então não é muito diferente de andar, então não há necessidade de fazer muitas regras para isso, apenas deixe ele se desenvolve.
No entanto, com a introdução da produção em linha de montagem pela Ford Motor Company, o custo dos carros foi bastante reduzido, as pessoas comuns podem dirigir e o número de carros aumentou significativamente. A velocidade dos carros também aumentou de mais de dez quilômetros por hora para centenas de quilômetros por hora.Nessa época, os carros podem se tornar perigosos e envolver alguns problemas de segurança.Portanto, nós humanos precisamos formular regras para os carros. Por exemplo, projetar estradas especiais para ele, não pode mais se misturar com pedestres, e até precisa construir rodovias para ele, e colocar semáforos, semáforos, etc. nas estradas por onde as pessoas dirigem, todas essas regras surgiram.
Da mesma forma, para uma máquina, nós a projetamos para permitir que ela colete e organize dados em alta velocidade e realize deduções rápidas e raciocínio lógico. Assim como projetamos carros para serem rápidos. Depois que o carro chega, não precisamos competir com ele para ver quem é mais rápido.
Portanto, quando um computador tem recursos tão poderosos de coleta e processamento de dados, não faz sentido competir com sua expertise em um campo específico.Precisamos prestar mais atenção ao estabelecer regras para isso.
Por exemplo, a tecnologia "Midjoury" à qual as pessoas da indústria prestaram atenção recentemente pode ser usada para geração de imagens e imitação de voz e pode até mesmo fazer notícias. Então, quando esses conteúdos de vídeo e notícias são divulgados na Internet, como regulá-los e como garantir sua validade? Isso se torna uma questão de desenvolver regras ao longo do tempo. A formulação dessas regras torna a coexistência de humanos e máquinas um problema real.
Essas questões exigem que comecemos a pensar hoje e cheguemos a um consenso. Agora que os carros já existem, a terra é um estado de simbiose entre humanos e carros. Portanto, precisamos formular regras de trânsito de carros para garantir a coexistência de humanos e carros em cidades ou ambientes específicos. Nesse processo, não apenas os carros precisam obedecer às regras, mas os humanos também precisam obedecer às regras.
A ascensão da IA consumirá energia e consumo de recursos, mas é digna de reconhecimento pela melhoria da eficiência humana
Nesta entrevista, uma questão de estrutura de energia foi mencionada: Do ponto de vista da estrutura econômica industrial, com o crescimento explosivo do AIGC, é necessário mais poder de computação e mais eletricidade e suporte hidráulico. a mudanças no layout dos países relacionados ou na estrutura energética global?
Isso é o que certamente acontecerá. Quando surgem novas estruturas e demandas industriais, este é um resultado inevitável.O problema está em como organizar e ajustar. Se a IA consome poder de computação, ela precisa fornecer energia suficiente para isso. Nesse processo energético, envolve a consideração da terra verde e da estrutura de consumo de energia. Acho que não está particularmente relacionado ao desenvolvimento da IA, mas a uma situação natural.
De acordo com dados relevantes, o consumo anual combinado de energia dos centros de nuvem da China pode ser equivalente à geração de energia de duas Centrais Elétricas de Três Gargantas (o consumo de recursos dos centros de nuvem não se limita ao suporte de IA e até mesmo a proporção de serviços de IA é relativamente pequeno). À medida que a quantidade de computação aumenta, a demanda por eletricidade aumenta ainda mais. Além de fornecer mais novos suplementos energéticos, também precisamos considerar como melhorar a eficiência energética, que na verdade é uma questão relativamente complicada. Em termos de economia de energia, os cálculos precisam ser feitos e o resfriamento precisa ser feito. No entanto, combinado com a situação doméstica atual, devido ao rápido desenvolvimento nos últimos anos, metade da energia que fornecemos ao data center é usada para dissipação de calor. Isso é algo que precisamos considerar.
Como devemos resolver e evitar o problema da ocupação e alocação irracional de recursos? Deixe-me dar outro exemplo: depois que o Google adquiriu o Deepmind, a equipe do Deepmind foi solicitada a fazer uma coisa, ou seja, ajustar o centro de nuvem do Google para economia de energia por meio de aprendizado por reforço e muitos outros algoritmos de IA. Isso realmente ajudou o Google a reduzir o consumo de energia em quase 50%. Portanto, quase 100% da eletricidade no centro de nuvem do Google é usada para computação e apenas uma parte muito pequena (menos de cerca de 5%) é usada para resfriamento. Portanto, essa forma de otimização economiza o desperdício de energia do centro de nuvem do Google em grande escala.
Portanto, se conseguirmos atingir um nível de eficiência semelhante ao uso do centro de nuvem do Google e considerarmos o carbono duplo e a energia verde defendida pelo mundo, ainda podemos pensar em como usar a energia com eficiência no futuro.
Deve-se notar que estamos discutindo apenas o consumo de energia nesta questão. Em geral, a IA pode realmente nos ajudar a melhorar muito nossa eficiência de uso. Uma vez que é amplamente utilizada, a possível melhoria da eficiência é muito mais significativa do que seu impacto no consumo de energia.
Como a IA entende a linguagem humana? Através de três modos de raciocínio lógico
O atual modelo de aprendizado profundo, especialmente o modelo de linguagem em larga escala que apareceu recentemente, ainda é uma "tecnologia de caixa preta". Embora grandes modelos de linguagem funcionem bem em muitas tarefas no processamento de linguagem natural, ainda precisamos encontrar um método interpretável.
No trabalho científico, geralmente estamos acostumados a conectar fenômenos a outras coisas e, se pudermos descrevê-los em uma fórmula concisa e bonita, podemos mostrar que entendemos. No entanto, a julgar pela interpretabilidade do atual modelo de linguagem grande, incluindo redes neurais, seus parâmetros serão muito aleatórios e, se os parâmetros forem alterados muito ligeiramente, os resultados também mudarão bastante. Embora esses parâmetros desempenhem um papel na arquitetura, seus mecanismos exatos não são totalmente compreendidos. Não podemos descrevê-los com modelos algébricos simples e, nesse sentido, não é melhor compreendido.
Nós, pessoas normais (não profissionais), não estamos acostumados a usar muitos números para descrever a relação entre duas coisas e como uma mudança em cada número leva a um resultado. Quando a relação não está clara, pensamos que o estado ainda não chegou ao ponto de compreensão. Portanto, as pessoas costumam confundir o conceito e pensar que grandes modelos de linguagem ou redes neurais ainda não foram compreendidos. Na verdade, eles não são totalmente incompreendidos, apenas não encontramos a maneira satisfatória de entendê-los.
Atualmente, o GPT é mais baseado no treinamento de big data. A principal maneira é aprender a julgar a resposta que provavelmente desejamos com base na probabilidade. Se sua forma de raciocínio atual é viável e confiável, podemos analisá-la a partir desses aspectos :
Em primeiro lugar, a resposta possível é dada com base na probabilidade máxima.O método que envolve redes neurais e estatísticas bayesianas no nível do algoritmo é a lógica usada pela GPT em segundo plano e está correta.
Além disso, quando se trata de raciocínio lógico, podemos dividir o raciocínio lógico em três modos diferentes, não limitados a bandas lógicas.
Quando nós, humanos, percebemos o mundo, existem três maneiras diferentes:
O primeiro é o raciocínio dedutivo, que leva a conclusões estritamente corretas. Uma máquina pode realizar um raciocínio dedutivo muito mais rápido do que nós porque se baseia em quatro princípios fundamentais da lógica clássica: a lei da identidade absoluta, a lei da contradição, a lei do terceiro excluído e a lei da causalidade. **
Com base nesses quatro princípios, conclusões determinísticas podem ser derivadas. No entanto, o problema com as conclusões determinísticas é que na lógica isso é chamado de tautologia, ou seja, um fato conhecido declarado novamente de outra maneira. Do ponto de vista do raciocínio dedutivo, a resposta já está implícita em todas as suas suposições, apenas é expressa de outra forma.
Uma coisa que precisamos entender é que, na verdade, uma máquina de Turing foi projetada para isso, é uma máquina de lógica dedutiva clássica. Em 1936, o matemático britânico Turing publicou um importante artigo "Sobre números computáveis e sua aplicação a problemas de decisão", marcando o nascimento da Máquina de Turing. A operação de uma máquina de Turing é muito semelhante ao processo de pensamento de nossos cálculos escritos. O modelo da máquina de Turing é de longe o modelo de computação clássica mais amplamente utilizado, não um deles.
Até hoje, a inteligência artificial ainda é baseada em máquinas de Turing. Coisas que as máquinas de Turing não podem fazer, não importa o quão poderosos sejam os computadores de hoje, não podem. Este é um dos núcleos do nosso pensamento sobre a divisão do trabalho entre humanos e IA. **
**O segundo modo é chamado de indução. **A indução é o processo de observar múltiplos eventos e descobrir suas características comuns e resumi-los em novos conhecimentos. No entanto, a indução não pode ser alcançada através da lógica estrita porque é impossível esgotar todas as possibilidades. Portanto, pode haver um chamado "evento do cisne negro", ou seja, observamos que os cisnes na Europa e na América são todos brancos e, assim, concluímos que os cisnes deveriam ser brancos. Mas quando descobrimos que existe um cisne negro na Austrália, o método de indução não pode dar uma conclusão absolutamente correta, porque não pode cobrir todas as possibilidades. As máquinas são limitadas a esse respeito e não podem ir além dos limites da indução, mas os humanos podem. No entanto, também devemos entender que essa conclusão pode ser derrubada, que é o que a ciência moderna persegue.
O terceiro modo é a analogia, que é uma maneira solta de raciocinar associando uma coisa a outra. Por exemplo, ao pensar na estrutura do DNA, se não sabemos como é, e vemos duas cobras entrelaçadas em um sonho, podemos pensar na estrutura do DNA. Na verdade, a estrutura de dupla hélice do DNA é realmente "coberta" dessa maneira. Mas para computadores baseados em lógica dedutiva, isso não pode ser alcançado. A analogia é uma forma menos rigorosa de raciocínio, mas como humanos, podemos usá-la.
A partir desses três modos, podemos concluir que as máquinas são muito mais eficientes do que os humanos na execução da lógica dedutiva, porque operam em máquinas de Turing e são sistemas computacionais completos. No entanto, as máquinas não podem gerar nenhum conhecimento novo, e o novo conhecimento precisa ser obtido por humanos por meio de indução ou analogia. Essas visões precisam ser demonstradas passo a passo por meio de métodos dedutivos e finalmente transformadas em conhecimento relativamente estável.As máquinas cognitivas não podem superar os humanos na aquisição de novos conhecimentos. E quando dizemos que a máquina não pode fazer isso, significa que a máquina não pode lidar com isso a partir de outras áreas além da lógica dedutiva estrita, e essas áreas são exatamente o que os humanos podem lidar.
Isso realmente envolve a discussão da divisão do trabalho entre humanos e máquinas. Quer se trate de inteligência artificial ou máquinas, todas elas são desenvolvidas com base em máquinas de Turing, e os problemas mencionados acima são inevitáveis. O desenvolvimento atual da inteligência artificial é baseado em máquinas de Turing.Se a inteligência artificial não puder realizar certas tarefas, pode ser devido às limitações do desenvolvimento de hardware, como a Lei de Moore, ou outras limitações relacionadas.
Recentemente, Sam Altman, CEO da OpenAI, afirmou que a quantidade de computação de inteligência artificial global está dobrando a cada 18 meses. A este respeito, algumas pessoas acreditam que o desempenho do poder de computação da inteligência artificial continuará a alcançar uma melhoria exponencial. Na verdade, ** sobre "Lei de Moore" e algoritmos são duas proposições diferentes. A Lei de Moore refere-se principalmente ao desenvolvimento de hardware, mas o algoritmo não cumpre totalmente as leis da Lei de Moore. Por causa dos problemas técnicos do processamento de equipamentos de precisão, a Lei de Moore atual diminuiu de certa forma** e envolve mais desafios na tecnologia mecânica. Quanto ao desenvolvimento de algoritmos, é difícil dizer que é feito de acordo com a Lei de Moore, e existem algumas diferenças entre os dois.
Em se tratando da Lei de Moore, podemos ir além, e quando a unidade computacional atinge o nível atômico, entramos em outro campo, que é a computação quântica. No campo da computação quântica e combinando nosso progresso nos últimos anos, descobrimos que a computação quântica não é uma máquina de Turing estrita. Além disso, o design da computação quântica no nível tecnológico é muito difícil e pode levar muito tempo para ser verdadeiramente universal em termos de algoritmos como as máquinas de Turing. Tenho a opinião de que não precisamos nos preocupar muito com isso nos próximos 300 anos. Mas depois de 300 anos, haverá um avanço importante na computação quântica? É difícil dizer, porque de uma perspectiva reducionista, nossa mente humana deve ser baseada em algum tipo de entidade física.
Atualmente, de acordo com mais e mais indicações,** nosso modo de pensar não é equivalente ao modo de pensar dos computadores de Turing. **Mas de acordo com nossa cognição atual, agora temos apenas duas opções - apenas a máquina de Turing clássica e o recém-aparecido computador quântico, mas pode não haver uma terceira escolha no futuro.
Se basicamente estabelecemos que o cérebro humano não é feito de uma máquina de Turing clássica, então pode ser um computador quântico. No entanto, a capacidade dos computadores quânticos de criar padrões de pensamento semelhantes aos humanos não é clara. Portanto, estamos cada vez mais convencidos de que um computador quântico não é uma máquina de Turing e sua lógica subjacente é diferente.
Educação de talentos na era GPT: cultive uma forte capacidade de aprendizado
Criamos máquinas para nos ajudar a realizar diferentes tarefas. Portanto, do ponto de vista de direções de carreira específicas, é difícil determinar quais empregos não serão substituídos no futuro. Porque para qualquer evento ou algoritmo que possa ser descrito, uma máquina de Turing pode executá-lo. Uma vez que descrevemos um trabalho como uma tarefa específica, um computador pode fazê-lo, varia apenas em quão eficientemente o computador executa essa tarefa.
Na verdade, quando estamos considerando as coisas que as máquinas de Turing não podem realizar, Turing e seu matemático Gödel apontaram isso na década de 1930, mas eles não atraíram a atenção suficiente dos humanos naquela época. Eles (referindo-se a Gödel e Turing etc.) geração provou que o pensamento perceptivo e a intuição são as ferramentas básicas para nós, humanos, entendermos o mundo, e o pensamento racional é uma ferramenta para organizar o pensamento perceptivo. Em suma,** a capacidade de perceber verdadeiramente o mundo permanece exclusivamente humana e é alcançada por meio de nossa própria percepção perceptiva. Este é um dos núcleos de como entendemos e distinguimos humanos de máquinas (ou IA). **
Com base na diferença de competências essenciais, para nós humanos ou futuros humanos, de fato, uma habilidade importante para cultivar requer forte capacidade de aprendizado e adaptabilidade. Somente por meio dessa capacidade de aprendizado as pessoas podem dar novas soluções para novas necessidades e transformá-las em seu próprio trabalho. É difícil discutir cada um desses aspectos em detalhes, porque a capacidade de aprendizagem abrange muitos domínios diferentes. Mas agora temos que nos concentrar nisso, por meio da educação para mudar a maneira como educamos nossos alunos atualmente.
Por exemplo, neste semestre evitei dar lição de casa aos alunos. Comecei a perceber que não havia nada que os impedisse de fazer seus trabalhos com ferramentas como o GPT, e que as respostas pelo GPT poderiam ser melhores do que eu esperava, e tais trabalhos perderam o sentido. Portanto, presto mais atenção ao diálogo e à interação com os alunos em sala de aula e presto atenção à sua compreensão da lógica e do processo de raciocínio, em vez de saber se eles podem concluir a lição de casa.
Além disso, ao longo do semestre, espero que eles concluam uma tarefa baseada em projeto relativamente sistemática. A educação de hoje defende o aprendizado baseado em projetos e o aprendizado por meio da participação em projetos. No processo deste projeto, permitimos que os alunos entendam o que estão fazendo, em vez de educá-los por meio dos métodos anteriores de perguntas e respostas, testes e trabalhos de casa. As pessoas cultivadas por meio do aprendizado baseado em projetos têm mais vantagens para máquinas, não apenas para responder à pergunta.
Neste processo, haverá muitas questões dignas de nossa consideração. É precisamente por pensarmos e compreendermos as necessidades nesta área que um grande número de novas oportunidades de trabalho e novas direções de desenvolvimento serão criadas. Portanto, se você tiver que dizer, a diferença entre humanos e máquinas pode ser uma tendência maior à qual você realmente prestará atenção no futuro. Resumindo, o que focamos é a capacidade do próprio ser humano e a interação entre homem e máquina, que é um campo muito amplo.
A tendência de desenvolvimento do diálogo humano-computador no futuro: a interação entre inteligência artificial e máquinas
Quanto à concepção e visão da IA futura, é difícil prever tendências específicas com precisão, pois isso pode orientar a opinião pública e afetar a direção do investimento de capital. Algumas opiniões são apenas para troca e discussão.
**Acho que uma tendência importante é a interação entre inteligência artificial e máquinas. Com o rápido desenvolvimento de máquinas e humanos, precisamos de uma interface ou ferramenta para conectar os dois para obter uma melhor comunicação. A interação humano-computador será um campo técnico muito importante. **
Ao procurar tendências futuras, devemos prestar mais atenção ao humano e à máquina, não apenas um. Precisamos pensar profundamente nas capacidades e no posicionamento do ser humano, essa é uma questão que exige um pensamento de longo prazo.
Embora tenhamos discutido mais sobre a ética educacional e os possíveis rumos futuros do ser humano, do ponto de vista técnico, a interação humano-computador pode ser um campo com grande potencial. Precisamos pensar em como ter uma forma mais rápida e eficiente de comunicação entre pessoas e máquinas, sem exigir que as pessoas se tornem modelos especialistas profissionais.
Se a interação humano-computador pode atrair mais pessoas para participar de maneira mais rápida e gerenciar efetivamente a máquina, pode afetar e promover o desenvolvimento mais rápido da máquina. Como o rápido desenvolvimento das máquinas é inevitável no futuro, os humanos também precisam esclarecer suas próprias estratégias e posicionamentos. Como seres humanos e máquinas devem coexistir na Terra, devemos ter uma forma de interação particularmente harmoniosa, conveniente e eficiente. Esse tipo de interação pode exigir muitas novas tecnologias para ser realizado.
Em suma, não queremos nos tornar "escravos de máquinas" no futuro, então devemos pensar no posicionamento do ser humano. No campo da educação, a popularidade do GPT também levantou importantes desafios e pensamentos para mim: "Os alunos cultivados pelo modelo tradicional de educação são mais como máquinas ou pessoas?" "Como devemos aprender para não sermos substituídos por AI? "Essas questões guiam profundamente nossas discussões sérias hoje. Como professores, não queremos que o que estamos ensinando aos alunos hoje, ou produzindo alunos, descubra daqui a 10 ou 20 anos que seus empregos foram substituídos por computadores, que os deixem desempregados ou forçados a mudar de emprego.
**O pensamento humano é livre, criativo e comunicável, fundamentalmente falando, o que precisamos desenvolver é a forma de cultivar talentos técnicos inovadores com hábitos de aprendizagem ao longo da vida. **
Ver original
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
Ma Zhaoyuan Interpretação do AIGC: As empresas nacionais querem alcançar o OpenAI este ano? pelo menos 4-5 anos
Texto: Li Haidan, Tencent Technology
**【Nota do editor】**Nos últimos meses, o AIGC foi favorecido pelo capital, o ChatGPT se tornou popular e os principais gigantes da tecnologia doméstica e empresas iniciantes entraram no mercado um após o outro. A inteligência artificial está afetando silenciosamente todas as esferas da vida. Isso não é mais apenas uma simples evolução tecnológica, mas se tornará uma revolução.
Embora a explosão de aplicativos de IA pareça repentina, nos bastidores, os cientistas experimentaram inúmeras falhas e acúmulo de experiências. Assim como nosso palestrante convidado ** Ma Zhaoyuan (Professor da Southern University of Science and Technology, Fellow da British Society of Physics, British Royal Chartered Engineer, ex-pesquisador-chefe do Future Laboratory da Tsinghua University)** no livro "The Impossibilidade da Inteligência Artificial" Mencionado: "Cada centímetro de progresso requer trabalho árduo todos os dias e a superposição de várias incertezas."
Na verdade, na longa história da ciência e tecnologia, esta revolução tecnológica é apenas o primeiro passo para levar a humanidade à "era da IA generativa". Até agora, ainda precisamos prestar atenção a muitos problemas e contradições existentes. Por exemplo: sob a onda de tecnologia liderada pela OpenAI, a China pode alcançá-la rapidamente? Que mudanças essa revolução tecnológica trará para a sociedade e estrutura industrial? As máquinas substituirão os humanos no futuro? Em uma era de rápida iteração tecnológica, como a educação de talentos da China deve ser cultivada?
Nesta edição do "AI Future Guide North", a Tencent Technology entrevistou Ma Zhaoyuan. Ele compartilhou diferentes pensamentos e pontos de vista sobre essas questões. Compilamos esta memorabilia 4D em um artigo para explorar, aprender e pensar junto com os internautas. O significado da inteligência artificial aos seres humanos.
Não se preocupe se as pessoas se tornarão "máquinas escravas", o assunto principal é o hype do capital por trás disso
Com o recente boom na aplicação de grandes modelos de linguagem de inteligência artificial e outros produtos, muitas pessoas estão preocupadas que, com o desenvolvimento da inteligência artificial, ela trará alguns riscos e problemas de segurança para os seres humanos e conflitos com a sobrevivência humana e a sociedade.
Em relação aos problemas que preocupam as pessoas, pensei em uma palavra chamada "máquina escrava".
Estamos preocupados que um dia, no futuro, nos tornemos "escravos de máquinas", como alguns enredos do filme "RoboCop": um dia, os seres humanos serão governados por máquinas e terão que se mudar para o subsolo. Ao longo dessa luta, a humanidade manteve seu espírito rebelde, renovando seus esforços para recuperar o controle do futuro e da Terra. No final, a IA teve que enviar um robô para viajar no tempo e no espaço até 1984, tentando destruir o líder do Exército de Resistência antes de ele nascer, e guerras entre robôs e humanos eclodiram no futuro... Histórias como esta , Muitas pessoas podem ter uma imaginação semelhante.
Para tais pontos de vista e preocupações, acho que é completamente desnecessário. Em primeiro lugar, a julgar pelo nível atual de tecnologia, é improvável que robôs ou entidades inteligentes realmente "governem a terra", até mesmo se tornem mestres de seres humanos. Mesmo que eles realmente se tornem os mestres dos seres humanos em algum momento no futuro, levará muito tempo para perceber isso. Não precisamos divulgar esse assunto agora para causar preocupação a todos.
Além disso, embora atualmente existam muitos líderes da indústria discutindo tópicos relacionados. Mas acho que pode ser, até certo ponto, impulsionado por interesses econômicos e pelo mercado de capitais por trás disso. **Porque o capital deve primeiro especular sobre um tema antes de poder lucrar com isso. Por exemplo, o evento histórico anterior na Holanda no século 17 - a "bolha da tulipa", exagerou um conceito fictício que não tinha muito valor, e então alguém colheu alho-poró dele. Mas, na verdade, o assunto pode não ser tão assustador quanto pensamos.
Nos últimos dez anos, vimos que o mercado de capitais da China introduziu e promoveu muitos temas, como materiais de grafeno, depois realidade virtual, bitcoin, metaverso, etc., e este ano é a inteligência artificial. novo termo. Nesse processo, os predadores de capital podem se beneficiar disso, e o capital está ficando cada vez maior. Mas para Xiaobai comum, apenas seguimos esses substantivos.Se não entendermos a lógica operacional e a situação real, podemos perder quase todo o dinheiro em nossos bolsos.
Recentemente, o ChatGPT explodiu, é um importante avanço tecnológico, **em essência, mudou a forma como nós, humanos, interagimos com os computadores. **Se você quiser falar sobre revolução, do ponto de vista do padrão de lançamento da indústria, o GPT mudou o destino da OpenAI, Microsoft e Google. Agora o Google está muito nervoso com a ascensão do GPT. O surgimento do GPT melhorou muito a precisão e a eficiência da pesquisa das pessoas. No passado, quando usávamos o Google para pesquisar, a página inicial do Google exibia todas as possíveis páginas da web relacionadas a ela, podendo haver centenas de páginas ou mesmo dezenas de milhares de resultados. Mas o modelo atual pode entender a pergunta do usuário com mais precisão e fornecer a resposta mais provável, o que melhora muito a capacidade de recuperação de informações. Em seguida, pode alterar nosso modo de trabalho, especialmente no processamento de arquivos e coleta de dados, o que pode melhorar muito nossa eficiência de trabalho.
Mas quando se trata de se desenvolver em inteligência artificial geral, ainda está muito longe do ponto de vista atual. Conforme mencionado em meu livro (referindo-se a "A Impossibilidade da Inteligência Artificial"): Existe uma lacuna central e crítica entre a inteligência artificial geral e os humanos, e a tecnologia de IA existente não pode preencher essa lacuna. Quanto ao motivo, será citado a seguir (Parte 06).
Falta ao mercado doméstico a mentalidade de construir um ecossistema e levará pelo menos 4 a 5 anos para alcançar o OpenAI
Vimos o lançamento e o lançamento de muitos produtos de modelo de linguagem grande. Por exemplo, o popular ChatGPT está indo muito bem. Muitas grandes empresas na China também estão seguindo o exemplo e lançando muitos produtos similares.
Por exemplo, uma determinada empresa lança um produto e, alguns dias depois, outra empresa lança um produto semelhante, mais barato e adequado ao ambiente chinês, tudo sensacionalista com conteúdo semelhante. Acho que muitas grandes empresas nacionais não têm a mentalidade de construir um ecossistema e estão ansiosas para ganhar dinheiro rapidamente, uma vez que um novo termo apareça, elas seguirão rapidamente.
Tal fenômeno de acompanhamento é muito desfavorável ao desenvolvimento da economia nacional ou da economia regional. Se continuarmos perseguindo tendências, talvez nunca as alcancemos. Por exemplo, a Microsoft tem se concentrado em pesquisa nos últimos dez anos, mas não fez muitos avanços em outros campos e foi basicamente reprimida por outras empresas, o que requer muita incerteza e pressão. A Microsoft está "segurando" por dez anos. Com seus recursos financeiros, recursos de pesquisa e desenvolvimento e estratégias de cooperação comercial, finalmente vimos o lançamento do ChatGPT e novos produtos relacionados. Demorou muito para produzir um "ponto de explosão" , e esperamos da noite para o dia Não é realista esperar que uma empresa possa realizar uma mudança radical.
Será que essas empresas são "jogadores talentosos" especiais que precisam apenas de alguns meses, um ou dois anos para concluir o mesmo trabalho que outras pessoas levam dez anos para concluir? Essas empresas não estão cientes dessas questões que estamos considerando? Você também precisa de uma pergunta sensacionalista para aumentar o mercado de ações e o preço das ações? Tudo isso exige que pessoas comuns como nós pensem com cuidado, considerem se devemos seguir o exemplo e tomem as decisões de investimento correspondentes.
** No que diz respeito ao estado de desenvolvimento econômico do país, se você seguir a tendência, pode nunca alcançar aqueles que correram primeiro. Em vez disso, devemos pensar em como realizar a co-construção ecológica mútua com base em nossas capacidades atuais. Vale a pena pensar nessa questão para os gigantes da tecnologia doméstica. **
Para dar um exemplo: Nos últimos 40 anos, a China fez grandes conquistas na construção de infraestrutura. Por exemplo, o trem de alta velocidade da China se desenvolveu muito bem e se tornou um sistema ferroviário de alta velocidade que precisa ser considerado globalmente, e tornou-se um cartão de visita da China. Como outro exemplo, nas indústrias de comunicações e informática, o 5G da China já é o mais forte do mundo. Nestes campos, temos algumas vantagens, e a construção básica foi muito bem feita, mas também podemos construir algumas possibilidades e direções de desenvolvimento ecológico sobre essas fundações, de modo a exercer maiores vantagens.
Podemos imaginar que, com base em nossas vantagens, nos próximos 10 ou 20 anos, se alguns países da Europa e dos Estados Unidos monopolizarem algumas direções técnicas, também podemos entrar em um estado de "pescoços mutuamente presos" com base em nossos campos líderes. Ganhe posição de negociação. Voltando à tecnologia, quer as empresas nacionais queiram alcançar o GPT ou o Bing, pode ser baseado na experiência dos "antecessores",** podemos acelerar a velocidade da pesquisa e desenvolvimento, mas se alcançarmos o mesmo nível, pode levar pelo menos 4-5 anos. **Além disso, também precisamos pensar: Mesmo se recuperarmos, depois de alguns anos, essa rajada de vento passou? E a própria Microsoft ou Open AI também está crescendo de forma iterativa, tornou-se um "big mac"?
**Em geral, o investimento seguindo a tendência é na verdade um desperdício de custo, tempo e talento. Para os participantes, além de aumentar o pânico e a ansiedade, eles podem não obter nenhum benefício, e isso apenas permitirá que o capital colha parte dos interesses dos investidores no processo de seguir o exemplo. **
A IA não fará com que um grande número de pessoas fique desempregada, e as ocupações de qualquer época precisam ser criadas por humanos
Além da teoria da ameaça da IA, as pessoas estão mais preocupadas com o impacto da IA no emprego.
A natureza altamente antropomórfica do ChatGPT desencadeou uma onda de crises na indústria, e muitas pessoas começaram a se preocupar se sua indústria seria impactada ou até mesmo perderia seus empregos. Do ponto de vista atual, alguns empregos podem ser afetados no curto prazo, mas não perturbarão a estabilidade da sociedade no longo prazo.
Do ponto de vista da direção de carreira, a revolução da inteligência artificial levará a um declínio na população e na força de trabalho? A resposta é não.
Por exemplo, durante a Revolução Industrial, aproximadamente entre os séculos 18 e 19, uma das maiores mudanças foi o declínio da população agrícola. Nos primeiros dias da Revolução Industrial ou antes dela começar, mais de 95% da população do planeta trabalhava na agricultura, e apenas uma pequena parte eram governantes ou sacerdotes. Naquela época, a grande maioria das pessoas eram principalmente agricultores.
A situação é diferente agora. Tomemos como exemplo os países desenvolvidos. Por exemplo, menos de 2% da população nos Estados Unidos está envolvida na agricultura. Mais de 90% da população do meio mudou o conteúdo da produção. Embora alguns empregos tenham desaparecido, essas pessoas não desapareceram e, em vez disso, a população aumentou. A julgar pelo impacto na sociedade humana, tais mudanças não causaram desemprego de longa duração ou mesmo afetaram a instabilidade da sociedade humana.Muitas pessoas apenas mudaram de emprego, e o que mudou foi o modo de produção dos seres humanos. Embora possa levar a uma redução significativa ou mesmo desaparecimento de alguns empregos, mas também por causa dessa mudança, mais demanda por outros empregos será desencadeada e adicionada.
Como outro exemplo, mencionamos uma palavra em inglês chamada "Computer". Uma máquina pode vir à mente quando ouvimos a palavra, mas há 70 anos, a palavra "computador" significava algo diferente do que significa hoje. Na época, referia-se a pessoas que trabalhavam em computação semelhante ao Projeto Manhattan.
Naquela época não havia computadores e não havia desktops como os que usamos agora, mas a conclusão de grandes projetos exigia muitos cálculos, então a empresa responsável por esse projeto contratou algumas mulheres jovens e cuidadosas para usar slide regras em uma sala especial Fazendo muito trabalho de computação com papel de rascunho, essas mulheres são chamadas de "computadores".
O termo "Computador" foi cunhado para pessoas que trabalham com computação, referindo-se a trabalhadores que fazem muita computação em escritórios. Mais tarde, com o advento do computador, até hoje quando nos referimos a "Computador", sabemos que se refere ao computador, não às mulheres que trabalham na computação. Assim, o significado da palavra "computador" mudou completamente e passou a se referir a máquinas puras.
**Assim, à medida que as máquinas se tornam mais capazes em certas áreas, elas podem substituir alguns de nossos empregos humanos, levando ao desaparecimento de alguns empregos. No entanto, essas pessoas realmente não desaparecem, elas passam para trabalhos mais complexos ou outras necessidades. **
**Uma das maiores características do ser humano é inovar constantemente e criar novas necessidades. **Essas novas necessidades vão estimular as pessoas a criar novas oportunidades de trabalho. Não precisamos entrar em pânico ou nos preocupar muito com o desemprego.Ao longo da história da sociedade humana, temos nos adaptado e respondido a essa mudança. Temos a capacidade de criar e nos adaptar continuamente a novos ambientes de trabalho e oportunidades de emprego.
Do ponto de vista dos requisitos técnicos profissionais, com o desenvolvimento de aplicativos de linguagem de modelo em grande escala, a conclusão das tarefas de programação se tornará mais fácil e simples. Por exemplo, com a ajuda de ferramentas como o ChatGPT, só precisamos propor o que queremos fazer e emitir uma tarefa clara, e o GPT nos ajudará a concluir o restante do trabalho. Por exemplo, podemos perguntar diretamente ao GPT e ele usará seus recursos de programação e recuperação para gerar código diretamente. Dessa forma, um sistema como o Python pode nem ser mais necessário. Em suma, descreve-se simplesmente os requisitos e procede-se à implementação das formas descritas.
**Além disso, a julgar por esta tendência, o grau de automação da programação no futuro será cada vez maior. **É como a linguagem assembly que aprendi quando estava aprendendo programação. Agora, a maioria dos jovens pode não saber mais como escrevê-la. É a mesma razão.
A linguagem assembly é uma linguagem de alto nível entre a linguagem humana e a linguagem de máquina, que inclui montagem e programação direta em linguagem de máquina. Após a linguagem assembly, surgiram linguagens como C, C++ e Java, e gradualmente se desenvolveram para linguagens como Python. Quando me comunico com os alunos, descubro que Python é uma linguagem muito flexível para aqueles de nós que aprenderam C, mas se tornou uma ferramenta favorita para alunos que não estão mais acostumados a usar C. Sob a influência de alguns sistemas teóricos, diferentes engenheiros ainda têm diferenças na compreensibilidade da IA. E ainda podemos precisar de alguns profissionais para melhorar continuamente o sistema em segundo plano, assim como unificar os padrões de inteligibilidade para obter os resultados desejados.
Em geral, ** não importa em qualquer época, novas necessidades são criadas por nós, seres humanos. **Não podemos adotar um modo de pensar estático que se concentre na substituição e no conflito para os seres humanos. Se houver apenas empregos e necessidades limitadas na Terra, quando as máquinas assumirem esses empregos, nós, humanos, podemos realmente não ter sentido para a existência. Mas, na verdade, o melhor de ser humano é nossa capacidade de criar continuamente novas necessidades e ter essas necessidades atendidas por meio dos humanos.
Competir com IA não faz sentido, mais atenção deve ser dada às suas restrições de política e gerenciamento de riscos
Agora, tanto a China quanto os Estados Unidos começaram a introduzir alguns mecanismos regulatórios relacionados. O desenvolvimento tecnológico em qualquer período requer certas restrições de políticas e gerenciamento de riscos.
Tomemos como exemplo a história do automóvel: antes de 1900, havia pouquíssimos carros, só os muito ricos podiam comprá-los e não causavam grande impacto na sociedade. Além disso, a velocidade do carro não é rápida, por exemplo, ele só pode percorrer mais de dez quilômetros por hora, então não é muito diferente de andar, então não há necessidade de fazer muitas regras para isso, apenas deixe ele se desenvolve.
No entanto, com a introdução da produção em linha de montagem pela Ford Motor Company, o custo dos carros foi bastante reduzido, as pessoas comuns podem dirigir e o número de carros aumentou significativamente. A velocidade dos carros também aumentou de mais de dez quilômetros por hora para centenas de quilômetros por hora.Nessa época, os carros podem se tornar perigosos e envolver alguns problemas de segurança.Portanto, nós humanos precisamos formular regras para os carros. Por exemplo, projetar estradas especiais para ele, não pode mais se misturar com pedestres, e até precisa construir rodovias para ele, e colocar semáforos, semáforos, etc. nas estradas por onde as pessoas dirigem, todas essas regras surgiram.
Da mesma forma, para uma máquina, nós a projetamos para permitir que ela colete e organize dados em alta velocidade e realize deduções rápidas e raciocínio lógico. Assim como projetamos carros para serem rápidos. Depois que o carro chega, não precisamos competir com ele para ver quem é mais rápido.
Portanto, quando um computador tem recursos tão poderosos de coleta e processamento de dados, não faz sentido competir com sua expertise em um campo específico.Precisamos prestar mais atenção ao estabelecer regras para isso.
Por exemplo, a tecnologia "Midjoury" à qual as pessoas da indústria prestaram atenção recentemente pode ser usada para geração de imagens e imitação de voz e pode até mesmo fazer notícias. Então, quando esses conteúdos de vídeo e notícias são divulgados na Internet, como regulá-los e como garantir sua validade? Isso se torna uma questão de desenvolver regras ao longo do tempo. A formulação dessas regras torna a coexistência de humanos e máquinas um problema real.
Essas questões exigem que comecemos a pensar hoje e cheguemos a um consenso. Agora que os carros já existem, a terra é um estado de simbiose entre humanos e carros. Portanto, precisamos formular regras de trânsito de carros para garantir a coexistência de humanos e carros em cidades ou ambientes específicos. Nesse processo, não apenas os carros precisam obedecer às regras, mas os humanos também precisam obedecer às regras.
A ascensão da IA consumirá energia e consumo de recursos, mas é digna de reconhecimento pela melhoria da eficiência humana
Nesta entrevista, uma questão de estrutura de energia foi mencionada: Do ponto de vista da estrutura econômica industrial, com o crescimento explosivo do AIGC, é necessário mais poder de computação e mais eletricidade e suporte hidráulico. a mudanças no layout dos países relacionados ou na estrutura energética global?
Isso é o que certamente acontecerá. Quando surgem novas estruturas e demandas industriais, este é um resultado inevitável.O problema está em como organizar e ajustar. Se a IA consome poder de computação, ela precisa fornecer energia suficiente para isso. Nesse processo energético, envolve a consideração da terra verde e da estrutura de consumo de energia. Acho que não está particularmente relacionado ao desenvolvimento da IA, mas a uma situação natural.
De acordo com dados relevantes, o consumo anual combinado de energia dos centros de nuvem da China pode ser equivalente à geração de energia de duas Centrais Elétricas de Três Gargantas (o consumo de recursos dos centros de nuvem não se limita ao suporte de IA e até mesmo a proporção de serviços de IA é relativamente pequeno). À medida que a quantidade de computação aumenta, a demanda por eletricidade aumenta ainda mais. Além de fornecer mais novos suplementos energéticos, também precisamos considerar como melhorar a eficiência energética, que na verdade é uma questão relativamente complicada. Em termos de economia de energia, os cálculos precisam ser feitos e o resfriamento precisa ser feito. No entanto, combinado com a situação doméstica atual, devido ao rápido desenvolvimento nos últimos anos, metade da energia que fornecemos ao data center é usada para dissipação de calor. Isso é algo que precisamos considerar.
Como devemos resolver e evitar o problema da ocupação e alocação irracional de recursos? Deixe-me dar outro exemplo: depois que o Google adquiriu o Deepmind, a equipe do Deepmind foi solicitada a fazer uma coisa, ou seja, ajustar o centro de nuvem do Google para economia de energia por meio de aprendizado por reforço e muitos outros algoritmos de IA. Isso realmente ajudou o Google a reduzir o consumo de energia em quase 50%. Portanto, quase 100% da eletricidade no centro de nuvem do Google é usada para computação e apenas uma parte muito pequena (menos de cerca de 5%) é usada para resfriamento. Portanto, essa forma de otimização economiza o desperdício de energia do centro de nuvem do Google em grande escala.
Portanto, se conseguirmos atingir um nível de eficiência semelhante ao uso do centro de nuvem do Google e considerarmos o carbono duplo e a energia verde defendida pelo mundo, ainda podemos pensar em como usar a energia com eficiência no futuro.
Deve-se notar que estamos discutindo apenas o consumo de energia nesta questão. Em geral, a IA pode realmente nos ajudar a melhorar muito nossa eficiência de uso. Uma vez que é amplamente utilizada, a possível melhoria da eficiência é muito mais significativa do que seu impacto no consumo de energia.
Como a IA entende a linguagem humana? Através de três modos de raciocínio lógico
O atual modelo de aprendizado profundo, especialmente o modelo de linguagem em larga escala que apareceu recentemente, ainda é uma "tecnologia de caixa preta". Embora grandes modelos de linguagem funcionem bem em muitas tarefas no processamento de linguagem natural, ainda precisamos encontrar um método interpretável.
No trabalho científico, geralmente estamos acostumados a conectar fenômenos a outras coisas e, se pudermos descrevê-los em uma fórmula concisa e bonita, podemos mostrar que entendemos. No entanto, a julgar pela interpretabilidade do atual modelo de linguagem grande, incluindo redes neurais, seus parâmetros serão muito aleatórios e, se os parâmetros forem alterados muito ligeiramente, os resultados também mudarão bastante. Embora esses parâmetros desempenhem um papel na arquitetura, seus mecanismos exatos não são totalmente compreendidos. Não podemos descrevê-los com modelos algébricos simples e, nesse sentido, não é melhor compreendido.
Nós, pessoas normais (não profissionais), não estamos acostumados a usar muitos números para descrever a relação entre duas coisas e como uma mudança em cada número leva a um resultado. Quando a relação não está clara, pensamos que o estado ainda não chegou ao ponto de compreensão. Portanto, as pessoas costumam confundir o conceito e pensar que grandes modelos de linguagem ou redes neurais ainda não foram compreendidos. Na verdade, eles não são totalmente incompreendidos, apenas não encontramos a maneira satisfatória de entendê-los.
Atualmente, o GPT é mais baseado no treinamento de big data. A principal maneira é aprender a julgar a resposta que provavelmente desejamos com base na probabilidade. Se sua forma de raciocínio atual é viável e confiável, podemos analisá-la a partir desses aspectos :
Em primeiro lugar, a resposta possível é dada com base na probabilidade máxima.O método que envolve redes neurais e estatísticas bayesianas no nível do algoritmo é a lógica usada pela GPT em segundo plano e está correta.
Além disso, quando se trata de raciocínio lógico, podemos dividir o raciocínio lógico em três modos diferentes, não limitados a bandas lógicas.
Quando nós, humanos, percebemos o mundo, existem três maneiras diferentes:
O primeiro é o raciocínio dedutivo, que leva a conclusões estritamente corretas. Uma máquina pode realizar um raciocínio dedutivo muito mais rápido do que nós porque se baseia em quatro princípios fundamentais da lógica clássica: a lei da identidade absoluta, a lei da contradição, a lei do terceiro excluído e a lei da causalidade. **
Com base nesses quatro princípios, conclusões determinísticas podem ser derivadas. No entanto, o problema com as conclusões determinísticas é que na lógica isso é chamado de tautologia, ou seja, um fato conhecido declarado novamente de outra maneira. Do ponto de vista do raciocínio dedutivo, a resposta já está implícita em todas as suas suposições, apenas é expressa de outra forma.
Uma coisa que precisamos entender é que, na verdade, uma máquina de Turing foi projetada para isso, é uma máquina de lógica dedutiva clássica. Em 1936, o matemático britânico Turing publicou um importante artigo "Sobre números computáveis e sua aplicação a problemas de decisão", marcando o nascimento da Máquina de Turing. A operação de uma máquina de Turing é muito semelhante ao processo de pensamento de nossos cálculos escritos. O modelo da máquina de Turing é de longe o modelo de computação clássica mais amplamente utilizado, não um deles.
Até hoje, a inteligência artificial ainda é baseada em máquinas de Turing. Coisas que as máquinas de Turing não podem fazer, não importa o quão poderosos sejam os computadores de hoje, não podem. Este é um dos núcleos do nosso pensamento sobre a divisão do trabalho entre humanos e IA. **
**O segundo modo é chamado de indução. **A indução é o processo de observar múltiplos eventos e descobrir suas características comuns e resumi-los em novos conhecimentos. No entanto, a indução não pode ser alcançada através da lógica estrita porque é impossível esgotar todas as possibilidades. Portanto, pode haver um chamado "evento do cisne negro", ou seja, observamos que os cisnes na Europa e na América são todos brancos e, assim, concluímos que os cisnes deveriam ser brancos. Mas quando descobrimos que existe um cisne negro na Austrália, o método de indução não pode dar uma conclusão absolutamente correta, porque não pode cobrir todas as possibilidades. As máquinas são limitadas a esse respeito e não podem ir além dos limites da indução, mas os humanos podem. No entanto, também devemos entender que essa conclusão pode ser derrubada, que é o que a ciência moderna persegue.
O terceiro modo é a analogia, que é uma maneira solta de raciocinar associando uma coisa a outra. Por exemplo, ao pensar na estrutura do DNA, se não sabemos como é, e vemos duas cobras entrelaçadas em um sonho, podemos pensar na estrutura do DNA. Na verdade, a estrutura de dupla hélice do DNA é realmente "coberta" dessa maneira. Mas para computadores baseados em lógica dedutiva, isso não pode ser alcançado. A analogia é uma forma menos rigorosa de raciocínio, mas como humanos, podemos usá-la.
A partir desses três modos, podemos concluir que as máquinas são muito mais eficientes do que os humanos na execução da lógica dedutiva, porque operam em máquinas de Turing e são sistemas computacionais completos. No entanto, as máquinas não podem gerar nenhum conhecimento novo, e o novo conhecimento precisa ser obtido por humanos por meio de indução ou analogia. Essas visões precisam ser demonstradas passo a passo por meio de métodos dedutivos e finalmente transformadas em conhecimento relativamente estável.As máquinas cognitivas não podem superar os humanos na aquisição de novos conhecimentos. E quando dizemos que a máquina não pode fazer isso, significa que a máquina não pode lidar com isso a partir de outras áreas além da lógica dedutiva estrita, e essas áreas são exatamente o que os humanos podem lidar.
Isso realmente envolve a discussão da divisão do trabalho entre humanos e máquinas. Quer se trate de inteligência artificial ou máquinas, todas elas são desenvolvidas com base em máquinas de Turing, e os problemas mencionados acima são inevitáveis. O desenvolvimento atual da inteligência artificial é baseado em máquinas de Turing.Se a inteligência artificial não puder realizar certas tarefas, pode ser devido às limitações do desenvolvimento de hardware, como a Lei de Moore, ou outras limitações relacionadas.
Recentemente, Sam Altman, CEO da OpenAI, afirmou que a quantidade de computação de inteligência artificial global está dobrando a cada 18 meses. A este respeito, algumas pessoas acreditam que o desempenho do poder de computação da inteligência artificial continuará a alcançar uma melhoria exponencial. Na verdade, ** sobre "Lei de Moore" e algoritmos são duas proposições diferentes. A Lei de Moore refere-se principalmente ao desenvolvimento de hardware, mas o algoritmo não cumpre totalmente as leis da Lei de Moore. Por causa dos problemas técnicos do processamento de equipamentos de precisão, a Lei de Moore atual diminuiu de certa forma** e envolve mais desafios na tecnologia mecânica. Quanto ao desenvolvimento de algoritmos, é difícil dizer que é feito de acordo com a Lei de Moore, e existem algumas diferenças entre os dois.
Em se tratando da Lei de Moore, podemos ir além, e quando a unidade computacional atinge o nível atômico, entramos em outro campo, que é a computação quântica. No campo da computação quântica e combinando nosso progresso nos últimos anos, descobrimos que a computação quântica não é uma máquina de Turing estrita. Além disso, o design da computação quântica no nível tecnológico é muito difícil e pode levar muito tempo para ser verdadeiramente universal em termos de algoritmos como as máquinas de Turing. Tenho a opinião de que não precisamos nos preocupar muito com isso nos próximos 300 anos. Mas depois de 300 anos, haverá um avanço importante na computação quântica? É difícil dizer, porque de uma perspectiva reducionista, nossa mente humana deve ser baseada em algum tipo de entidade física.
Atualmente, de acordo com mais e mais indicações,** nosso modo de pensar não é equivalente ao modo de pensar dos computadores de Turing. **Mas de acordo com nossa cognição atual, agora temos apenas duas opções - apenas a máquina de Turing clássica e o recém-aparecido computador quântico, mas pode não haver uma terceira escolha no futuro.
Se basicamente estabelecemos que o cérebro humano não é feito de uma máquina de Turing clássica, então pode ser um computador quântico. No entanto, a capacidade dos computadores quânticos de criar padrões de pensamento semelhantes aos humanos não é clara. Portanto, estamos cada vez mais convencidos de que um computador quântico não é uma máquina de Turing e sua lógica subjacente é diferente.
Educação de talentos na era GPT: cultive uma forte capacidade de aprendizado
Criamos máquinas para nos ajudar a realizar diferentes tarefas. Portanto, do ponto de vista de direções de carreira específicas, é difícil determinar quais empregos não serão substituídos no futuro. Porque para qualquer evento ou algoritmo que possa ser descrito, uma máquina de Turing pode executá-lo. Uma vez que descrevemos um trabalho como uma tarefa específica, um computador pode fazê-lo, varia apenas em quão eficientemente o computador executa essa tarefa.
Na verdade, quando estamos considerando as coisas que as máquinas de Turing não podem realizar, Turing e seu matemático Gödel apontaram isso na década de 1930, mas eles não atraíram a atenção suficiente dos humanos naquela época. Eles (referindo-se a Gödel e Turing etc.) geração provou que o pensamento perceptivo e a intuição são as ferramentas básicas para nós, humanos, entendermos o mundo, e o pensamento racional é uma ferramenta para organizar o pensamento perceptivo. Em suma,** a capacidade de perceber verdadeiramente o mundo permanece exclusivamente humana e é alcançada por meio de nossa própria percepção perceptiva. Este é um dos núcleos de como entendemos e distinguimos humanos de máquinas (ou IA). **
Com base na diferença de competências essenciais, para nós humanos ou futuros humanos, de fato, uma habilidade importante para cultivar requer forte capacidade de aprendizado e adaptabilidade. Somente por meio dessa capacidade de aprendizado as pessoas podem dar novas soluções para novas necessidades e transformá-las em seu próprio trabalho. É difícil discutir cada um desses aspectos em detalhes, porque a capacidade de aprendizagem abrange muitos domínios diferentes. Mas agora temos que nos concentrar nisso, por meio da educação para mudar a maneira como educamos nossos alunos atualmente.
Por exemplo, neste semestre evitei dar lição de casa aos alunos. Comecei a perceber que não havia nada que os impedisse de fazer seus trabalhos com ferramentas como o GPT, e que as respostas pelo GPT poderiam ser melhores do que eu esperava, e tais trabalhos perderam o sentido. Portanto, presto mais atenção ao diálogo e à interação com os alunos em sala de aula e presto atenção à sua compreensão da lógica e do processo de raciocínio, em vez de saber se eles podem concluir a lição de casa.
Além disso, ao longo do semestre, espero que eles concluam uma tarefa baseada em projeto relativamente sistemática. A educação de hoje defende o aprendizado baseado em projetos e o aprendizado por meio da participação em projetos. No processo deste projeto, permitimos que os alunos entendam o que estão fazendo, em vez de educá-los por meio dos métodos anteriores de perguntas e respostas, testes e trabalhos de casa. As pessoas cultivadas por meio do aprendizado baseado em projetos têm mais vantagens para máquinas, não apenas para responder à pergunta.
Neste processo, haverá muitas questões dignas de nossa consideração. É precisamente por pensarmos e compreendermos as necessidades nesta área que um grande número de novas oportunidades de trabalho e novas direções de desenvolvimento serão criadas. Portanto, se você tiver que dizer, a diferença entre humanos e máquinas pode ser uma tendência maior à qual você realmente prestará atenção no futuro. Resumindo, o que focamos é a capacidade do próprio ser humano e a interação entre homem e máquina, que é um campo muito amplo.
A tendência de desenvolvimento do diálogo humano-computador no futuro: a interação entre inteligência artificial e máquinas
Quanto à concepção e visão da IA futura, é difícil prever tendências específicas com precisão, pois isso pode orientar a opinião pública e afetar a direção do investimento de capital. Algumas opiniões são apenas para troca e discussão.
**Acho que uma tendência importante é a interação entre inteligência artificial e máquinas. Com o rápido desenvolvimento de máquinas e humanos, precisamos de uma interface ou ferramenta para conectar os dois para obter uma melhor comunicação. A interação humano-computador será um campo técnico muito importante. **
Ao procurar tendências futuras, devemos prestar mais atenção ao humano e à máquina, não apenas um. Precisamos pensar profundamente nas capacidades e no posicionamento do ser humano, essa é uma questão que exige um pensamento de longo prazo.
Embora tenhamos discutido mais sobre a ética educacional e os possíveis rumos futuros do ser humano, do ponto de vista técnico, a interação humano-computador pode ser um campo com grande potencial. Precisamos pensar em como ter uma forma mais rápida e eficiente de comunicação entre pessoas e máquinas, sem exigir que as pessoas se tornem modelos especialistas profissionais.
Se a interação humano-computador pode atrair mais pessoas para participar de maneira mais rápida e gerenciar efetivamente a máquina, pode afetar e promover o desenvolvimento mais rápido da máquina. Como o rápido desenvolvimento das máquinas é inevitável no futuro, os humanos também precisam esclarecer suas próprias estratégias e posicionamentos. Como seres humanos e máquinas devem coexistir na Terra, devemos ter uma forma de interação particularmente harmoniosa, conveniente e eficiente. Esse tipo de interação pode exigir muitas novas tecnologias para ser realizado.
Em suma, não queremos nos tornar "escravos de máquinas" no futuro, então devemos pensar no posicionamento do ser humano. No campo da educação, a popularidade do GPT também levantou importantes desafios e pensamentos para mim: "Os alunos cultivados pelo modelo tradicional de educação são mais como máquinas ou pessoas?" "Como devemos aprender para não sermos substituídos por AI? "Essas questões guiam profundamente nossas discussões sérias hoje. Como professores, não queremos que o que estamos ensinando aos alunos hoje, ou produzindo alunos, descubra daqui a 10 ou 20 anos que seus empregos foram substituídos por computadores, que os deixem desempregados ou forçados a mudar de emprego.
**O pensamento humano é livre, criativo e comunicável, fundamentalmente falando, o que precisamos desenvolver é a forma de cultivar talentos técnicos inovadores com hábitos de aprendizagem ao longo da vida. **