**【Ghi chú của biên tập viên】**Trong những tháng gần đây, AIGC được ưu đãi về vốn, ChatGPT đã trở nên phổ biến, các đại gia công nghệ lớn trong nước và các công ty mới thành lập lần lượt gia nhập thị trường. Trí tuệ nhân tạo đang âm thầm tác động đến mọi tầng lớp xã hội, đây không còn chỉ là một bước tiến hóa công nghệ đơn thuần mà sẽ trở thành một cuộc cách mạng.
Mặc dù sự bùng nổ của các ứng dụng AI có vẻ đột ngột nhưng đằng sau hậu trường, các nhà khoa học đã trải qua vô số thất bại và tích lũy kinh nghiệm. Cũng giống như diễn giả khách mời của chúng ta ** Ma Zhaoyuan (Giáo sư Đại học Khoa học và Công nghệ Phương Nam, Thành viên Hiệp hội Vật lý Anh, Kỹ sư Công chứng Hoàng gia Anh, nguyên trưởng nhóm nghiên cứu của Phòng thí nghiệm Tương lai của Đại học Thanh Hoa) ** trong cuốn sách "The Điều bất khả thi của trí tuệ nhân tạo" được đề cập: "Mỗi inch tiến bộ đều đòi hỏi sự chăm chỉ hàng ngày và sự chồng chất của nhiều điều không chắc chắn."
Trên thực tế, trong lịch sử lâu dài của khoa học và công nghệ, cuộc cách mạng công nghệ này chỉ là bước đầu tiên để đưa nhân loại đến "kỷ nguyên của trí tuệ nhân tạo". Cho đến nay, chúng ta vẫn cần quan tâm đến nhiều vấn đề tồn tại và mâu thuẫn. Ví dụ: Dưới làn sóng công nghệ do OpenAI dẫn đầu, liệu Trung Quốc có thể nhanh chóng bắt kịp? Cuộc cách mạng công nghệ này sẽ mang lại những thay đổi gì cho xã hội và cơ cấu công nghiệp? Máy móc sẽ thay thế con người trong tương lai? Trong thời đại lặp đi lặp lại công nghệ nhanh chóng như vậy, giáo dục nhân tài của Trung Quốc nên được trau dồi như thế nào?
Trong số "AI Future Guide North" này, Tencent Technology đã phỏng vấn Ma Zhaoyuan, ông đã chia sẻ những suy nghĩ và quan điểm khác nhau về những vấn đề này. Chúng tôi biên soạn kỷ vật 4D này thành một bài viết để cùng cư dân mạng khám phá, học hỏi và suy nghĩ. đối với con người.
Đừng lo liệu con người có trở thành "nô lệ máy móc" hay không, chủ đề nóng hổi là sự cường điệu về vốn đằng sau nó
Với sự bùng nổ gần đây trong việc ứng dụng các sản phẩm như mô hình ngôn ngữ lớn trí tuệ nhân tạo, nhiều người lo lắng rằng với sự phát triển của trí tuệ nhân tạo, nó sẽ mang lại một số rủi ro và vấn đề an toàn cho con người, xung đột với sự tồn tại của con người và xã hội.
Về những vấn đề mà mọi người đang lo lắng, tôi nghĩ đến một từ gọi là "nô lệ máy móc".
Chúng ta lo lắng một ngày nào đó trong tương lai mình sẽ trở thành “nô lệ máy móc”, giống như một số tình tiết trong phim “RoboCop”: một ngày nào đó loài người sẽ bị máy móc thống trị và phải di chuyển xuống lòng đất. Trong suốt cuộc đấu tranh này, nhân loại đã duy trì tinh thần nổi loạn của mình, tiếp tục nỗ lực để giành lại quyền kiểm soát tương lai và Trái đất. Cuối cùng, AI phải cử một con robot du hành xuyên thời gian và không gian đến năm 1984, tìm cách tiêu diệt thủ lĩnh của Quân kháng chiến trước khi nó ra đời, và chiến tranh giữa con người và robot nổ ra trong tương lai... Những câu chuyện như thế này , Nhiều người có thể có trí tưởng tượng tương tự như vậy.
Đối với những quan điểm và lo ngại như vậy, tôi nghĩ là hoàn toàn không cần thiết. Trước hết, xét theo trình độ công nghệ hiện nay, chưa chắc người máy hay các thực thể thông minh sẽ thực sự "thống trị thiên hạ", thậm chí trở thành bá chủ của loài người. Ngay cả khi họ thực sự trở thành chủ nhân của con người vào một thời điểm nào đó trong tương lai, thì cũng phải mất một thời gian dài để nhận ra điều đó, chúng ta không cần phải công khai chuyện này lúc này để khiến mọi người lo lắng.
Ngoài ra, mặc dù hiện tại có nhiều nhà lãnh đạo ngành thảo luận về các chủ đề liên quan. Nhưng tôi nghĩ ở một mức độ nào đó, nó có thể bị thúc đẩy bởi lợi ích kinh tế và thị trường vốn đằng sau nó. **Bởi vì vốn đầu tiên phải suy đoán về một chủ đề trước khi có thể kiếm được lợi nhuận từ nó. Ví dụ, sự kiện lịch sử trước đây ở Hà Lan vào thế kỷ 17 - "bong bóng hoa tulip", đã thổi phồng một khái niệm hư cấu không có nhiều giá trị, và sau đó ai đó đã thu hoạch tỏi tây từ đó. Nhưng thực ra môn học có thể không đáng sợ như chúng ta nghĩ.
Trong mười năm qua, chúng ta đã thấy rằng thị trường vốn của Trung Quốc đã giới thiệu và thổi phồng nhiều chủ đề, chẳng hạn như vật liệu graphene, sau đó là thực tế ảo, bitcoin, metaverse, v.v., và năm nay là trí tuệ nhân tạo. thuật ngữ mới. Trong quá trình này, những kẻ săn mồi vốn có thể được hưởng lợi từ nó và số vốn ngày càng lớn hơn. Nhưng đối với Xiaobai bình thường, chúng ta chỉ chạy theo những danh từ này, nếu chúng ta không hiểu logic vận hành và tình hình thực tế, chúng ta có thể mất gần hết số tiền trong túi.
Gần đây, ChatGPT đã bùng nổ. Đây là một tiến bộ công nghệ quan trọng, **về bản chất, nó đã thay đổi cách con người chúng ta tương tác với máy tính. **Nếu bạn muốn nói về cuộc cách mạng, từ góc độ mô hình phát hành của ngành, GPT đã thay đổi số phận của OpenAI, Microsoft và Google. Hiện tại, Google đang rất lo lắng về sự trỗi dậy của GPT. Sự xuất hiện của GPT đã cải thiện đáng kể độ chính xác và hiệu quả tìm kiếm của mọi người. Trước đây, khi chúng ta sử dụng Google để tìm kiếm, trang chủ Google sẽ hiển thị tất cả các trang web có thể liên quan đến nó, có thể có hàng trăm trang, thậm chí hàng chục nghìn kết quả. Nhưng mô hình hiện tại có thể hiểu câu hỏi của người dùng chính xác hơn và đưa ra câu trả lời có khả năng nhất, giúp cải thiện đáng kể khả năng truy xuất thông tin. Tiếp theo, nó có thể thay đổi chế độ làm việc của chúng tôi, đặc biệt là trong xử lý tệp và thu thập dữ liệu, điều này có thể cải thiện đáng kể hiệu quả công việc của chúng tôi.
Nhưng khi nói đến việc liệu nó có phát triển thành trí tuệ nhân tạo nói chung hay không thì vẫn còn quá xa so với quan điểm hiện tại. Như đã đề cập trong cuốn sách của tôi (đề cập đến "Sự bất khả thi của trí tuệ nhân tạo"): Có một khoảng cách cốt lõi và quan trọng giữa trí tuệ nhân tạo nói chung và con người, và công nghệ AI hiện tại không thể thu hẹp khoảng cách này. Còn lý do thì sẽ nói ở dưới (Phần 06).
Thị trường trong nước thiếu tâm thế xây dựng hệ sinh thái, ít nhất phải 4-5 năm nữa mới bắt kịp OpenAI
Chúng tôi đã chứng kiến sự ra mắt và ra mắt của nhiều sản phẩm mô hình ngôn ngữ lớn, chẳng hạn như ChatGPT phổ biến đang hoạt động rất tốt, nhiều công ty lớn ở Trung Quốc cũng đang làm theo và tung ra nhiều sản phẩm tương tự.
Ví dụ, một công ty nào đó tung ra một sản phẩm, vài ngày sau một công ty khác lại tung ra một sản phẩm tương tự, rẻ hơn và phù hợp với môi trường Trung Quốc, tất cả đều được thổi phồng với nội dung tương tự. Tôi cho rằng nhiều công ty lớn trong nước thiếu tâm thế xây dựng hệ sinh thái, ham kiếm tiền nhanh, một khi thuật ngữ mới xuất hiện sẽ nhanh chóng bám theo.
Hiện tượng đi theo như vậy là rất bất lợi cho sự phát triển của nền kinh tế quốc gia hoặc nền kinh tế khu vực. Nếu chúng ta cứ chạy theo xu hướng, chúng ta có thể không bao giờ bắt kịp. Ví dụ, Microsoft đã tập trung vào nghiên cứu trong mười năm qua, nhưng không tạo ra nhiều đột phá trong các lĩnh vực khác, và về cơ bản đã bị các công ty khác chèn ép, điều này đòi hỏi rất nhiều bất ổn và áp lực. Microsoft đã “nhịn” cả chục năm, với tiềm lực tài chính, khả năng nghiên cứu phát triển và chiến lược hợp tác kinh doanh, cuối cùng chúng ta cũng được chứng kiến sự ra mắt của ChatGPT và các sản phẩm mới liên quan, phải mất một thời gian dài mới tạo ra “điểm bùng nổ” và chúng tôi mong đợi chỉ sau một đêm. Thật không thực tế khi mong đợi rằng một công ty có thể đạt được sự thay đổi triệt để.
Phải chăng các công ty này là những “tay chơi” đặc biệt, chỉ cần vài tháng, một hai năm là có thể hoàn thành cùng một công việc mà những công ty khác phải mất cả chục năm mới hoàn thành? Có phải những công ty này không nhận thức được những vấn đề mà chúng tôi đang xem xét? Ngoài ra, bạn có cần một câu hỏi cường điệu để đẩy thị trường chứng khoán và giá cổ phiếu lên không? Tất cả những điều này đòi hỏi những người bình thường như chúng ta phải suy nghĩ cẩn thận, cân nhắc xem mình có nên làm theo và đưa ra quyết định đầu tư tương ứng hay không.
** Xét về thực trạng phát triển kinh tế đất nước, cứ chạy theo trào lưu thì không bao giờ đuổi kịp người đi trước. Thay vào đó, chúng ta nên suy nghĩ về cách thực hiện đồng xây dựng sinh thái lẫn nhau dựa trên khả năng hiện tại của chúng ta. Đây là câu hỏi đáng để các ông lớn công nghệ trong nước suy nghĩ. **
Lấy một ví dụ: Trong hơn 40 năm qua, Trung Quốc đã đạt được những thành tựu to lớn trong việc xây dựng cơ sở hạ tầng, chẳng hạn như đường sắt cao tốc của Trung Quốc đã phát triển rất tốt, và nó đã trở thành một hệ thống đường sắt cao tốc cần được xem xét trên toàn cầu, và nó đã trở thành một danh thiếp của Trung Quốc. Một ví dụ khác, trong ngành truyền thông và máy tính, 5G của Trung Quốc đã là mạnh nhất thế giới. Những lĩnh vực này chúng ta có một số lợi thế, việc xây dựng cơ bản đã được thực hiện rất tốt, hiện nay chúng ta cũng có thể xây dựng một số khả năng và hướng phát triển sinh thái trên những nền tảng này để phát huy lợi thế lớn hơn.
Chúng ta có thể hình dung rằng, dựa trên lợi thế của mình, trong 10, 20 năm tới, nếu một số quốc gia ở Châu Âu và Hoa Kỳ độc quyền về một số hướng kỹ thuật, chúng ta cũng có thể rơi vào tình trạng “đè đầu cưỡi cổ” dựa trên lĩnh vực dẫn đầu của mình. Giành được vị thế đàm phán. Quay trở lại với công nghệ, dù doanh nghiệp trong nước muốn bắt kịp GPT hay Bing thì có thể dựa vào kinh nghiệm của “tiền bối”,** chúng ta có thể đẩy nhanh tốc độ nghiên cứu và phát triển, nhưng nếu bắt kịp thì có thể mất ít nhất 4-5 năm. ** Ngoài ra, chúng ta cũng cần suy nghĩ: Dù có đuổi kịp, sau mấy năm, cơn gió này có qua đi không? Và bản thân Microsoft hay Open AI cũng đang phát triển lặp đi lặp lại, đã trở thành một "big mac"?
**Nói chung, đầu tư theo xu hướng thực sự là một sự lãng phí chi phí, thời gian và tài năng. Đối với những người tham gia, ngoài việc gia tăng sự hoảng loạn và lo lắng, họ có thể không nhận được bất kỳ lợi ích nào, và nó sẽ chỉ cho phép vốn thu được một phần lợi ích của các nhà đầu tư trong quá trình chạy theo xu hướng. **
AI sẽ không khiến một lượng lớn người thất nghiệp, và nghề nghiệp của bất kỳ thời đại nào cũng cần do con người tạo ra
Bên cạnh lý thuyết về mối đe dọa của AI, người ta quan tâm nhiều hơn đến tác động của AI đối với việc làm.
Bản chất nhân hóa cao của ChatGPT đã gây ra một làn sóng khủng hoảng trong ngành và nhiều người bắt đầu lo lắng về việc liệu ngành của họ có bị ảnh hưởng hay thậm chí mất việc làm hay không. Từ quan điểm hiện tại, một số công việc có thể bị ảnh hưởng trong thời gian ngắn, nhưng nó sẽ không ảnh hưởng đến sự ổn định lâu dài của xã hội.
Từ góc độ định hướng nghề nghiệp, liệu cuộc cách mạng trí tuệ nhân tạo có dẫn đến suy giảm dân số và lực lượng lao động? Câu trả lời là không.
Ví dụ, trong cuộc Cách mạng Công nghiệp, khoảng giữa thế kỷ 18 và 19, một trong những thay đổi lớn nhất là sự suy giảm dân số làm nông nghiệp. Trong những ngày đầu của cuộc Cách mạng Công nghiệp hoặc trước khi nó bắt đầu, hơn 95% dân số trên hành tinh tham gia lao động nông nghiệp và chỉ một phần nhỏ là những người cai trị hoặc linh mục. nông dân.
Tình hình bây giờ đã khác, lấy các nước phát triển làm ví dụ, chưa đến 2% dân số ở Hoa Kỳ làm nông nghiệp. Hơn 90% dân số ở giữa đã thay đổi nội dung sản xuất. Mặc dù một số công việc biến mất, nhưng những người này không biến mất mà thay vào đó, dân số tăng lên. Xét về tác động đối với xã hội loài người, những thay đổi như vậy không gây ra tình trạng thất nghiệp dài hạn, thậm chí không ảnh hưởng đến sự bất ổn của xã hội loài người, nhiều người chỉ thay đổi công việc mà họ đang làm, và điều thay đổi chính là phương thức sản xuất của con người. Mặc dù nó có thể dẫn đến việc giảm đáng kể hoặc thậm chí biến mất một số vị trí, nhưng cũng vì sự thay đổi này, nhiều nhu cầu đối với các vị trí khác sẽ được kích hoạt và bổ sung.
Một ví dụ khác, chúng tôi đã đề cập đến một từ tiếng Anh có tên là "Máy tính". Chúng ta có thể nghĩ ngay đến máy móc khi nghe đến từ này, nhưng 70 năm trước, từ "Máy tính" có nghĩa khác với bây giờ. Vào thời điểm đó, nó đề cập đến những người làm việc trên máy tính tương tự như Dự án Manhattan.
Lúc đó chưa có máy tính, chưa có máy tính để bàn như bây giờ, nhưng việc hoàn thành các dự án lớn đòi hỏi tính toán rất nhiều nên công ty phụ trách dự án này đã thuê một số phụ nữ trẻ và cẩn thận để sử dụng slide. nội quy trong phòng đặc biệt Làm nhiều công việc tính toán bằng giấy nháp, những người phụ nữ này được gọi là "máy tính".
Thuật ngữ "Máy tính" được đặt ra cho những người làm việc trong lĩnh vực máy tính, dùng để chỉ những người lao động làm việc nhiều với máy tính trong văn phòng. Sau này, với sự ra đời của máy tính, cho đến ngày nay khi nhắc đến “Máy tính” chúng ta mới biết là nói đến cái máy tính chứ không phải nói đến những người phụ nữ làm công việc tính toán. Do đó, ý nghĩa của từ "máy tính" đã thay đổi hoàn toàn và nó được dùng để chỉ những cỗ máy thuần túy.
**Vì vậy, khi máy móc trở nên hiệu quả hơn trong một số lĩnh vực nhất định, chúng có thể thay thế một số công việc của con người, dẫn đến sự biến mất của một số công việc. Tuy nhiên, những người này không thực sự biến mất, họ chuyển sang làm những công việc phức tạp hơn hoặc có nhu cầu khác. **
**Một trong những đặc điểm lớn nhất của con người là không ngừng đổi mới và tạo ra những nhu cầu mới. **Những nhu cầu mới này sẽ kích hoạt mọi người tạo ra các cơ hội việc làm mới. Chúng ta không cần hoang mang hay lo lắng quá nhiều về tình trạng thất nghiệp, trong suốt lịch sử phát triển của xã hội loài người, chúng ta đã thích nghi và ứng phó với sự thay đổi này. Chúng ta có khả năng liên tục sáng tạo và thích nghi với môi trường làm việc và cơ hội việc làm mới.
Từ góc độ yêu cầu kỹ thuật chuyên nghiệp, với sự phát triển của các ứng dụng ngôn ngữ mô hình quy mô lớn, việc hoàn thành các tác vụ lập trình sẽ trở nên dễ dàng và đơn giản hơn. Ví dụ: với sự trợ giúp của các công cụ như ChatGPT, chúng tôi chỉ cần đề xuất những gì chúng tôi muốn làm và đưa ra một nhiệm vụ rõ ràng, và GPT sẽ giúp chúng tôi hoàn thành phần còn lại của công việc. Ví dụ: chúng ta có thể hỏi trực tiếp GPT và nó sẽ sử dụng khả năng lập trình và truy xuất của mình để trực tiếp tạo mã. Bằng cách đó, một hệ thống như Python thậm chí có thể không cần thiết nữa. Nói tóm lại, người ta chỉ cần mô tả các yêu cầu và tiến hành thực hiện các cách được mô tả đó.
** Ngoài ra, đánh giá từ xu hướng này, mức độ tự động hóa của lập trình trong tương lai sẽ ngày càng cao hơn. ** Nó giống như ngôn ngữ hợp ngữ tôi đã học khi tôi học lập trình, bây giờ hầu hết những người trẻ tuổi có thể không còn biết cách viết nó, đó là lý do tương tự.
Hợp ngữ là ngôn ngữ bậc cao nằm giữa ngôn ngữ người và ngôn ngữ máy, nó bao gồm hợp ngữ và lập trình trực tiếp bằng ngôn ngữ máy. Sau hợp ngữ, các ngôn ngữ như C, C++, Java xuất hiện rồi dần dần phát triển sang các ngôn ngữ như Python. Khi tôi giao tiếp với sinh viên, tôi thấy rằng Python là một ngôn ngữ rất lỏng lẻo đối với những người đã học C, nhưng nó đã trở thành một công cụ yêu thích đối với những sinh viên không quen sử dụng C nữa. Dưới ảnh hưởng của một số hệ thống lý thuyết, các kỹ sư khác nhau vẫn có sự khác biệt về mức độ hiểu AI. Và chúng ta có thể vẫn cần một số chuyên gia để liên tục cải thiện hệ thống chạy nền, vậy làm sao để thống nhất các tiêu chuẩn về mức độ dễ hiểu để đạt được kết quả như mong muốn.
Nói chung, ** dù ở thời đại nào, những nhu cầu mới đều do con người chúng ta tạo ra. **Chúng ta không thể áp dụng lối suy nghĩ tĩnh tập trung vào sự thay thế và xung đột của con người. Nếu chỉ có những công việc và nhu cầu hạn chế trên trái đất, khi máy móc đảm nhận những công việc này, con người chúng ta có thể thực sự không còn ý nghĩa gì cho sự tồn tại. Nhưng thực sự, điều tuyệt vời khi trở thành con người là khả năng liên tục tạo ra những nhu cầu mới và những nhu cầu đó được đáp ứng thông qua con người.
Cạnh tranh với AI là vô nghĩa, cần chú ý nhiều hơn đến các ràng buộc chính sách và quản lý rủi ro
Giờ đây, cả Trung Quốc và Hoa Kỳ đã bắt đầu đưa ra một số cơ chế quản lý liên quan. Sự phát triển công nghệ trong bất kỳ thời kỳ nào cũng cần có những ràng buộc nhất định về chính sách và quản lý rủi ro.
Hãy lấy lịch sử của ô tô làm ví dụ, trước năm 1900, ô tô rất ít, chỉ những người rất giàu mới có thể mua được và chúng không có nhiều tác động đến xã hội. Hơn nữa, tốc độ của xe cũng không nhanh, ví dụ như chỉ có thể đi hơn mười km một giờ, so với đi bộ cũng không khác nhau bao nhiêu, cho nên cũng không cần đặt ra quá nhiều quy tắc cho nó, cứ để nó phát triển.
Tuy nhiên, với sự ra đời của dây chuyền sản xuất lắp ráp của Ford Motor Company, giá thành của ô tô đã giảm đi rất nhiều, người bình thường có thể lái xe và số lượng ô tô đã tăng lên đáng kể. Tốc độ của ô tô cũng tăng từ hơn chục km/h lên đến hàng trăm km/h, lúc này ô tô có thể trở nên nguy hiểm và liên quan đến một số vấn đề an toàn, vì vậy con người chúng ta cần hình thành các quy tắc dành cho ô tô. Ví dụ, thiết kế những con đường đặc biệt cho nó, nó không còn có thể trộn lẫn với người đi bộ, thậm chí cần xây dựng đường cao tốc cho nó, và đặt đèn giao thông, đèn giao thông, v.v.
Tương tự như vậy, đối với một chiếc máy, chúng ta thiết kế nó để cho phép nó thu thập và sắp xếp dữ liệu ở tốc độ cao, đồng thời thực hiện suy luận và tư duy logic nhanh chóng. Giống như chúng ta thiết kế ô tô để đi nhanh. Một khi chiếc xe xuất hiện, chúng ta không cần phải cạnh tranh với nó để xem ai nhanh hơn.
Vì vậy, khi một chiếc máy tính có khả năng đối chiếu và xử lý dữ liệu mạnh mẽ như vậy, thì việc cạnh tranh bằng chuyên môn của nó trong một lĩnh vực cụ thể là vô nghĩa, chúng ta cần đặt ra những quy tắc cho nó nhiều hơn.
Ví dụ, gần đây mọi người trong ngành chú ý đến công nghệ "Midjoury" có thể được sử dụng để tạo hình ảnh và bắt chước giọng nói, thậm chí có thể tạo tin tức. Vậy khi những nội dung video, tin tức này được phát tán trên Internet thì quy định ra sao, đảm bảo tính hợp lệ như thế nào? Điều này trở thành một vấn đề phát triển các quy tắc theo thời gian. Việc xây dựng các quy tắc này làm cho cách con người và máy móc cùng tồn tại trở thành một vấn đề thực sự.
Những vấn đề này đòi hỏi chúng ta phải bắt đầu suy nghĩ ngay hôm nay và đạt được sự đồng thuận. Bây giờ ô tô đã tồn tại, trái đất là trạng thái cộng sinh giữa con người và ô tô. Do đó, chúng ta cần xây dựng các quy tắc giao thông dành cho ô tô để đảm bảo sự cùng tồn tại của con người và ô tô trong các thành phố hoặc môi trường cụ thể. Trong quá trình này, không chỉ ô tô cần tuân theo luật mà con người cũng cần tuân theo luật.
Sự trỗi dậy của AI sẽ tiêu thụ năng lượng và tài nguyên, nhưng nó đáng được công nhận vì đã cải thiện hiệu quả của con người
Trong cuộc phỏng vấn này, một câu hỏi về cơ cấu năng lượng đã được đề cập: Từ góc độ cơ cấu kinh tế công nghiệp, với sự phát triển bùng nổ của AIGC, cần nhiều năng lượng tính toán hơn, cần nhiều điện và hỗ trợ thủy lực hơn. đến những thay đổi trong cách bố trí của các quốc gia liên quan hoặc cấu trúc năng lượng toàn cầu?
Đây là điều chắc chắn sẽ xảy ra. Khi cơ cấu công nghiệp và nhu cầu mới xuất hiện, đây là kết quả tất yếu, vấn đề nằm ở cách sắp xếp, điều chỉnh. Nếu AI tiêu tốn sức mạnh tính toán, nó cần cung cấp đủ năng lượng cho nó. Trong quá trình năng lượng này, nó liên quan đến việc xem xét cấu trúc tiêu thụ năng lượng và trái đất xanh, tôi nghĩ nó không liên quan đặc biệt đến sự phát triển của AI, mà là một tình huống tự nhiên.
Theo dữ liệu liên quan, mức tiêu thụ năng lượng hàng năm kết hợp của các trung tâm đám mây của Trung Quốc có thể tương đương với việc phát điện của hai Nhà máy điện Tam Hiệp (mức tiêu thụ tài nguyên của các trung tâm đám mây không giới hạn ở hỗ trợ AI và thậm chí tỷ lệ dịch vụ AI cũng tương đối bé nhỏ). Khi số lượng tính toán tăng lên, nhu cầu về điện năng sẽ tăng hơn nữa. Ngoài việc cung cấp thêm các chất bổ sung năng lượng mới, chúng ta cũng cần xem xét làm thế nào để nâng cao hiệu quả sử dụng năng lượng, đây thực sự là một vấn đề tương đối phức tạp. Về tiết kiệm năng lượng, cần phải tính toán, và cần phải làm mát. Tuy nhiên, kết hợp với tình hình trong nước hiện nay, do sự phát triển nhanh chóng trong vài năm qua, một nửa năng lượng chúng tôi cung cấp cho trung tâm dữ liệu được sử dụng để tản nhiệt. Đây là điều chúng ta cần xem xét.
Làm thế nào để giải quyết và tránh vấn đề chiếm dụng và phân bổ tài nguyên bất hợp lý? Tôi xin đưa ra một ví dụ khác: Sau khi Google mua lại Deepmind, nhóm Deepmind được yêu cầu làm một việc, đó là điều chỉnh trung tâm đám mây của Google để tiết kiệm năng lượng thông qua học tăng cường và nhiều thuật toán AI khác. Làm như vậy thực sự đã giúp Google giảm gần 50% mức tiêu thụ năng lượng. Do đó, gần như 100% điện năng trong trung tâm đám mây của Google được sử dụng cho điện toán và chỉ một phần rất nhỏ (dưới khoảng 5%) được sử dụng để làm mát. Do đó, hình thức tối ưu hóa này giúp tiết kiệm năng lượng lãng phí của trung tâm đám mây của Google trên quy mô lớn.
Do đó, nếu chúng ta có thể đạt được mức độ hiệu quả tương tự như việc sử dụng trung tâm đám mây của Google và xem xét lượng carbon kép và năng lượng xanh được cả thế giới ủng hộ, thì chúng ta vẫn có thể xem xét cách sử dụng năng lượng hiệu quả trong tương lai.
Cần lưu ý rằng chúng ta chỉ thảo luận về mức tiêu thụ năng lượng trong câu hỏi này. Nói chung, AI thực sự có thể giúp chúng ta cải thiện đáng kể hiệu quả sử dụng.Một khi nó được sử dụng rộng rãi, khả năng cải thiện hiệu quả có thể có ý nghĩa hơn nhiều so với tác động tiêu thụ năng lượng của nó.
Làm thế nào để AI hiểu ngôn ngữ của con người? Thông qua ba phương thức suy luận logic
Mô hình học sâu hiện tại, đặc biệt là mô hình ngôn ngữ quy mô lớn xuất hiện gần đây, vẫn là một "công nghệ hộp đen". Mặc dù các mô hình ngôn ngữ lớn thực hiện tốt nhiều nhiệm vụ trong xử lý ngôn ngữ tự nhiên, nhưng chúng ta vẫn cần tìm một phương pháp có thể diễn giải được.
Trong công việc khoa học, chúng ta thường quen với việc kết nối các hiện tượng với những thứ khác, và nếu chúng ta có thể mô tả chúng theo một công thức ngắn gọn và đẹp đẽ, chúng ta có thể chứng tỏ rằng mình hiểu. Tuy nhiên, đánh giá từ khả năng diễn giải của mô hình ngôn ngữ lớn hiện tại bao gồm cả mạng thần kinh, các tham số của nó sẽ rất ngẫu nhiên và nếu các tham số được thay đổi rất ít, kết quả cũng sẽ thay đổi rất nhiều. Mặc dù các tham số này đóng một vai trò trong kiến trúc, cơ chế chính xác của chúng vẫn chưa được hiểu đầy đủ. Chúng ta không thể mô tả chúng bằng các mô hình đại số đơn giản, và theo nghĩa đó, nó không được hiểu rõ hơn.
Chúng ta, những người bình thường (không chuyên) không quen sử dụng nhiều con số để diễn tả mối quan hệ giữa hai sự vật và sự thay đổi của mỗi con số sẽ dẫn đến một kết quả như thế nào. Khi mối quan hệ không rõ ràng, chúng ta nghĩ rằng nhà nước chưa thấu tình đạt lý. Do đó, mọi người thường nhầm lẫn khái niệm và cho rằng chưa hiểu rõ về các mô hình ngôn ngữ lớn hay mạng lưới thần kinh. Trên thực tế, chúng không hoàn toàn không được hiểu, chỉ là chúng ta chưa tìm ra cách thỏa mãn mà chúng ta quen thuộc để hiểu chúng.
Hiện tại, GPT dựa nhiều hơn vào việc đào tạo dữ liệu lớn. Cách chính là học cách phán đoán câu trả lời mà chúng ta rất có thể muốn dựa trên xác suất. Liệu hình thức lập luận hiện tại của nó có khả thi và đáng tin cậy hay không, chúng ta có thể xem xét nó từ các khía cạnh này :
Trước hết, câu trả lời có thể được đưa ra dựa trên xác suất tối đa. Phương pháp liên quan đến mạng thần kinh và thống kê Bayes ở cấp độ thuật toán là logic được GPT sử dụng trong nền và nó đúng.
Ngoài ra, khi nói đến suy luận logic, chúng ta có thể chia suy luận logic thành ba phương thức khác nhau, không giới hạn trong phạm vi logic.
Khi con người chúng ta nhận thức thế giới, có ba cách khác nhau:
Đầu tiên là lý luận suy diễn, dẫn đến kết luận hoàn toàn chính xác. Một cỗ máy có thể thực hiện suy luận nhanh hơn nhiều so với chúng ta vì nó dựa trên bốn nguyên tắc cơ bản của logic cổ điển: quy luật đồng nhất tuyệt đối, quy luật mâu thuẫn, quy luật loại trừ trung gian và quy luật nhân quả. **
Dựa trên bốn nguyên tắc này, các kết luận xác định có thể được rút ra. Tuy nhiên, vấn đề với các kết luận tất định là trong logic, nó được gọi là tautology, tức là một sự kiện đã biết được phát biểu lại theo một cách khác. Từ quan điểm lý luận suy diễn, câu trả lời đã được ngụ ý trong tất cả các giả định của bạn, nó chỉ được thể hiện theo một cách khác.
Một điều chúng ta cần hiểu là, trên thực tế, máy Turing được thiết kế cho việc này, nó là máy logic suy diễn cổ điển. Năm 1936, nhà toán học người Anh Turing đã xuất bản một bài báo quan trọng "On Computable Numbers and their Application to Decision Problems", đánh dấu sự ra đời của Máy Turing. Hoạt động của máy Turing rất giống với quá trình suy nghĩ về các tính toán được viết ra của chúng ta. Mô hình máy Turing cho đến nay là mô hình điện toán cổ điển được sử dụng rộng rãi nhất, không phải là một trong số chúng.
Cho đến ngày nay, trí tuệ nhân tạo vẫn dựa trên máy Turing. Những điều mà máy Turing không làm được thì máy tính ngày nay dù mạnh đến đâu cũng không làm được. Đây là một trong những cốt lõi trong suy nghĩ của chúng tôi về sự phân công lao động giữa con người và AI. **
**Chế độ thứ hai được gọi là cảm ứng. **Quy nạp là quá trình quan sát nhiều sự kiện và tìm ra những đặc điểm chung của chúng, rồi tóm tắt chúng thành kiến thức mới. Tuy nhiên, quy nạp không thể đạt được thông qua logic chặt chẽ vì không thể sử dụng hết tất cả các khả năng. Do đó, có thể xảy ra cái gọi là "sự kiện thiên nga đen", tức là chúng ta quan sát thấy thiên nga ở Châu Âu và Châu Mỹ đều có màu trắng, từ đó kết luận rằng thiên nga phải có màu trắng. Nhưng khi phát hiện có thiên nga đen ở Úc thì phương pháp quy nạp không thể đưa ra kết luận chính xác tuyệt đối, vì nó không thể bao hàm hết mọi khả năng. Máy móc bị hạn chế về mặt này và không thể vượt qua giới hạn cảm ứng, nhưng con người thì có thể. Tuy nhiên, chúng ta cũng phải hiểu rằng kết luận này có thể bị lật ngược, đó là điều mà khoa học hiện đại theo đuổi.
Phương thức thứ ba là phép loại suy, là một cách lập luận lỏng lẻo bằng cách liên kết thứ này với thứ khác. Ví dụ, khi nghĩ về cấu trúc của DNA, nếu chúng ta không biết nó trông như thế nào và trong giấc mơ thấy hai con rắn quấn vào nhau, chúng ta có thể nghĩ đến cấu trúc của DNA. Trên thực tế, cấu trúc xoắn kép của DNA thực sự được "bao phủ" theo cách này. Nhưng đối với máy tính dựa trên logic suy diễn, điều này không thể đạt được. Phép loại suy là một cách suy luận ít chặt chẽ hơn, nhưng là con người, chúng ta có thể sử dụng nó.
Từ ba chế độ này, chúng ta có thể rút ra kết luận rằng máy móc hiệu quả hơn nhiều so với con người trong việc thực hiện logic suy diễn, bởi vì chúng hoạt động trên máy Turing và là hệ thống máy tính hoàn chỉnh. Tuy nhiên, máy móc không thể tạo ra bất kỳ kiến thức mới nào, và kiến thức mới cần được con người tiếp thu thông qua quy nạp hoặc phép loại suy lỏng lẻo. Các quan điểm này cần được chứng minh từng bước bằng phương pháp suy diễn, cuối cùng chuyển hóa thành tri thức tương đối ổn định, máy móc nhận thức không thể vượt con người trong lĩnh vực tiếp thu tri thức mới. Và khi chúng ta nói rằng máy không thể làm được, điều đó có nghĩa là máy không thể xử lý nó từ những lĩnh vực khác ngoài logic suy diễn chặt chẽ, và những lĩnh vực này chính xác là những gì con người có thể xử lý.
Điều này thực sự liên quan đến cuộc thảo luận về phân công lao động giữa con người và máy móc. Dù là trí tuệ nhân tạo hay máy móc thì chúng đều được phát triển dựa trên máy Turing và những vấn đề nêu trên là không thể tránh khỏi. Sự phát triển của trí tuệ nhân tạo hiện nay dựa trên máy Turing, nếu trí tuệ nhân tạo không thể đạt được một số nhiệm vụ nhất định, thì có thể là do hạn chế của sự phát triển phần cứng như Định luật Moore hoặc các hạn chế liên quan khác.
Gần đây, Sam Altman, Giám đốc điều hành của OpenAI, tuyên bố rằng số lượng máy tính trí tuệ nhân tạo toàn cầu đang tăng gấp đôi sau mỗi 18 tháng. Về vấn đề này, một số người tin rằng hiệu suất sức mạnh tính toán của trí tuệ nhân tạo sẽ tiếp tục đạt được sự cải thiện theo cấp số nhân. Trên thực tế, ** về "Định luật Moore" và các thuật toán là hai mệnh đề khác nhau. Định luật Moore chủ yếu đề cập đến sự phát triển của phần cứng, nhưng thuật toán không hoàn toàn tuân thủ các định luật của Định luật Moore. Do các vấn đề kỹ thuật trong quá trình xử lý thiết bị chính xác, Định luật Moore ngày nay đã bị chậm lại theo một nghĩa nào đó** và nó liên quan đến nhiều thách thức hơn trong công nghệ cơ khí. Đối với sự phát triển của các thuật toán, thật khó để nói rằng nó được thực hiện theo Định luật Moore và có một số khác biệt giữa hai thuật toán này.
Khi nói đến Định luật Moore, chúng ta có thể đi xa hơn, và khi đơn vị điện toán đạt đến cấp độ nguyên tử, chúng ta bước vào một lĩnh vực khác, đó là điện toán lượng tử. Từ lĩnh vực điện toán lượng tử và kết hợp những tiến bộ của chúng tôi trong những năm gần đây, chúng tôi thấy rằng điện toán lượng tử không phải là một cỗ máy Turing nghiêm ngặt. Hơn nữa, việc thiết kế điện toán lượng tử ở cấp độ công nghệ là quá khó, và có lẽ còn rất lâu nữa mới thực sự phổ cập về mặt thuật toán như máy Turing. Tôi có ý kiến rằng chúng ta không phải lo lắng quá nhiều về điều này trong 300 năm tới. Nhưng sau 300 năm, sẽ có một bước đột phá quan trọng trong điện toán lượng tử? Thật khó để nói, bởi vì từ quan điểm của người giảm thiểu, tâm trí con người của chúng ta phải dựa trên một loại thực thể vật chất nào đó.
Hiện tại, theo ngày càng nhiều dấu hiệu,** cách suy nghĩ của chúng ta không tương đương với cách suy nghĩ của máy tính Turing. **Nhưng theo nhận thức hiện tại của chúng tôi, bây giờ chúng tôi chỉ có hai sự lựa chọn - chỉ có máy Turing cổ điển và máy tính lượng tử mới xuất hiện gần đây, nhưng có thể không có sự lựa chọn thứ ba trong tương lai.
Nếu về cơ bản chúng ta đã xác định được rằng bộ não con người không được tạo ra từ một cỗ máy Turing cổ điển, thì đó có thể là một chiếc máy tính lượng tử. Tuy nhiên, khả năng máy tính lượng tử tạo ra các kiểu suy nghĩ giống con người là không rõ ràng. Vì vậy, chúng tôi ngày càng tin rằng máy tính lượng tử không phải là máy Turing và logic cơ bản của nó là khác.
Giáo dục Nhân tài trong Kỷ nguyên GPT: Trau dồi Khả năng Học tập Mạnh mẽ
Chúng tôi tạo ra những cỗ máy để giúp chúng tôi hoàn thành các nhiệm vụ khác nhau. Vì vậy, dưới góc độ định hướng nghề nghiệp cụ thể, rất khó xác định nghề nào không bị thay thế trong tương lai. Bởi vì đối với bất kỳ sự kiện hoặc thuật toán nào có thể được mô tả, máy Turing đều có thể thực thi nó. Khi chúng tôi mô tả một công việc là một nhiệm vụ cụ thể, máy tính có thể thực hiện nó, nó chỉ khác nhau ở mức độ hiệu quả mà máy tính thực hiện nhiệm vụ đó.
Trên thực tế, khi chúng ta xem xét những thứ mà máy Turing không thể thực hiện được, Turing và nhà toán học Gödel của ông đã chỉ ra điều này vào những năm 1930, nhưng chúng không thu hút đủ sự chú ý của con người vào thời điểm đó. thế hệ đã chứng minh rằng tư duy tri giác và trực giác là công cụ cơ bản để con người chúng ta hiểu thế giới, và tư duy duy lý là công cụ để tổ chức tư duy tri giác. Nói tóm lại, ** khả năng nhận thức thực sự về thế giới vẫn là duy nhất của con người và đạt được thông qua nhận thức tri giác của chính chúng ta. Đây là một trong những điểm cốt lõi giúp chúng ta hiểu và phân biệt con người với máy móc (hoặc AI). **
Dựa trên sự khác biệt về năng lực cốt lõi, trên thực tế, đối với con người chúng ta hoặc con người tương lai, một khả năng quan trọng để trau dồi đòi hỏi khả năng học hỏi và khả năng thích ứng mạnh mẽ. Chỉ thông qua khả năng học hỏi này, con người mới có thể đưa ra những giải pháp mới cho những nhu cầu mới và biến chúng thành công việc của mình. Rất khó để thảo luận chi tiết từng khía cạnh này, bởi vì khả năng học tập bao gồm nhiều lĩnh vực khác nhau. Nhưng bây giờ chúng ta phải tập trung vào đó, thông qua giáo dục để thay đổi cách giáo dục học sinh hiện nay.
Ví dụ, học kỳ này tôi tránh giao bài tập về nhà cho học sinh. Tôi bắt đầu nhận ra rằng không có gì ngăn cản họ thực hiện bài tập của mình bằng các công cụ như GPT và rằng câu trả lời thông qua GPT có thể tốt hơn tôi mong đợi và những bài tập như vậy đã mất đi ý nghĩa. Vì vậy, tôi chú ý nhiều hơn đến việc đối thoại và tương tác với học sinh trong lớp, chú ý đến hiểu biết của họ về logic và quy trình lập luận hơn là liệu họ có thể hoàn thành bài tập về nhà hay không.
Ngoài ra, trong suốt học kỳ, tôi hy vọng họ hoàn thành bài tập dựa trên dự án một cách tương đối có hệ thống. Giáo dục ngày nay đang ủng hộ học tập theo dự án và học tập thông qua việc tham gia vào các dự án. Trong quá trình thực hiện dự án này, chúng tôi để học sinh hiểu những gì các em đang làm, thay vì giáo dục các em thông qua các phương pháp trước đây là hỏi đáp, làm bài kiểm tra và làm bài tập. để trả lời câu hỏi.
Trong quá trình này, sẽ có nhiều vấn đề đáng để chúng ta xem xét. Chính vì chúng tôi nghĩ và hiểu nhu cầu trong lĩnh vực này nên sẽ tạo ra một lượng lớn cơ hội việc làm mới và hướng phát triển mới. Do đó, nếu phải nói, sự khác biệt giữa con người và máy móc có thể là một xu hướng lớn hơn mà bạn thực sự chú ý trong tương lai. Tóm lại, điều chúng tôi tập trung vào là khả năng của chính con người và sự tương tác giữa con người và máy móc, đây là một lĩnh vực rất rộng.
Xu hướng phát triển đối thoại giữa người và máy tính trong tương lai: tương tác giữa trí tuệ nhân tạo và máy móc
Đối với quan niệm và tầm nhìn về AI trong tương lai, rất khó để dự đoán chính xác các xu hướng cụ thể, bởi vì điều này có thể định hướng dư luận và ảnh hưởng đến hướng đầu tư vốn.
**Tôi nghĩ rằng một xu hướng quan trọng là sự tương tác giữa trí tuệ nhân tạo và máy móc. Với sự phát triển nhanh chóng của máy móc và con người, chúng ta cần một giao diện hoặc công cụ để kết nối cả hai nhằm đạt được giao tiếp tốt hơn. Tương tác giữa người và máy tính sẽ là một lĩnh vực kỹ thuật rất quan trọng. **
Khi tìm kiếm xu hướng trong tương lai, chúng ta nên chú ý nhiều hơn đến cả con người và máy móc, không chỉ một. Chúng ta cần suy nghĩ sâu sắc về khả năng và vị trí của con người, đây là một câu hỏi cần suy nghĩ lâu dài.
Mặc dù chúng ta đã thảo luận nhiều hơn về đạo đức giáo dục và định hướng tương lai có thể có của con người, nhưng từ quan điểm kỹ thuật, tương tác giữa con người và máy tính có thể là một lĩnh vực có tiềm năng lớn. Chúng ta cần suy nghĩ làm thế nào để có một phương thức giao tiếp giữa con người và máy móc nhanh hơn và hiệu quả hơn, mà không đòi hỏi con người phải trở thành những người mẫu chuyên nghiệp chuyên nghiệp.
Việc tương tác giữa người và máy tính có thể thu hút nhiều người tham gia một cách nhanh hơn và quản lý máy hiệu quả hay không có thể ảnh hưởng và thúc đẩy sự phát triển nhanh hơn của máy. Vì sự phát triển nhanh chóng của máy móc là điều không thể tránh khỏi trong tương lai, con người cũng cần làm rõ chiến lược và định vị của chính mình. Vì cả con người và máy móc đều phải cùng tồn tại trên trái đất, chúng ta nên có một cách tương tác đặc biệt hài hòa, thuận tiện và hiệu quả. Loại tương tác này có thể yêu cầu nhiều công nghệ mới để thực hiện.
Nói chung, chúng ta không muốn trở thành "nô lệ máy móc" trong tương lai, vì vậy chúng ta phải suy nghĩ về vị trí của con người. Trong lĩnh vực giáo dục, sự phổ biến của GPT cũng đặt ra cho tôi những thách thức và suy nghĩ quan trọng: “Học sinh được nuôi dưỡng bởi mô hình giáo dục truyền thống giống máy móc hơn hay con người hơn?” “Chúng ta nên học như thế nào để không bị thay thế bởi AI?” Những câu hỏi này định hướng một cách sâu sắc những cuộc thảo luận nghiêm túc của chúng ta ngày nay. Là giáo viên, chúng tôi không muốn những gì chúng tôi đang dạy học sinh ngày nay, hoặc sản xuất học sinh, thấy rằng trong 10 hoặc 20 năm nữa kể từ bây giờ, công việc của họ đã bị máy tính thay thế, khiến họ mất việc hoặc buộc phải thay đổi công việc.
**Tư duy của con người là tự do, sáng tạo và có thể giao tiếp. Về cơ bản, điều chúng ta cần phát triển là cách nuôi dưỡng những tài năng kỹ thuật sáng tạo với thói quen học tập suốt đời. **
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Ma Zhaoyuan Giải thích về AIGC: Các công ty trong nước muốn bắt kịp OpenAI trong năm nay? ít nhất 4-5 năm
Văn bản: Li Haidan, Tencent Technology
**【Ghi chú của biên tập viên】**Trong những tháng gần đây, AIGC được ưu đãi về vốn, ChatGPT đã trở nên phổ biến, các đại gia công nghệ lớn trong nước và các công ty mới thành lập lần lượt gia nhập thị trường. Trí tuệ nhân tạo đang âm thầm tác động đến mọi tầng lớp xã hội, đây không còn chỉ là một bước tiến hóa công nghệ đơn thuần mà sẽ trở thành một cuộc cách mạng.
Mặc dù sự bùng nổ của các ứng dụng AI có vẻ đột ngột nhưng đằng sau hậu trường, các nhà khoa học đã trải qua vô số thất bại và tích lũy kinh nghiệm. Cũng giống như diễn giả khách mời của chúng ta ** Ma Zhaoyuan (Giáo sư Đại học Khoa học và Công nghệ Phương Nam, Thành viên Hiệp hội Vật lý Anh, Kỹ sư Công chứng Hoàng gia Anh, nguyên trưởng nhóm nghiên cứu của Phòng thí nghiệm Tương lai của Đại học Thanh Hoa) ** trong cuốn sách "The Điều bất khả thi của trí tuệ nhân tạo" được đề cập: "Mỗi inch tiến bộ đều đòi hỏi sự chăm chỉ hàng ngày và sự chồng chất của nhiều điều không chắc chắn."
Trên thực tế, trong lịch sử lâu dài của khoa học và công nghệ, cuộc cách mạng công nghệ này chỉ là bước đầu tiên để đưa nhân loại đến "kỷ nguyên của trí tuệ nhân tạo". Cho đến nay, chúng ta vẫn cần quan tâm đến nhiều vấn đề tồn tại và mâu thuẫn. Ví dụ: Dưới làn sóng công nghệ do OpenAI dẫn đầu, liệu Trung Quốc có thể nhanh chóng bắt kịp? Cuộc cách mạng công nghệ này sẽ mang lại những thay đổi gì cho xã hội và cơ cấu công nghiệp? Máy móc sẽ thay thế con người trong tương lai? Trong thời đại lặp đi lặp lại công nghệ nhanh chóng như vậy, giáo dục nhân tài của Trung Quốc nên được trau dồi như thế nào?
Trong số "AI Future Guide North" này, Tencent Technology đã phỏng vấn Ma Zhaoyuan, ông đã chia sẻ những suy nghĩ và quan điểm khác nhau về những vấn đề này. Chúng tôi biên soạn kỷ vật 4D này thành một bài viết để cùng cư dân mạng khám phá, học hỏi và suy nghĩ. đối với con người.
Đừng lo liệu con người có trở thành "nô lệ máy móc" hay không, chủ đề nóng hổi là sự cường điệu về vốn đằng sau nó
Với sự bùng nổ gần đây trong việc ứng dụng các sản phẩm như mô hình ngôn ngữ lớn trí tuệ nhân tạo, nhiều người lo lắng rằng với sự phát triển của trí tuệ nhân tạo, nó sẽ mang lại một số rủi ro và vấn đề an toàn cho con người, xung đột với sự tồn tại của con người và xã hội.
Về những vấn đề mà mọi người đang lo lắng, tôi nghĩ đến một từ gọi là "nô lệ máy móc".
Chúng ta lo lắng một ngày nào đó trong tương lai mình sẽ trở thành “nô lệ máy móc”, giống như một số tình tiết trong phim “RoboCop”: một ngày nào đó loài người sẽ bị máy móc thống trị và phải di chuyển xuống lòng đất. Trong suốt cuộc đấu tranh này, nhân loại đã duy trì tinh thần nổi loạn của mình, tiếp tục nỗ lực để giành lại quyền kiểm soát tương lai và Trái đất. Cuối cùng, AI phải cử một con robot du hành xuyên thời gian và không gian đến năm 1984, tìm cách tiêu diệt thủ lĩnh của Quân kháng chiến trước khi nó ra đời, và chiến tranh giữa con người và robot nổ ra trong tương lai... Những câu chuyện như thế này , Nhiều người có thể có trí tưởng tượng tương tự như vậy.
Đối với những quan điểm và lo ngại như vậy, tôi nghĩ là hoàn toàn không cần thiết. Trước hết, xét theo trình độ công nghệ hiện nay, chưa chắc người máy hay các thực thể thông minh sẽ thực sự "thống trị thiên hạ", thậm chí trở thành bá chủ của loài người. Ngay cả khi họ thực sự trở thành chủ nhân của con người vào một thời điểm nào đó trong tương lai, thì cũng phải mất một thời gian dài để nhận ra điều đó, chúng ta không cần phải công khai chuyện này lúc này để khiến mọi người lo lắng.
Ngoài ra, mặc dù hiện tại có nhiều nhà lãnh đạo ngành thảo luận về các chủ đề liên quan. Nhưng tôi nghĩ ở một mức độ nào đó, nó có thể bị thúc đẩy bởi lợi ích kinh tế và thị trường vốn đằng sau nó. **Bởi vì vốn đầu tiên phải suy đoán về một chủ đề trước khi có thể kiếm được lợi nhuận từ nó. Ví dụ, sự kiện lịch sử trước đây ở Hà Lan vào thế kỷ 17 - "bong bóng hoa tulip", đã thổi phồng một khái niệm hư cấu không có nhiều giá trị, và sau đó ai đó đã thu hoạch tỏi tây từ đó. Nhưng thực ra môn học có thể không đáng sợ như chúng ta nghĩ.
Trong mười năm qua, chúng ta đã thấy rằng thị trường vốn của Trung Quốc đã giới thiệu và thổi phồng nhiều chủ đề, chẳng hạn như vật liệu graphene, sau đó là thực tế ảo, bitcoin, metaverse, v.v., và năm nay là trí tuệ nhân tạo. thuật ngữ mới. Trong quá trình này, những kẻ săn mồi vốn có thể được hưởng lợi từ nó và số vốn ngày càng lớn hơn. Nhưng đối với Xiaobai bình thường, chúng ta chỉ chạy theo những danh từ này, nếu chúng ta không hiểu logic vận hành và tình hình thực tế, chúng ta có thể mất gần hết số tiền trong túi.
Gần đây, ChatGPT đã bùng nổ. Đây là một tiến bộ công nghệ quan trọng, **về bản chất, nó đã thay đổi cách con người chúng ta tương tác với máy tính. **Nếu bạn muốn nói về cuộc cách mạng, từ góc độ mô hình phát hành của ngành, GPT đã thay đổi số phận của OpenAI, Microsoft và Google. Hiện tại, Google đang rất lo lắng về sự trỗi dậy của GPT. Sự xuất hiện của GPT đã cải thiện đáng kể độ chính xác và hiệu quả tìm kiếm của mọi người. Trước đây, khi chúng ta sử dụng Google để tìm kiếm, trang chủ Google sẽ hiển thị tất cả các trang web có thể liên quan đến nó, có thể có hàng trăm trang, thậm chí hàng chục nghìn kết quả. Nhưng mô hình hiện tại có thể hiểu câu hỏi của người dùng chính xác hơn và đưa ra câu trả lời có khả năng nhất, giúp cải thiện đáng kể khả năng truy xuất thông tin. Tiếp theo, nó có thể thay đổi chế độ làm việc của chúng tôi, đặc biệt là trong xử lý tệp và thu thập dữ liệu, điều này có thể cải thiện đáng kể hiệu quả công việc của chúng tôi.
Nhưng khi nói đến việc liệu nó có phát triển thành trí tuệ nhân tạo nói chung hay không thì vẫn còn quá xa so với quan điểm hiện tại. Như đã đề cập trong cuốn sách của tôi (đề cập đến "Sự bất khả thi của trí tuệ nhân tạo"): Có một khoảng cách cốt lõi và quan trọng giữa trí tuệ nhân tạo nói chung và con người, và công nghệ AI hiện tại không thể thu hẹp khoảng cách này. Còn lý do thì sẽ nói ở dưới (Phần 06).
Thị trường trong nước thiếu tâm thế xây dựng hệ sinh thái, ít nhất phải 4-5 năm nữa mới bắt kịp OpenAI
Chúng tôi đã chứng kiến sự ra mắt và ra mắt của nhiều sản phẩm mô hình ngôn ngữ lớn, chẳng hạn như ChatGPT phổ biến đang hoạt động rất tốt, nhiều công ty lớn ở Trung Quốc cũng đang làm theo và tung ra nhiều sản phẩm tương tự.
Ví dụ, một công ty nào đó tung ra một sản phẩm, vài ngày sau một công ty khác lại tung ra một sản phẩm tương tự, rẻ hơn và phù hợp với môi trường Trung Quốc, tất cả đều được thổi phồng với nội dung tương tự. Tôi cho rằng nhiều công ty lớn trong nước thiếu tâm thế xây dựng hệ sinh thái, ham kiếm tiền nhanh, một khi thuật ngữ mới xuất hiện sẽ nhanh chóng bám theo.
Hiện tượng đi theo như vậy là rất bất lợi cho sự phát triển của nền kinh tế quốc gia hoặc nền kinh tế khu vực. Nếu chúng ta cứ chạy theo xu hướng, chúng ta có thể không bao giờ bắt kịp. Ví dụ, Microsoft đã tập trung vào nghiên cứu trong mười năm qua, nhưng không tạo ra nhiều đột phá trong các lĩnh vực khác, và về cơ bản đã bị các công ty khác chèn ép, điều này đòi hỏi rất nhiều bất ổn và áp lực. Microsoft đã “nhịn” cả chục năm, với tiềm lực tài chính, khả năng nghiên cứu phát triển và chiến lược hợp tác kinh doanh, cuối cùng chúng ta cũng được chứng kiến sự ra mắt của ChatGPT và các sản phẩm mới liên quan, phải mất một thời gian dài mới tạo ra “điểm bùng nổ” và chúng tôi mong đợi chỉ sau một đêm. Thật không thực tế khi mong đợi rằng một công ty có thể đạt được sự thay đổi triệt để.
Phải chăng các công ty này là những “tay chơi” đặc biệt, chỉ cần vài tháng, một hai năm là có thể hoàn thành cùng một công việc mà những công ty khác phải mất cả chục năm mới hoàn thành? Có phải những công ty này không nhận thức được những vấn đề mà chúng tôi đang xem xét? Ngoài ra, bạn có cần một câu hỏi cường điệu để đẩy thị trường chứng khoán và giá cổ phiếu lên không? Tất cả những điều này đòi hỏi những người bình thường như chúng ta phải suy nghĩ cẩn thận, cân nhắc xem mình có nên làm theo và đưa ra quyết định đầu tư tương ứng hay không.
** Xét về thực trạng phát triển kinh tế đất nước, cứ chạy theo trào lưu thì không bao giờ đuổi kịp người đi trước. Thay vào đó, chúng ta nên suy nghĩ về cách thực hiện đồng xây dựng sinh thái lẫn nhau dựa trên khả năng hiện tại của chúng ta. Đây là câu hỏi đáng để các ông lớn công nghệ trong nước suy nghĩ. **
Lấy một ví dụ: Trong hơn 40 năm qua, Trung Quốc đã đạt được những thành tựu to lớn trong việc xây dựng cơ sở hạ tầng, chẳng hạn như đường sắt cao tốc của Trung Quốc đã phát triển rất tốt, và nó đã trở thành một hệ thống đường sắt cao tốc cần được xem xét trên toàn cầu, và nó đã trở thành một danh thiếp của Trung Quốc. Một ví dụ khác, trong ngành truyền thông và máy tính, 5G của Trung Quốc đã là mạnh nhất thế giới. Những lĩnh vực này chúng ta có một số lợi thế, việc xây dựng cơ bản đã được thực hiện rất tốt, hiện nay chúng ta cũng có thể xây dựng một số khả năng và hướng phát triển sinh thái trên những nền tảng này để phát huy lợi thế lớn hơn.
Chúng ta có thể hình dung rằng, dựa trên lợi thế của mình, trong 10, 20 năm tới, nếu một số quốc gia ở Châu Âu và Hoa Kỳ độc quyền về một số hướng kỹ thuật, chúng ta cũng có thể rơi vào tình trạng “đè đầu cưỡi cổ” dựa trên lĩnh vực dẫn đầu của mình. Giành được vị thế đàm phán. Quay trở lại với công nghệ, dù doanh nghiệp trong nước muốn bắt kịp GPT hay Bing thì có thể dựa vào kinh nghiệm của “tiền bối”,** chúng ta có thể đẩy nhanh tốc độ nghiên cứu và phát triển, nhưng nếu bắt kịp thì có thể mất ít nhất 4-5 năm. ** Ngoài ra, chúng ta cũng cần suy nghĩ: Dù có đuổi kịp, sau mấy năm, cơn gió này có qua đi không? Và bản thân Microsoft hay Open AI cũng đang phát triển lặp đi lặp lại, đã trở thành một "big mac"?
**Nói chung, đầu tư theo xu hướng thực sự là một sự lãng phí chi phí, thời gian và tài năng. Đối với những người tham gia, ngoài việc gia tăng sự hoảng loạn và lo lắng, họ có thể không nhận được bất kỳ lợi ích nào, và nó sẽ chỉ cho phép vốn thu được một phần lợi ích của các nhà đầu tư trong quá trình chạy theo xu hướng. **
AI sẽ không khiến một lượng lớn người thất nghiệp, và nghề nghiệp của bất kỳ thời đại nào cũng cần do con người tạo ra
Bên cạnh lý thuyết về mối đe dọa của AI, người ta quan tâm nhiều hơn đến tác động của AI đối với việc làm.
Bản chất nhân hóa cao của ChatGPT đã gây ra một làn sóng khủng hoảng trong ngành và nhiều người bắt đầu lo lắng về việc liệu ngành của họ có bị ảnh hưởng hay thậm chí mất việc làm hay không. Từ quan điểm hiện tại, một số công việc có thể bị ảnh hưởng trong thời gian ngắn, nhưng nó sẽ không ảnh hưởng đến sự ổn định lâu dài của xã hội.
Từ góc độ định hướng nghề nghiệp, liệu cuộc cách mạng trí tuệ nhân tạo có dẫn đến suy giảm dân số và lực lượng lao động? Câu trả lời là không.
Ví dụ, trong cuộc Cách mạng Công nghiệp, khoảng giữa thế kỷ 18 và 19, một trong những thay đổi lớn nhất là sự suy giảm dân số làm nông nghiệp. Trong những ngày đầu của cuộc Cách mạng Công nghiệp hoặc trước khi nó bắt đầu, hơn 95% dân số trên hành tinh tham gia lao động nông nghiệp và chỉ một phần nhỏ là những người cai trị hoặc linh mục. nông dân.
Tình hình bây giờ đã khác, lấy các nước phát triển làm ví dụ, chưa đến 2% dân số ở Hoa Kỳ làm nông nghiệp. Hơn 90% dân số ở giữa đã thay đổi nội dung sản xuất. Mặc dù một số công việc biến mất, nhưng những người này không biến mất mà thay vào đó, dân số tăng lên. Xét về tác động đối với xã hội loài người, những thay đổi như vậy không gây ra tình trạng thất nghiệp dài hạn, thậm chí không ảnh hưởng đến sự bất ổn của xã hội loài người, nhiều người chỉ thay đổi công việc mà họ đang làm, và điều thay đổi chính là phương thức sản xuất của con người. Mặc dù nó có thể dẫn đến việc giảm đáng kể hoặc thậm chí biến mất một số vị trí, nhưng cũng vì sự thay đổi này, nhiều nhu cầu đối với các vị trí khác sẽ được kích hoạt và bổ sung.
Một ví dụ khác, chúng tôi đã đề cập đến một từ tiếng Anh có tên là "Máy tính". Chúng ta có thể nghĩ ngay đến máy móc khi nghe đến từ này, nhưng 70 năm trước, từ "Máy tính" có nghĩa khác với bây giờ. Vào thời điểm đó, nó đề cập đến những người làm việc trên máy tính tương tự như Dự án Manhattan.
Lúc đó chưa có máy tính, chưa có máy tính để bàn như bây giờ, nhưng việc hoàn thành các dự án lớn đòi hỏi tính toán rất nhiều nên công ty phụ trách dự án này đã thuê một số phụ nữ trẻ và cẩn thận để sử dụng slide. nội quy trong phòng đặc biệt Làm nhiều công việc tính toán bằng giấy nháp, những người phụ nữ này được gọi là "máy tính".
Thuật ngữ "Máy tính" được đặt ra cho những người làm việc trong lĩnh vực máy tính, dùng để chỉ những người lao động làm việc nhiều với máy tính trong văn phòng. Sau này, với sự ra đời của máy tính, cho đến ngày nay khi nhắc đến “Máy tính” chúng ta mới biết là nói đến cái máy tính chứ không phải nói đến những người phụ nữ làm công việc tính toán. Do đó, ý nghĩa của từ "máy tính" đã thay đổi hoàn toàn và nó được dùng để chỉ những cỗ máy thuần túy.
**Vì vậy, khi máy móc trở nên hiệu quả hơn trong một số lĩnh vực nhất định, chúng có thể thay thế một số công việc của con người, dẫn đến sự biến mất của một số công việc. Tuy nhiên, những người này không thực sự biến mất, họ chuyển sang làm những công việc phức tạp hơn hoặc có nhu cầu khác. **
**Một trong những đặc điểm lớn nhất của con người là không ngừng đổi mới và tạo ra những nhu cầu mới. **Những nhu cầu mới này sẽ kích hoạt mọi người tạo ra các cơ hội việc làm mới. Chúng ta không cần hoang mang hay lo lắng quá nhiều về tình trạng thất nghiệp, trong suốt lịch sử phát triển của xã hội loài người, chúng ta đã thích nghi và ứng phó với sự thay đổi này. Chúng ta có khả năng liên tục sáng tạo và thích nghi với môi trường làm việc và cơ hội việc làm mới.
Từ góc độ yêu cầu kỹ thuật chuyên nghiệp, với sự phát triển của các ứng dụng ngôn ngữ mô hình quy mô lớn, việc hoàn thành các tác vụ lập trình sẽ trở nên dễ dàng và đơn giản hơn. Ví dụ: với sự trợ giúp của các công cụ như ChatGPT, chúng tôi chỉ cần đề xuất những gì chúng tôi muốn làm và đưa ra một nhiệm vụ rõ ràng, và GPT sẽ giúp chúng tôi hoàn thành phần còn lại của công việc. Ví dụ: chúng ta có thể hỏi trực tiếp GPT và nó sẽ sử dụng khả năng lập trình và truy xuất của mình để trực tiếp tạo mã. Bằng cách đó, một hệ thống như Python thậm chí có thể không cần thiết nữa. Nói tóm lại, người ta chỉ cần mô tả các yêu cầu và tiến hành thực hiện các cách được mô tả đó.
** Ngoài ra, đánh giá từ xu hướng này, mức độ tự động hóa của lập trình trong tương lai sẽ ngày càng cao hơn. ** Nó giống như ngôn ngữ hợp ngữ tôi đã học khi tôi học lập trình, bây giờ hầu hết những người trẻ tuổi có thể không còn biết cách viết nó, đó là lý do tương tự.
Hợp ngữ là ngôn ngữ bậc cao nằm giữa ngôn ngữ người và ngôn ngữ máy, nó bao gồm hợp ngữ và lập trình trực tiếp bằng ngôn ngữ máy. Sau hợp ngữ, các ngôn ngữ như C, C++, Java xuất hiện rồi dần dần phát triển sang các ngôn ngữ như Python. Khi tôi giao tiếp với sinh viên, tôi thấy rằng Python là một ngôn ngữ rất lỏng lẻo đối với những người đã học C, nhưng nó đã trở thành một công cụ yêu thích đối với những sinh viên không quen sử dụng C nữa. Dưới ảnh hưởng của một số hệ thống lý thuyết, các kỹ sư khác nhau vẫn có sự khác biệt về mức độ hiểu AI. Và chúng ta có thể vẫn cần một số chuyên gia để liên tục cải thiện hệ thống chạy nền, vậy làm sao để thống nhất các tiêu chuẩn về mức độ dễ hiểu để đạt được kết quả như mong muốn.
Nói chung, ** dù ở thời đại nào, những nhu cầu mới đều do con người chúng ta tạo ra. **Chúng ta không thể áp dụng lối suy nghĩ tĩnh tập trung vào sự thay thế và xung đột của con người. Nếu chỉ có những công việc và nhu cầu hạn chế trên trái đất, khi máy móc đảm nhận những công việc này, con người chúng ta có thể thực sự không còn ý nghĩa gì cho sự tồn tại. Nhưng thực sự, điều tuyệt vời khi trở thành con người là khả năng liên tục tạo ra những nhu cầu mới và những nhu cầu đó được đáp ứng thông qua con người.
Cạnh tranh với AI là vô nghĩa, cần chú ý nhiều hơn đến các ràng buộc chính sách và quản lý rủi ro
Giờ đây, cả Trung Quốc và Hoa Kỳ đã bắt đầu đưa ra một số cơ chế quản lý liên quan. Sự phát triển công nghệ trong bất kỳ thời kỳ nào cũng cần có những ràng buộc nhất định về chính sách và quản lý rủi ro.
Hãy lấy lịch sử của ô tô làm ví dụ, trước năm 1900, ô tô rất ít, chỉ những người rất giàu mới có thể mua được và chúng không có nhiều tác động đến xã hội. Hơn nữa, tốc độ của xe cũng không nhanh, ví dụ như chỉ có thể đi hơn mười km một giờ, so với đi bộ cũng không khác nhau bao nhiêu, cho nên cũng không cần đặt ra quá nhiều quy tắc cho nó, cứ để nó phát triển.
Tuy nhiên, với sự ra đời của dây chuyền sản xuất lắp ráp của Ford Motor Company, giá thành của ô tô đã giảm đi rất nhiều, người bình thường có thể lái xe và số lượng ô tô đã tăng lên đáng kể. Tốc độ của ô tô cũng tăng từ hơn chục km/h lên đến hàng trăm km/h, lúc này ô tô có thể trở nên nguy hiểm và liên quan đến một số vấn đề an toàn, vì vậy con người chúng ta cần hình thành các quy tắc dành cho ô tô. Ví dụ, thiết kế những con đường đặc biệt cho nó, nó không còn có thể trộn lẫn với người đi bộ, thậm chí cần xây dựng đường cao tốc cho nó, và đặt đèn giao thông, đèn giao thông, v.v.
Tương tự như vậy, đối với một chiếc máy, chúng ta thiết kế nó để cho phép nó thu thập và sắp xếp dữ liệu ở tốc độ cao, đồng thời thực hiện suy luận và tư duy logic nhanh chóng. Giống như chúng ta thiết kế ô tô để đi nhanh. Một khi chiếc xe xuất hiện, chúng ta không cần phải cạnh tranh với nó để xem ai nhanh hơn.
Vì vậy, khi một chiếc máy tính có khả năng đối chiếu và xử lý dữ liệu mạnh mẽ như vậy, thì việc cạnh tranh bằng chuyên môn của nó trong một lĩnh vực cụ thể là vô nghĩa, chúng ta cần đặt ra những quy tắc cho nó nhiều hơn.
Ví dụ, gần đây mọi người trong ngành chú ý đến công nghệ "Midjoury" có thể được sử dụng để tạo hình ảnh và bắt chước giọng nói, thậm chí có thể tạo tin tức. Vậy khi những nội dung video, tin tức này được phát tán trên Internet thì quy định ra sao, đảm bảo tính hợp lệ như thế nào? Điều này trở thành một vấn đề phát triển các quy tắc theo thời gian. Việc xây dựng các quy tắc này làm cho cách con người và máy móc cùng tồn tại trở thành một vấn đề thực sự.
Những vấn đề này đòi hỏi chúng ta phải bắt đầu suy nghĩ ngay hôm nay và đạt được sự đồng thuận. Bây giờ ô tô đã tồn tại, trái đất là trạng thái cộng sinh giữa con người và ô tô. Do đó, chúng ta cần xây dựng các quy tắc giao thông dành cho ô tô để đảm bảo sự cùng tồn tại của con người và ô tô trong các thành phố hoặc môi trường cụ thể. Trong quá trình này, không chỉ ô tô cần tuân theo luật mà con người cũng cần tuân theo luật.
Sự trỗi dậy của AI sẽ tiêu thụ năng lượng và tài nguyên, nhưng nó đáng được công nhận vì đã cải thiện hiệu quả của con người
Trong cuộc phỏng vấn này, một câu hỏi về cơ cấu năng lượng đã được đề cập: Từ góc độ cơ cấu kinh tế công nghiệp, với sự phát triển bùng nổ của AIGC, cần nhiều năng lượng tính toán hơn, cần nhiều điện và hỗ trợ thủy lực hơn. đến những thay đổi trong cách bố trí của các quốc gia liên quan hoặc cấu trúc năng lượng toàn cầu?
Đây là điều chắc chắn sẽ xảy ra. Khi cơ cấu công nghiệp và nhu cầu mới xuất hiện, đây là kết quả tất yếu, vấn đề nằm ở cách sắp xếp, điều chỉnh. Nếu AI tiêu tốn sức mạnh tính toán, nó cần cung cấp đủ năng lượng cho nó. Trong quá trình năng lượng này, nó liên quan đến việc xem xét cấu trúc tiêu thụ năng lượng và trái đất xanh, tôi nghĩ nó không liên quan đặc biệt đến sự phát triển của AI, mà là một tình huống tự nhiên.
Theo dữ liệu liên quan, mức tiêu thụ năng lượng hàng năm kết hợp của các trung tâm đám mây của Trung Quốc có thể tương đương với việc phát điện của hai Nhà máy điện Tam Hiệp (mức tiêu thụ tài nguyên của các trung tâm đám mây không giới hạn ở hỗ trợ AI và thậm chí tỷ lệ dịch vụ AI cũng tương đối bé nhỏ). Khi số lượng tính toán tăng lên, nhu cầu về điện năng sẽ tăng hơn nữa. Ngoài việc cung cấp thêm các chất bổ sung năng lượng mới, chúng ta cũng cần xem xét làm thế nào để nâng cao hiệu quả sử dụng năng lượng, đây thực sự là một vấn đề tương đối phức tạp. Về tiết kiệm năng lượng, cần phải tính toán, và cần phải làm mát. Tuy nhiên, kết hợp với tình hình trong nước hiện nay, do sự phát triển nhanh chóng trong vài năm qua, một nửa năng lượng chúng tôi cung cấp cho trung tâm dữ liệu được sử dụng để tản nhiệt. Đây là điều chúng ta cần xem xét.
Làm thế nào để giải quyết và tránh vấn đề chiếm dụng và phân bổ tài nguyên bất hợp lý? Tôi xin đưa ra một ví dụ khác: Sau khi Google mua lại Deepmind, nhóm Deepmind được yêu cầu làm một việc, đó là điều chỉnh trung tâm đám mây của Google để tiết kiệm năng lượng thông qua học tăng cường và nhiều thuật toán AI khác. Làm như vậy thực sự đã giúp Google giảm gần 50% mức tiêu thụ năng lượng. Do đó, gần như 100% điện năng trong trung tâm đám mây của Google được sử dụng cho điện toán và chỉ một phần rất nhỏ (dưới khoảng 5%) được sử dụng để làm mát. Do đó, hình thức tối ưu hóa này giúp tiết kiệm năng lượng lãng phí của trung tâm đám mây của Google trên quy mô lớn.
Do đó, nếu chúng ta có thể đạt được mức độ hiệu quả tương tự như việc sử dụng trung tâm đám mây của Google và xem xét lượng carbon kép và năng lượng xanh được cả thế giới ủng hộ, thì chúng ta vẫn có thể xem xét cách sử dụng năng lượng hiệu quả trong tương lai.
Cần lưu ý rằng chúng ta chỉ thảo luận về mức tiêu thụ năng lượng trong câu hỏi này. Nói chung, AI thực sự có thể giúp chúng ta cải thiện đáng kể hiệu quả sử dụng.Một khi nó được sử dụng rộng rãi, khả năng cải thiện hiệu quả có thể có ý nghĩa hơn nhiều so với tác động tiêu thụ năng lượng của nó.
Làm thế nào để AI hiểu ngôn ngữ của con người? Thông qua ba phương thức suy luận logic
Mô hình học sâu hiện tại, đặc biệt là mô hình ngôn ngữ quy mô lớn xuất hiện gần đây, vẫn là một "công nghệ hộp đen". Mặc dù các mô hình ngôn ngữ lớn thực hiện tốt nhiều nhiệm vụ trong xử lý ngôn ngữ tự nhiên, nhưng chúng ta vẫn cần tìm một phương pháp có thể diễn giải được.
Trong công việc khoa học, chúng ta thường quen với việc kết nối các hiện tượng với những thứ khác, và nếu chúng ta có thể mô tả chúng theo một công thức ngắn gọn và đẹp đẽ, chúng ta có thể chứng tỏ rằng mình hiểu. Tuy nhiên, đánh giá từ khả năng diễn giải của mô hình ngôn ngữ lớn hiện tại bao gồm cả mạng thần kinh, các tham số của nó sẽ rất ngẫu nhiên và nếu các tham số được thay đổi rất ít, kết quả cũng sẽ thay đổi rất nhiều. Mặc dù các tham số này đóng một vai trò trong kiến trúc, cơ chế chính xác của chúng vẫn chưa được hiểu đầy đủ. Chúng ta không thể mô tả chúng bằng các mô hình đại số đơn giản, và theo nghĩa đó, nó không được hiểu rõ hơn.
Chúng ta, những người bình thường (không chuyên) không quen sử dụng nhiều con số để diễn tả mối quan hệ giữa hai sự vật và sự thay đổi của mỗi con số sẽ dẫn đến một kết quả như thế nào. Khi mối quan hệ không rõ ràng, chúng ta nghĩ rằng nhà nước chưa thấu tình đạt lý. Do đó, mọi người thường nhầm lẫn khái niệm và cho rằng chưa hiểu rõ về các mô hình ngôn ngữ lớn hay mạng lưới thần kinh. Trên thực tế, chúng không hoàn toàn không được hiểu, chỉ là chúng ta chưa tìm ra cách thỏa mãn mà chúng ta quen thuộc để hiểu chúng.
Hiện tại, GPT dựa nhiều hơn vào việc đào tạo dữ liệu lớn. Cách chính là học cách phán đoán câu trả lời mà chúng ta rất có thể muốn dựa trên xác suất. Liệu hình thức lập luận hiện tại của nó có khả thi và đáng tin cậy hay không, chúng ta có thể xem xét nó từ các khía cạnh này :
Trước hết, câu trả lời có thể được đưa ra dựa trên xác suất tối đa. Phương pháp liên quan đến mạng thần kinh và thống kê Bayes ở cấp độ thuật toán là logic được GPT sử dụng trong nền và nó đúng.
Ngoài ra, khi nói đến suy luận logic, chúng ta có thể chia suy luận logic thành ba phương thức khác nhau, không giới hạn trong phạm vi logic.
Khi con người chúng ta nhận thức thế giới, có ba cách khác nhau:
Đầu tiên là lý luận suy diễn, dẫn đến kết luận hoàn toàn chính xác. Một cỗ máy có thể thực hiện suy luận nhanh hơn nhiều so với chúng ta vì nó dựa trên bốn nguyên tắc cơ bản của logic cổ điển: quy luật đồng nhất tuyệt đối, quy luật mâu thuẫn, quy luật loại trừ trung gian và quy luật nhân quả. **
Dựa trên bốn nguyên tắc này, các kết luận xác định có thể được rút ra. Tuy nhiên, vấn đề với các kết luận tất định là trong logic, nó được gọi là tautology, tức là một sự kiện đã biết được phát biểu lại theo một cách khác. Từ quan điểm lý luận suy diễn, câu trả lời đã được ngụ ý trong tất cả các giả định của bạn, nó chỉ được thể hiện theo một cách khác.
Một điều chúng ta cần hiểu là, trên thực tế, máy Turing được thiết kế cho việc này, nó là máy logic suy diễn cổ điển. Năm 1936, nhà toán học người Anh Turing đã xuất bản một bài báo quan trọng "On Computable Numbers and their Application to Decision Problems", đánh dấu sự ra đời của Máy Turing. Hoạt động của máy Turing rất giống với quá trình suy nghĩ về các tính toán được viết ra của chúng ta. Mô hình máy Turing cho đến nay là mô hình điện toán cổ điển được sử dụng rộng rãi nhất, không phải là một trong số chúng.
Cho đến ngày nay, trí tuệ nhân tạo vẫn dựa trên máy Turing. Những điều mà máy Turing không làm được thì máy tính ngày nay dù mạnh đến đâu cũng không làm được. Đây là một trong những cốt lõi trong suy nghĩ của chúng tôi về sự phân công lao động giữa con người và AI. **
**Chế độ thứ hai được gọi là cảm ứng. **Quy nạp là quá trình quan sát nhiều sự kiện và tìm ra những đặc điểm chung của chúng, rồi tóm tắt chúng thành kiến thức mới. Tuy nhiên, quy nạp không thể đạt được thông qua logic chặt chẽ vì không thể sử dụng hết tất cả các khả năng. Do đó, có thể xảy ra cái gọi là "sự kiện thiên nga đen", tức là chúng ta quan sát thấy thiên nga ở Châu Âu và Châu Mỹ đều có màu trắng, từ đó kết luận rằng thiên nga phải có màu trắng. Nhưng khi phát hiện có thiên nga đen ở Úc thì phương pháp quy nạp không thể đưa ra kết luận chính xác tuyệt đối, vì nó không thể bao hàm hết mọi khả năng. Máy móc bị hạn chế về mặt này và không thể vượt qua giới hạn cảm ứng, nhưng con người thì có thể. Tuy nhiên, chúng ta cũng phải hiểu rằng kết luận này có thể bị lật ngược, đó là điều mà khoa học hiện đại theo đuổi.
Phương thức thứ ba là phép loại suy, là một cách lập luận lỏng lẻo bằng cách liên kết thứ này với thứ khác. Ví dụ, khi nghĩ về cấu trúc của DNA, nếu chúng ta không biết nó trông như thế nào và trong giấc mơ thấy hai con rắn quấn vào nhau, chúng ta có thể nghĩ đến cấu trúc của DNA. Trên thực tế, cấu trúc xoắn kép của DNA thực sự được "bao phủ" theo cách này. Nhưng đối với máy tính dựa trên logic suy diễn, điều này không thể đạt được. Phép loại suy là một cách suy luận ít chặt chẽ hơn, nhưng là con người, chúng ta có thể sử dụng nó.
Từ ba chế độ này, chúng ta có thể rút ra kết luận rằng máy móc hiệu quả hơn nhiều so với con người trong việc thực hiện logic suy diễn, bởi vì chúng hoạt động trên máy Turing và là hệ thống máy tính hoàn chỉnh. Tuy nhiên, máy móc không thể tạo ra bất kỳ kiến thức mới nào, và kiến thức mới cần được con người tiếp thu thông qua quy nạp hoặc phép loại suy lỏng lẻo. Các quan điểm này cần được chứng minh từng bước bằng phương pháp suy diễn, cuối cùng chuyển hóa thành tri thức tương đối ổn định, máy móc nhận thức không thể vượt con người trong lĩnh vực tiếp thu tri thức mới. Và khi chúng ta nói rằng máy không thể làm được, điều đó có nghĩa là máy không thể xử lý nó từ những lĩnh vực khác ngoài logic suy diễn chặt chẽ, và những lĩnh vực này chính xác là những gì con người có thể xử lý.
Điều này thực sự liên quan đến cuộc thảo luận về phân công lao động giữa con người và máy móc. Dù là trí tuệ nhân tạo hay máy móc thì chúng đều được phát triển dựa trên máy Turing và những vấn đề nêu trên là không thể tránh khỏi. Sự phát triển của trí tuệ nhân tạo hiện nay dựa trên máy Turing, nếu trí tuệ nhân tạo không thể đạt được một số nhiệm vụ nhất định, thì có thể là do hạn chế của sự phát triển phần cứng như Định luật Moore hoặc các hạn chế liên quan khác.
Gần đây, Sam Altman, Giám đốc điều hành của OpenAI, tuyên bố rằng số lượng máy tính trí tuệ nhân tạo toàn cầu đang tăng gấp đôi sau mỗi 18 tháng. Về vấn đề này, một số người tin rằng hiệu suất sức mạnh tính toán của trí tuệ nhân tạo sẽ tiếp tục đạt được sự cải thiện theo cấp số nhân. Trên thực tế, ** về "Định luật Moore" và các thuật toán là hai mệnh đề khác nhau. Định luật Moore chủ yếu đề cập đến sự phát triển của phần cứng, nhưng thuật toán không hoàn toàn tuân thủ các định luật của Định luật Moore. Do các vấn đề kỹ thuật trong quá trình xử lý thiết bị chính xác, Định luật Moore ngày nay đã bị chậm lại theo một nghĩa nào đó** và nó liên quan đến nhiều thách thức hơn trong công nghệ cơ khí. Đối với sự phát triển của các thuật toán, thật khó để nói rằng nó được thực hiện theo Định luật Moore và có một số khác biệt giữa hai thuật toán này.
Khi nói đến Định luật Moore, chúng ta có thể đi xa hơn, và khi đơn vị điện toán đạt đến cấp độ nguyên tử, chúng ta bước vào một lĩnh vực khác, đó là điện toán lượng tử. Từ lĩnh vực điện toán lượng tử và kết hợp những tiến bộ của chúng tôi trong những năm gần đây, chúng tôi thấy rằng điện toán lượng tử không phải là một cỗ máy Turing nghiêm ngặt. Hơn nữa, việc thiết kế điện toán lượng tử ở cấp độ công nghệ là quá khó, và có lẽ còn rất lâu nữa mới thực sự phổ cập về mặt thuật toán như máy Turing. Tôi có ý kiến rằng chúng ta không phải lo lắng quá nhiều về điều này trong 300 năm tới. Nhưng sau 300 năm, sẽ có một bước đột phá quan trọng trong điện toán lượng tử? Thật khó để nói, bởi vì từ quan điểm của người giảm thiểu, tâm trí con người của chúng ta phải dựa trên một loại thực thể vật chất nào đó.
Hiện tại, theo ngày càng nhiều dấu hiệu,** cách suy nghĩ của chúng ta không tương đương với cách suy nghĩ của máy tính Turing. **Nhưng theo nhận thức hiện tại của chúng tôi, bây giờ chúng tôi chỉ có hai sự lựa chọn - chỉ có máy Turing cổ điển và máy tính lượng tử mới xuất hiện gần đây, nhưng có thể không có sự lựa chọn thứ ba trong tương lai.
Nếu về cơ bản chúng ta đã xác định được rằng bộ não con người không được tạo ra từ một cỗ máy Turing cổ điển, thì đó có thể là một chiếc máy tính lượng tử. Tuy nhiên, khả năng máy tính lượng tử tạo ra các kiểu suy nghĩ giống con người là không rõ ràng. Vì vậy, chúng tôi ngày càng tin rằng máy tính lượng tử không phải là máy Turing và logic cơ bản của nó là khác.
Giáo dục Nhân tài trong Kỷ nguyên GPT: Trau dồi Khả năng Học tập Mạnh mẽ
Chúng tôi tạo ra những cỗ máy để giúp chúng tôi hoàn thành các nhiệm vụ khác nhau. Vì vậy, dưới góc độ định hướng nghề nghiệp cụ thể, rất khó xác định nghề nào không bị thay thế trong tương lai. Bởi vì đối với bất kỳ sự kiện hoặc thuật toán nào có thể được mô tả, máy Turing đều có thể thực thi nó. Khi chúng tôi mô tả một công việc là một nhiệm vụ cụ thể, máy tính có thể thực hiện nó, nó chỉ khác nhau ở mức độ hiệu quả mà máy tính thực hiện nhiệm vụ đó.
Trên thực tế, khi chúng ta xem xét những thứ mà máy Turing không thể thực hiện được, Turing và nhà toán học Gödel của ông đã chỉ ra điều này vào những năm 1930, nhưng chúng không thu hút đủ sự chú ý của con người vào thời điểm đó. thế hệ đã chứng minh rằng tư duy tri giác và trực giác là công cụ cơ bản để con người chúng ta hiểu thế giới, và tư duy duy lý là công cụ để tổ chức tư duy tri giác. Nói tóm lại, ** khả năng nhận thức thực sự về thế giới vẫn là duy nhất của con người và đạt được thông qua nhận thức tri giác của chính chúng ta. Đây là một trong những điểm cốt lõi giúp chúng ta hiểu và phân biệt con người với máy móc (hoặc AI). **
Dựa trên sự khác biệt về năng lực cốt lõi, trên thực tế, đối với con người chúng ta hoặc con người tương lai, một khả năng quan trọng để trau dồi đòi hỏi khả năng học hỏi và khả năng thích ứng mạnh mẽ. Chỉ thông qua khả năng học hỏi này, con người mới có thể đưa ra những giải pháp mới cho những nhu cầu mới và biến chúng thành công việc của mình. Rất khó để thảo luận chi tiết từng khía cạnh này, bởi vì khả năng học tập bao gồm nhiều lĩnh vực khác nhau. Nhưng bây giờ chúng ta phải tập trung vào đó, thông qua giáo dục để thay đổi cách giáo dục học sinh hiện nay.
Ví dụ, học kỳ này tôi tránh giao bài tập về nhà cho học sinh. Tôi bắt đầu nhận ra rằng không có gì ngăn cản họ thực hiện bài tập của mình bằng các công cụ như GPT và rằng câu trả lời thông qua GPT có thể tốt hơn tôi mong đợi và những bài tập như vậy đã mất đi ý nghĩa. Vì vậy, tôi chú ý nhiều hơn đến việc đối thoại và tương tác với học sinh trong lớp, chú ý đến hiểu biết của họ về logic và quy trình lập luận hơn là liệu họ có thể hoàn thành bài tập về nhà hay không.
Ngoài ra, trong suốt học kỳ, tôi hy vọng họ hoàn thành bài tập dựa trên dự án một cách tương đối có hệ thống. Giáo dục ngày nay đang ủng hộ học tập theo dự án và học tập thông qua việc tham gia vào các dự án. Trong quá trình thực hiện dự án này, chúng tôi để học sinh hiểu những gì các em đang làm, thay vì giáo dục các em thông qua các phương pháp trước đây là hỏi đáp, làm bài kiểm tra và làm bài tập. để trả lời câu hỏi.
Trong quá trình này, sẽ có nhiều vấn đề đáng để chúng ta xem xét. Chính vì chúng tôi nghĩ và hiểu nhu cầu trong lĩnh vực này nên sẽ tạo ra một lượng lớn cơ hội việc làm mới và hướng phát triển mới. Do đó, nếu phải nói, sự khác biệt giữa con người và máy móc có thể là một xu hướng lớn hơn mà bạn thực sự chú ý trong tương lai. Tóm lại, điều chúng tôi tập trung vào là khả năng của chính con người và sự tương tác giữa con người và máy móc, đây là một lĩnh vực rất rộng.
Xu hướng phát triển đối thoại giữa người và máy tính trong tương lai: tương tác giữa trí tuệ nhân tạo và máy móc
Đối với quan niệm và tầm nhìn về AI trong tương lai, rất khó để dự đoán chính xác các xu hướng cụ thể, bởi vì điều này có thể định hướng dư luận và ảnh hưởng đến hướng đầu tư vốn.
**Tôi nghĩ rằng một xu hướng quan trọng là sự tương tác giữa trí tuệ nhân tạo và máy móc. Với sự phát triển nhanh chóng của máy móc và con người, chúng ta cần một giao diện hoặc công cụ để kết nối cả hai nhằm đạt được giao tiếp tốt hơn. Tương tác giữa người và máy tính sẽ là một lĩnh vực kỹ thuật rất quan trọng. **
Khi tìm kiếm xu hướng trong tương lai, chúng ta nên chú ý nhiều hơn đến cả con người và máy móc, không chỉ một. Chúng ta cần suy nghĩ sâu sắc về khả năng và vị trí của con người, đây là một câu hỏi cần suy nghĩ lâu dài.
Mặc dù chúng ta đã thảo luận nhiều hơn về đạo đức giáo dục và định hướng tương lai có thể có của con người, nhưng từ quan điểm kỹ thuật, tương tác giữa con người và máy tính có thể là một lĩnh vực có tiềm năng lớn. Chúng ta cần suy nghĩ làm thế nào để có một phương thức giao tiếp giữa con người và máy móc nhanh hơn và hiệu quả hơn, mà không đòi hỏi con người phải trở thành những người mẫu chuyên nghiệp chuyên nghiệp.
Việc tương tác giữa người và máy tính có thể thu hút nhiều người tham gia một cách nhanh hơn và quản lý máy hiệu quả hay không có thể ảnh hưởng và thúc đẩy sự phát triển nhanh hơn của máy. Vì sự phát triển nhanh chóng của máy móc là điều không thể tránh khỏi trong tương lai, con người cũng cần làm rõ chiến lược và định vị của chính mình. Vì cả con người và máy móc đều phải cùng tồn tại trên trái đất, chúng ta nên có một cách tương tác đặc biệt hài hòa, thuận tiện và hiệu quả. Loại tương tác này có thể yêu cầu nhiều công nghệ mới để thực hiện.
Nói chung, chúng ta không muốn trở thành "nô lệ máy móc" trong tương lai, vì vậy chúng ta phải suy nghĩ về vị trí của con người. Trong lĩnh vực giáo dục, sự phổ biến của GPT cũng đặt ra cho tôi những thách thức và suy nghĩ quan trọng: “Học sinh được nuôi dưỡng bởi mô hình giáo dục truyền thống giống máy móc hơn hay con người hơn?” “Chúng ta nên học như thế nào để không bị thay thế bởi AI?” Những câu hỏi này định hướng một cách sâu sắc những cuộc thảo luận nghiêm túc của chúng ta ngày nay. Là giáo viên, chúng tôi không muốn những gì chúng tôi đang dạy học sinh ngày nay, hoặc sản xuất học sinh, thấy rằng trong 10 hoặc 20 năm nữa kể từ bây giờ, công việc của họ đã bị máy tính thay thế, khiến họ mất việc hoặc buộc phải thay đổi công việc.
**Tư duy của con người là tự do, sáng tạo và có thể giao tiếp. Về cơ bản, điều chúng ta cần phát triển là cách nuôi dưỡng những tài năng kỹ thuật sáng tạo với thói quen học tập suốt đời. **