第三次AI浪潮之下，人類如何迎接機會與挑戰？

21世紀經濟報道記者駱軼事 廣州報道

人工智慧快速爆發可能帶來的負面影響，正被高度重視。

近日AI領域再度引發一輪由各路產業領導者主導發布的公開信。其內容只有一句話：Mitigating the risk of extinction from AI should be a global priority alongside other societal-scale risks such as pandemics and nuclear war.（大意為：降低人工智慧導致物種滅絕的風險，應該與其他社會規模風險如大流行疾病和核戰一樣，成為全球優先考慮的事項。）

（公開信部分截圖）

這一方面驅動著相關法規需要快速落地，而這種動作可能需要更廣泛性地聯合推動；另一方面也顯示出，這一輪AI產業發展來到了一個尤為迅猛的轉折點。

近日舉行的2023年小蠻腰科技大會暨AIGC人工智慧高峰會期間，香港中文大學系統工程與工程管理學系教授及系主任蒙美玲也對21世紀經濟報道記者表示，在明晰生成式AI將對數位經濟帶來很大推動作用的同時，也要考慮到其中有許多風險。 在AI倫理方面，假消息、侵權行為等方面，要從法律法規層面明晰如何保障個人權益，同時個人在使用AI大模型的過程中也要提高警覺性。

回顧歷史，經濟學家、橫琴粵澳深度合作區數鏈數位金融研究院學術技術委員會主席朱嘉明表示，AI產業到今天至少發展了70餘年，可以分為三個階段：第一，是以圖靈1950年發表的《機器與智能》作為起點；第二是1956年召開的一次人工智慧會議，直到2012年深度學習進入到全新階段，期間延續了50多年；第三是從2022年開始的大模型時代全面到來。

朱嘉明受訪時指出，大模型時代的基本特點，是把人工智慧和人類的生活、經濟、學習和教育模式結合得更緊密。這種對人類帶來的強制性改變，將前所未有地強烈。由此，人類的擔憂心理是相當合理的，重要的現在是要普及教育，確保大眾不會驚慌、排斥，首先應該學會理解和應用。 ”

AI發展浪潮

前述高峰會期間，朱嘉明在演講中表示，「在此次大模型時代有幾個基本特徵：一個大模型是以人工神經網路為基礎；樂高化，所有模型會透過不同方式組合，形成大模型集群；預訓練促進了參數規模化，大模型引起資料儲存規模向EP、ZP甚至YP階段轉型；更重要的是它具有理解自然語言的能力和模式，已經形成思維鏈，進而走向思維樹（ToT）；特別需要巨量的語料庫；植入了控制論的人工反饋和強化學習機制；實現為混合量子-經典計算提供極大的平台。」

AI的核心價值也更為多元化：其一是加速了人工智慧網路化或說網路人工智慧化的趨勢；其二是引發知識、學習和教育革命，因為它改變了知識圖譜；其第三是改變了科學研究範式，也即人類進入到基礎科學研究要倚重人工智慧的歷史階段；其四是加速形成混合智慧的跨越群體，人類不再是智慧的唯一組成部分，它將進入人類和人工智慧、機器智能混合的思維主體時代；其五是引發經濟結構和經濟制度深刻變革；其六是重建人類社會、物理空間和資訊空間的模式。

「個人認為，大模型時代正推動人工智慧走向通用化，也就是通用人工智慧（AGI）。這個步伐正在加速。」朱嘉明認為，在未來3年，將是人工智慧發展的第四次浪潮，主要表現為人工智慧和產業應用結合，特別是對每個人的生活模式都將發生變化，並且會迅速滲透到從學齡前到高中的各階段教育中去。

在接受21世紀經濟報道記者採訪時，他表示當初大家談論數位化時，對其理解還相對淺薄。今天來看，數位化的深刻基礎已經成為人工智慧，在這種情況下，政策層需要發揮重要作用，賦予原有技術新的內涵，就是要推動充分進入智慧時代。

隨著AIGC持續向前發展，未來每個人都將會有自己的數位分身，同時人工智慧網路也將來到眼前。 「這相當於人類思維模式和行為方式的一次大規模移民，需要向智慧時代躍遷。這將影響80億世界人口，還需要一個漫長的過程。」朱嘉明表示。

未來數位人的智慧形體將形成互聯網，類似於超越現有人與人之間的微信群。但最重要還是對人們的學習方式帶來很大改變。 」他續稱，由此看來，遇到最大挑戰的職業應當是教師，因為彼時學生學習的速度和效果，或許將遠高於老師教授的速度。

大模型如何影響社會

在具體落地層面，AI大模型又將如何逐層滲透到垂直領域甚至個人的職業角色中？

峰瑞資本投資合夥人陳石分享時指出，從生成式AI進入垂直行業角度看，要以一個未來十年的角度來預判。

「個人認為，十年以後將是建立神經智能模型的時代。最頂層是全端大型語言模型，就是類似GPT4的模型，這種模型聚合了人類所有知識、具備甚至超過人類智能，並且可以賦能各行各業。但這種機會將會很少。」他續稱，對於下一層的行業，則可能需要建立行業垂類模型，透過現有知識、規律、非結構化的文本作為訓練數據，灌輸到語言模型中，產生智慧模型。這就類似一個大型工具庫，可以賦能產業流程再造，並賦能具體每一個環節。

再往下，「企業在智慧時代也要有自己的模型，企業模型要有縱深，否則可能會被擊穿。所謂縱深，就是對上一級通用模型是否具有不可替代的獨特性，否則就會被上一級模型輕易替換掉能力。」陳石指出，到員工個人模型，將分為兩部分，一類是基於職位模型所需的能力素質，用思考資料和認知建構；另一類是可以工具化的模型，如副駕駛、智慧助理等。

「我覺得十年後，將是廣泛模型建設的時代，軟體層會變得非常薄，大部分都會是模型。」他續稱，在進入垂直行業之前，還有基礎工作要完成，即數據化和線上化。

資料化解決的是資料來源問題，沒有由知識、規律等組成的數據，就無法建立起模型並訓練；在線化則可以讓場景真正嵌入智能能力。未來產業或企業的競爭優勢可能體現在利用這些數據建立的模型上。 ”

蒙美玲對21世紀經濟報道記者分析，在備受關注的教育領域，AIGC已經可以幫助老師快速解決部分教學工作，比如出題目時給出初步建議，再由老師根據建議做針對性調整。這個過程會讓教、學的整體效率顯著提高。 AI可以在修改學生文章時提出一些批改意見，幫助老師節省時間，從而將其精力集中在激勵學生方面。

我認為一般人也應該增加對AIGC技術的認識，不只是研究科學技術的人。她同樣持有觀點，即人類應積極運用大型模型工具以不斷提高生產力和效率。

「雖然GPT4很強悍了，但應用越多仍然可以看到不足。這意味著當前的GPT4距離人類智慧還相差很大。不過它背後有超大規模知識庫、強大算力，反觀人腦的有限記憶，如果要相比其實不太公平。至於距離通用人工智慧還有多遠，目前還比較難預測，但我估計未來人和AI的共融性將會更強，因為AI弱的地方，就是人類強的地方。」蒙美玲總結。

更多內容請下載21財經APP

以上是第三次AI浪潮之下，人類如何迎接機會與挑戰？的詳細內容。更多資訊請關注PHP中文網其他相關文章！