AI奇点说第二期回顾 | 引爆，谁将抢占AI大模型领域下一个先机？

引言

在当今人工智能领域，多模态大模型正成为引领技术变革和潮流的关键力量。这些大模型不仅仅能够处理文本数据，还能够同时处理图像、音频、视频等多种模态的信息，从而拓展了人工智能系统的理解和泛化能力。2024年伊始，OpenAI率先发布文生视频大模型Sora，引发全球，谷歌火速上线Gemini1.5pro新版本以及人工智能初创公司Anthropic发布最新Claude 3系列模型等，这些多模态大模型的能力令人瞩目，也让人们对于通用人工智能时代的到来充满了期待。

在这个引人注目的技术革命中，《AI奇点说》第二期聚焦于多模态大模型领域，邀请多位人工智能专家深入探讨大模型的发展趋势和产业赋能，从大模型统一认知、落地应用等多个角度探讨多模态大模型如何引领新时代变革，揭示人工智能技术的无限可能性。

本文将为您呈现此次直播的精彩内容。

1、 我们何时才能进入真正的AGI时代？

2、 通往AGI的道路上有哪些限制？需要突破哪些关键技术？

3、 如何将AI大模型有效地与产业实践结合？AI大模型能够为哪些产业带来更好的服务价值？

1、 我们何时才能进入真正的AGI时代？

刘江贤：

在不同的阶段，人们对通用人工智能时代的到来有着不同的预测，GPT-3的发布，人们预测距离通用人工智能时代的到来还有50年，GPT-4的发布，人们预测还有18年，甚至在2023年，人们预测还有8年。特别是开年之后，Sora的发布，周鸿祎更是提到“Sora使得通用人工智能实现从十年缩短到两三年”的预测。通用人工智能时代，大家对于AI能够真正的产生价值、或者能够与我们人脑同步产生更深层次的思考及解决问题的能力一直充满期待。那么按照这个时代的技术进步来讲，大家预测一下我们离通用人工智能时代的到来还有多远、在它到来之前我们需要做哪些准备？

王鹤：

我们需要对通用人工智能（AGI）到来的标志进行充分的定义，目前的多模态大模型虽然在图像理解、智能对话和日常工作处理等方面有所进展，但它对我们生产、生活的改变还不够大，所以如果以大众对AGI的期待值为标准，那么三年到达AGI时代的预测有些过于乐观。

AGI也区分非具身AGI和具身AGI，非具身AGI它是作为一个软件，能够在手机、电脑等平台上帮助你处理日常工作，但它不能直接物理的帮助你干活。而具身AGI是机器人能够在各种环境中服从你的需求和指令，帮你进行体力劳动。从这两点看，目前想要全面的替代人类，我认为三年不是一个能够立即到来的时间点，但是这样的AGI可能会在不同的领域或子领域中掀起革命的浪潮。

翁家良：

从技术的角度讲，现在的大模型技术它还是不能完全了解我们的世界， 人们生产生活中遇到的有些事情仅依靠目前的大模型是有很多做不到的， 需要很多技术上 的延伸。 从八九十年代符号式人工智能到推理人工智能，从时间上来说，AGI迟早都会到来，但我认为更重要的是我们应该为它的到来准备哪些工作，而人工智能的伦理治理就是 我们必须要花更多精力跟资本去做的事情。

燕博南：

我对通用人工智能（AGI）的发展持观望的状态，分享两个有意思的观察：第一是我们目前还没有一个对AGI特别严格的定义，在这种情况下，我们只能无限接近，但不知道应该到达的点在哪里。第二个是对于科技的发展，人们总是对于短期的发展过于乐观，但又忽略了长期的发展。

现在出现的一些大模型对世界的改变并没有那么快，它是一个逐渐的过程，但在这个过程中有更好的工具和智能体帮我们做事，可能在某天回首时，AGI时代已经到来。

杨洋：

从模型或算法的角度尝试定义AGI，我们可以简单的理解成它是一个能够处理各式各样的数据和任务，是一个足够通用的、足够泛化的模型或智能体。那么我们距离AGI的到来还有多远，就要从模型、任务和数据是不是统一和通用三个层面来看这个问题。一个模型是不是能搞定所有的任务和数据，是否能够达到协同一致的标准。

2、 通往AGI的道路上有哪些限制？需要突破哪些关键技术？

翁家良：

以目前的深度学习技术（Transformer模型）是不能实现通用人工智能的，通用人工智能的实现需要常识推理，而这在当前尚未实现。我认为通用人工智能会实现，但不是限制于现在的技术。根据人工智能在过去几十年的演化，我们可能对现在的技术过于乐观，虽然技术有很大的突破，但它还是会面临瓶颈，所以我们需要在不同的技术里面进行更多地研究与延伸。

王鹤：

数据对目前智能本身构成了很大的限制，如果仅依靠互联网上的数据，从多模态的角度，它实际上只覆盖了真实世界的一小部分。从具身智能的角度讲，不管今天的深度学习是不是支撑AGI产生的技术，至少今天是不可能通过互联网数据加深度学习的方式产生AGI，我们还需要更多来自仿真世界的数据或是来源于机器人操作物体产生的操作数据，真正丰富我们的数据、完成很好的覆盖，才能从中孕育出通用人工智能。

杨洋：

从人工智能领域的两个流派符号逻辑主义和数据驱动方法中，我更加地偏向数据驱动方法，因为我认为评估一个宏伟目标实现的希望有多大是基于我们对方法本身的理解。就像如果我们对某个方法的理解已经非常透彻，并且发现它确实存在无法处理的案例，那么我们可以说这套方法论可能已经达到了它的极限。然而，对于大模型这样的能力，尽管其中有许多我们目前还无法完全理解的部分，但它现在的性能却超出了我们的想象。因此，尽管我们不能断言数据驱动方法一定能实现AGI，但就目前来看，它确实是一条充满前景的发展路线，它展示的巨大潜力，让我们看到了实现AGI的可能性。

燕博南：

我可能更技术本身的巅峰，大家现在都在遵循一个范式：即拿到数据，然后学习这些数据。无论是来自互联网的数据、语言数据、图片数据，还是由机器人或具身智能生成的数据。

未来具身智能的发展可能会用到到仿真器的数据，在数字世界做数字模型或数字模拟器，然后生成数据，再通过强化学习的方式学习。在我看来，从计算领域来讲，我们在找数据，然后通过标签还是奖励的形式，实际上都是在定义一个目标，然后再通过数据学习来实现这一目标。

3、 如何将AI大模型有效地与产业实践结合？AI大模型能够为哪些产业带来更好的服务价值？

刘江贤：

谈了很多大模型、任务和数据的话题，现在我更想谈谈有关产业和落地的话题，怎样把大模型的技术落地到应用和实践中。AI赋能产业焕新的最终目的是赋能千行百业，推动产业的发展，那么在AI和产业之间，AI技术应该怎样尽快地和产业结合，结合好的点在哪、急需要结合的点在哪？

翁家良：

现在的人工智能时代充满变革和不确定性，技术一直在迭代，每天都有新论文、新产品出现，同时还存在大模型幻想问题，我们不知道它的安全性如何，所以我觉得要回归到第一原则的思维模式，去重新思考产业落地和转型的问题。第一，我认为要了解我们自身对人工智能技术理论的认知，技术的基础会决定产业的发展方向。第二，我认为人工智能要应用到企业中，最终的目标是要达到完全自主化，让企业可以自主地去决策、去操作。第三，从体验上讲，现在的软件已经具备了一种能够预测用户体验，能够在用户采取行动之前提前做出推荐的能力。这三个思考不管在哪一个行业都是我们值得探讨和研究的问题。

王鹤：

具身多模态大模型将会对机器人和生产行业带来巨大的变革，传统的机器人行业通常需要专门的现场工程师部署和调试以保证任务的安全性。那么如果未来大模型能够与机器人结合，大模型能够根据需求输出机器人动作，就可以解决自动化过程中成本高、调试困难、部署难的问题。这样的具身大模型就具备了革命当下工厂生产乃至零售业上货下货等各行业的潜力，这既是行业的期待，也是对一些人力密集企业的挑战。

燕博南：

我想分享一个比较有意思的观察：我们现在看到的大模型，虽然看起来比较虚拟，但它实际上是有物理体积的，即承载它计算的一个实体。就像现在很多比较落地和商业化的应用，它们就会跟物理世界产生很多交流。如具身智能，不仅它的研发、算法重要，它的工程、工艺也很重要，这同样是我们需要在产业中需要思考和做准备的事情，所以在大模型火热发展的背景下，大模型背后的算力或计算芯片也在努力地服务于产业端。据我的观察，虽然 现在大模型可能会有一些算力不足的问题，但未来可能会出现针对大模型定制的芯片，在这样的芯片基础上把硬件和软件实际运行的基础设施，拼成一个完整的系统，目前看相关芯片的落地研发设计行业是比较重要的。

杨洋：

企业拥抱大模型要做到理性拥抱，不能因为大模型很火，就去蹭场景，要去理性分析自己的业务场景中什么样的数据占据比较主导的地位与作用。例如在与医院神经外科的合作中，大模型火起来以后医生们也很兴奋，就想到能不能也让大模型助力工作？比如把这些面向医生或者脑电图师的教材（文本）“喂”给大模型，让这个大模型学会怎样阅读脑电信号，但这个场景中的文本其实并不是本质，我们不如直接把这个病人的脑电信号给大模型。所以在这个场景下，其实我们要的不是一个语言模型，而是是一个脑电模型，这个模型的输入不再是文本图像，而是一个脑电信号。