南方科技大學教授馬兆遠：國內(nèi)公司要今年趕超OpenAI？至少得4-5年

劃重點：

1馬兆遠認為，對于“AI威脅論”中的一些話題，如“人類將成為AI的奴隸”、“AI替代人類”等對目前來說還是較為荒謬的話題，其背后系資本炒作或經(jīng)濟利益驅(qū)動。 2人工智能革命不會導致人口勞動力的下降和大量失業(yè)問題。縱觀人類歷史的發(fā)展，不論是農(nóng)業(yè)革命還是工業(yè)革命，改變的是人類的生產(chǎn)方式和所從事的工作。 3馬兆遠認為，國內(nèi)的很多大公司缺乏構(gòu)建生態(tài)系統(tǒng)的心態(tài)，急于快速賺錢，從技術(shù)上看，趕超OpenAI至少需要4-5年。企業(yè)應該根據(jù)當前的能力，思考如何進行相互之間做好生態(tài)共建。 4對于未來AI的發(fā)展趨勢，可能是人機交互，以及AI和機器之間的互動。隨著AI的高速發(fā)展，需要一個界面或工具來連接兩者，人機交互會是一個非常重要的技術(shù)領(lǐng)域。

騰訊科技《AI未來指北》系列策劃，圍繞AI技術(shù)發(fā)展、商業(yè)模式、應用場景、治理幾大板塊，關(guān)注AI未來發(fā)展趨勢，邀約行業(yè)專家、投資人、創(chuàng)業(yè)者，持續(xù)輸出深度內(nèi)容。本期為第25期，由南方科技大學教授員馬兆遠解讀AIGC的技術(shù)進展和行業(yè)治理。

文 / 騰訊科技 李海丹

(資料圖)

【編者按】在最近的幾個月，AIGC受到資本的熱捧，ChatGPT火爆出圈，國內(nèi)各大科技巨頭和創(chuàng)業(yè)公司紛紛入場。人工智能正在悄無聲息的對各行各業(yè)帶來影響，這不再只是一次簡單的技術(shù)演變，而將成為一場革命。

雖然這場AI應用爆發(fā)來的看似突然，但在背后其實已然經(jīng)歷過科學家們無數(shù)次的失敗和經(jīng)驗積累。猶如我們本期對話嘉賓馬兆遠（南方科技大學教授、英國物理學會會士、英國皇家特許工程師，曾任職清華大學未來實驗室首席研究員）在創(chuàng)作的《人工智能之不能》一書中提到的：“每一寸的進步都需要日拱一卒的努力和各種不確定的疊加。”

其實，在科技歷史的長河中，這場技術(shù)革命只是帶領(lǐng)人類走向通往“生成式AI時代”的第一步。迄今為止，我們?nèi)孕枰P(guān)注很多存在的問題和矛盾。比如：在以OpenAI為引領(lǐng)者的這波技術(shù)浪潮下，國內(nèi)是否可以實現(xiàn)迅速趕超？這場技術(shù)革命對社會和產(chǎn)業(yè)結(jié)構(gòu)會帶來怎樣的變化？未來機器是否會取代人類？在這樣科技飛速迭代的時代下，中國的人才教育應該如何培養(yǎng)？

本期《AI未來指北》，騰訊科技專訪了馬兆遠，他針對這些問題分享了不同的思考和觀點，我們將這篇萬字實錄整理成文，和各位網(wǎng)友一起探索、學習和思考, 這場變革下人工智能對于人類的意義。

以下為內(nèi)容精選實錄：

01 不必擔心人是否會成為“機器奴隸”，熱點話題背后系資本炒作

隨著近期人工智能大語言模型等產(chǎn)品應用的火爆，很多人都在擔心隨著人工智能的發(fā)展，會給人類帶來一些風險和安全性問題，同人類的生存及社會產(chǎn)生矛盾。

對于人們所擔心的問題，我想到了一個詞，叫“機器奴隸”。

我們擔心在未來的某一天會淪為“機器奴隸”，像電影《機械戰(zhàn)警》中的一些情節(jié)一樣：有一天，人類會受到機器的統(tǒng)治，不得不轉(zhuǎn)移到地下生活。在這場斗爭中，人類一直保持反抗精神，重新在努力奪回對未來和地球的控制權(quán)。最終，AI不得不派遣一臺機器人穿越時空到1984年，試圖在抵抗軍領(lǐng)袖誕生之前將其消滅，一場場機器人與人類之間的戰(zhàn)爭在未來爆發(fā)......諸如此類這樣的故事，可能很多人都會有這樣類似的想象。

對于這樣的觀點和擔憂，我認為完全沒有必要。首先，從現(xiàn)有的技術(shù)水平看，機器人或智能實體不太可能真正實現(xiàn)“統(tǒng)治地球”，甚至成為人類的主宰。即便萬一它們真的在未來的某個時間點，成為了人類的主人，也是在很長的時間后才能實現(xiàn)，我們也沒有必要現(xiàn)在就去宣傳這件事情，造成大家的擔憂。

另外，盡管目前也有不少行業(yè)的大佬在討論相關(guān)的話題。但我認為可能在某種程度上，是因為經(jīng)濟利益驅(qū)動了這個現(xiàn)象，以及背后資本市場的推動。因為資本必須要先炒作一個主題，才能從中獲利。比如以前17世紀荷蘭的歷史事件——“郁金香泡沫”，將一個本來沒有太大價值的虛擬概念炒作得很高，然后有人從中收割韭菜。但實際上，這個主題可能并不像我們想象的那么可怕。

過去十幾年，我們看到中國的資本市場推出炒作過很多主題，比如從石墨烯材料，再到虛擬現(xiàn)實、比特幣、元宇宙等等，今年又到了人工智能，每年我們都會炒作一個新名詞。在這個過程中，作為資本大鱷可能會從中獲利，資本越來越龐大。但對于普通小白來說，我們只是跟著這些名詞走，如果不了解其中的運作邏輯和真實情況，可能口袋的錢也會被炒得差不多沒有了。

最近ChatGPT爆火，它是一個重要的科技進步，從本質(zhì)來看，改變了我們?nèi)祟惻c計算機互動的方式。如果要說到革命性，從行業(yè)的發(fā)布格局來看，GPT改變了OpenAI、微軟以及Google的命運，現(xiàn)在Google對于GPT的崛起非常緊張。GPT的出現(xiàn)，使人在使用搜索的精準度和搜索效率上大幅度提高。以前，當我們在使用Google進行搜索時，Google主頁會展示與之相關(guān)所有可能的網(wǎng)頁，可能有幾百頁，甚至幾萬條結(jié)果。但現(xiàn)在的模式可能更加精確地理解用戶的問題，并給出一個最可能的答案，大大提高了信息檢索能力。接下來，它可能會改變我們的工作模式，特別是在文件處理和數(shù)據(jù)收集方面，可以大大提高了我們的工作效率。

但談到是否會發(fā)展到通用人工智能，從目前來看還是太遙遠了。就像在我書中（指《人工智能之不能》）提到的：通用人工智能與人之間存在著一個核心、關(guān)鍵的鴻溝，現(xiàn)有的AI技術(shù)無法跨越這個鴻溝。至于原因，在下文會提到（06部分）。

02 國內(nèi)市場缺乏構(gòu)建生態(tài)系統(tǒng)的心態(tài)，趕超OpenAI至少需要4-5年

我們目前看到了很多大語言模型產(chǎn)品的上線和推出，比如目前火爆的ChatGPT做得很好，中國的許多大公司也在仿效，推出了很多類似產(chǎn)品。

例如，某家公司推出了一個產(chǎn)品，幾天后另一家公司也推出了類似的產(chǎn)品，價格更便宜，并適用于中文環(huán)境，都在用類似的內(nèi)容炒作。我認為國內(nèi)的很多大公司缺乏構(gòu)建生態(tài)系統(tǒng)的心態(tài)，都急于追求快速賺錢，一旦有一個新的名詞出現(xiàn)，就迅速跟進。

這樣的跟風現(xiàn)象，對于國家經(jīng)濟或地區(qū)經(jīng)濟的發(fā)展而言，是很不利的。如果我們一直追逐潮流，可能永遠都趕不上。例如微軟在過去的十年里在潛心研究，其他領(lǐng)域都沒有做出太多突破，基本上都被其他公司壓制了，需要承受的不確定性和壓力很大。微軟“憋”了十年，憑借其財力、研發(fā)能力以及商業(yè)合作策略，最終我們看到了ChatGPT和相關(guān)新的產(chǎn)品上線，通過長時間的日積月累才產(chǎn)生了“爆點”，而我們期望一夜之間公司可以實現(xiàn)翻天覆地的變革，這樣的期待是不現(xiàn)實的。

難道這些公司是特殊的“天賦型選手”，只需短短幾個月或者一兩年，去完成別人花十年時間才能完成同樣的工作嗎？這些我們所考慮的問題，難道這些公司沒有意識到嗎？還是否需要一個炒作題，以推高股市和股價？這些都需要我們這些普通人認真思考，考慮是否應該跟風和做出相應的投資決定。

就國家經(jīng)濟發(fā)展的狀態(tài)而言，如果跟風，可能永遠追不上先跑的人。相反，我們應該根據(jù)我們當前的能力，思考如何進行相互之間的生態(tài)共建。這個問題對于國內(nèi)的科技巨頭來說值得思考。

舉個例子：過去40年，中國的基礎建設取得了巨大成就，比如中國的高鐵已經(jīng)發(fā)展得非常出色，已經(jīng)成為全球范圍內(nèi)需要考慮的高鐵系統(tǒng)，成為了中國的一張名片。再比如，通訊和計算機產(chǎn)業(yè)，中國的5G已經(jīng)是全球最強的。在這些領(lǐng)域，我們有一些優(yōu)勢，基礎建設已經(jīng)做的很好，目前我們也可以在這些基礎上構(gòu)建一些可能性和生態(tài)發(fā)展的方向，發(fā)揮更大的優(yōu)勢。

我們可以想象，基于我們的優(yōu)勢方向上進行發(fā)展，未來10年或20年后，如果歐美一些國家針對一些技術(shù)方向做壟斷，我們也可以根據(jù)領(lǐng)先的領(lǐng)域進入一種“互相卡脖子”的狀態(tài)，獲得談判地位。回歸到技術(shù)上，國內(nèi)公司不論是想趕超GPT還是Bing，可能基于“前人”的經(jīng)驗，我們能夠在研發(fā)的速度上有所加快，但如果追趕到同樣的水平可能至少要4-5年。另外，我們也需要思考的是：即使追趕上，在幾年之后，這陣風口是否已經(jīng)過去了？并且微軟或者Open AI 自己也在不斷的迭代成長，已然成為“巨無霸”了？

總得來說，跟風投資實際上是浪費成本、浪費時間和人才。對于參與者來說，除了增加恐慌和憂慮，可能并不會獲得任何收益，只會讓資本在跟風過程中收割一部分投資者的利益。

03 AI不會造成大量人口失業(yè)，任何時代的職業(yè)都需人類自己創(chuàng)造

除了AI威脅論，人們更多關(guān)心的是AI對就業(yè)的沖擊問題。

ChatGPT的高度擬人化引發(fā)了一波行業(yè)危機，很多人開始擔心自己所處行業(yè)是否會受到?jīng)_擊，甚至是失業(yè)。從目前來看，可能短期內(nèi)會對一些崗位有所影響，但對不會擾亂社會的長期穩(wěn)定。

從職業(yè)方向看，人工智能革命會不會對因此而導致人口勞動力的下降？答案是不會的。

舉個例子，在工業(yè)革命時期，大約在18世紀到19世紀之間，最大的變化之一是農(nóng)業(yè)人口的減少。在工業(yè)革命早期或者還沒有開始時，地球上95%以上的人口都從事農(nóng)業(yè)勞動，只有很少一部分是統(tǒng)治者或神職人員，彼時絕大多數(shù)人的身份都是農(nóng)民為主。

現(xiàn)在情況有所不同，以發(fā)達國家為例，比如美國從事農(nóng)業(yè)的人口不到2%。中間超過90%的人口已經(jīng)改變了生產(chǎn)內(nèi)容。雖然一部分的工作消失了，但是這些人并沒有消失，并且人口反而在增加。從對人類社會的影響來看，這樣的變革并沒有導致長時間的失業(yè)問題甚至是影響人類社會的不穩(wěn)定，很多人只是改變了從事的工作，改變的是人類的生產(chǎn)方式。雖然可能會導致一些崗位的大幅度縮減甚至消失，但也會因為這場變化，引發(fā)和新增更多其他的崗位需求。

再舉個例子，我們提到一個英文單詞叫做"Computer"（計算機）。當我們聽到這個詞時，在腦海中可能會出現(xiàn)一臺機器，但是在70年前，"Computer"這個詞的意義與現(xiàn)在有所不同。在那個時候，它指的是類似于曼哈頓計劃中從事計算工作的工作人員。

在那個時代還沒有計算機，沒有像我們現(xiàn)在使用的這種臺式機，但完成龐大工程需要大量計算，所以當時負責這個計劃的公司雇傭了一些年輕而細心的女性，在專門的房間里使用計算尺和草稿紙進行大量的計算工作，這些女性被稱為"computer"。

"Computer"這個詞是為從事計算工作的人而創(chuàng)造的，指的是那些在辦公室里從事大量計算工作的工作者。后來，隨著計算機的出現(xiàn)，到今天當我們提到"Computer"時，我們知道它指的是計算機，而不是那些從事計算工作的女性。因此，"computer"這個詞的意義徹底改變了，它變成了指代純粹的機器。

所以，隨著機器在某些領(lǐng)域的能力不斷增強，它們可能會取代我們?nèi)祟惖囊徊糠止ぷ鳎瑢е履承┕しN的消失。然而，這些人并沒有真正消失，他們轉(zhuǎn)而從事更復雜的工作或者滿足其他需求。

人類最偉大的特點之一就是不斷創(chuàng)新并創(chuàng)造新的需求。這些新的需求會引發(fā)人們?nèi)?chuàng)造新的就業(yè)機會。我們無需過于恐慌或擔心關(guān)于失業(yè)的問題，縱觀人類社會的歷史浪潮里，一直在適應和應對這種變化。我們有能力不斷創(chuàng)造和適應新的工作環(huán)境和就業(yè)機會。

再從職業(yè)技術(shù)需求來看，隨著大模型語言應用的發(fā)展，編程任務的完成也會變得越來越簡單。比如通過ChatGPT類工具的幫助，我們只需提出想做的事情是什么，下達明確的任務，GPT會幫我們完成其余的工作。比如我們可以直接向GPT提出需求，它會利用其編程和檢索能力，直接生成代碼。這樣一來，甚至可能不再需要像Python這樣的系統(tǒng)。簡而言之，人們只需描述需求，然后繼續(xù)實現(xiàn)這些描述的方式。

此外，從這樣的趨勢來看，未來編程的自動化程度會越來越高。好比當時我學習編程時學過的匯編語言，現(xiàn)在大部分年輕人可能不再知道如何編寫它，是同樣的道理。

匯編語言是一種介于人類語言和機器語言之間的高級語言，它包括匯編和直接用機器語言編程的方式。在匯編語言之后出現(xiàn)了C、C++、Java等語言，然后逐漸發(fā)展到了Python這樣的語言。當我與學生交流時，我發(fā)現(xiàn)對于我們學過C語言的人來說，Python是一種非常不嚴謹?shù)恼Z言，但它已經(jīng)成為學生們喜歡的工具，他們已經(jīng)不太習慣使用C語言了。在一些理論體系的影響下，不同的工程師對于AI的可理解性還存在著差異。并且我們可能仍需要一些專業(yè)人員在后臺不斷完善這個系統(tǒng)，那么如何對于可理解性的標準需要統(tǒng)一，才會得到想要的結(jié)果。

總的來說，不論在任何時代，新的需求都是由我們?nèi)祟愖约簞?chuàng)造的。我們不能采取靜態(tài)的思維方式，關(guān)注在對人類的替代性和沖突上。如果地球上只有有限的工作和需求，當機器接管了這些工作后，我們?nèi)祟惪赡苷娴臎]有存在的意義了。但實際上，人類的偉大之處在于我們能夠不斷創(chuàng)造新的需求，并通過人類來滿足這些需求。

04 和AI比拼特長沒有意義，需更多關(guān)注其政策約束和風險管理

現(xiàn)在，無論是中國還是美國，都開始出臺一些相關(guān)的監(jiān)管機制。任何時期的技術(shù)發(fā)展都需要一定的政策約束和風險管理。

我們以汽車的發(fā)展史作為例，1900年之前，汽車的數(shù)量很少，只有非常富有的人才能負擔得起，并且對社會沒有造成太大影響。此外，汽車的速度并不快，比如每小時只能行駛十幾公里，所以與步行相比并沒有多大區(qū)別，所以并不需要給它制定太多規(guī)則，只需讓它發(fā)展就好。

但是，后來隨著福特汽車公司引入流水線生產(chǎn)，汽車的成本大幅降低，普通人都能開車，汽車數(shù)量大幅度增加。汽車的速度也從每小時十幾公里提升到每小時上百公里，這時候的汽車可能會變得危險起來，涉及到一些安全問題，因此我們?nèi)祟愰_始需要為汽車制定規(guī)則。比如說給它設計專用道路，它不能再與行人混在一起行駛，甚至需要為它建設高速公路，并在人行駛的道路上設置紅綠燈、交通信號燈等等，所有這些規(guī)則應運而生。

同樣的道理，對于機器來說，我們設計它的目的就是讓它能夠高速地收集和整理數(shù)據(jù)，進行快速推演和邏輯思考。就像我們設計汽車是為了讓它能夠快速行駛一樣。一旦汽車出現(xiàn)，我們就不需要再與它競爭誰跑得更快了。

因此，在計算機具有如此強大的數(shù)據(jù)整理和處理能力的情況下，與它在特定領(lǐng)域的專長進行比拼是沒有意義的，我們更多的關(guān)注度是需要為它設定規(guī)則。

比如近期行業(yè)人士關(guān)注的"Midjoury"的技術(shù)，可以用于圖像生成和語音模仿，甚至可以制作新聞。那么這些視頻內(nèi)容和新聞在網(wǎng)絡上傳播時，如何對它們進行監(jiān)管以及如何確保其有效性？這就成為一個需要逐漸制定規(guī)則的問題。這些規(guī)則的制定使得人與機器如何共生成為一個現(xiàn)實的問題。

這些問題需要我們今天開始思考，并達成共識。既然汽車已經(jīng)存在，地球上就是人類與汽車共生的狀態(tài)。因此，我們需要制定汽車交通規(guī)則，以確保人類和汽車在城市或特定環(huán)境中的共存。這個過程中，不僅汽車需要遵守規(guī)則，人類也需要遵守規(guī)則。

05 AI的崛起會占用能源資源消耗，但對人類的使用效率提升幫助值得肯定

此次訪談中提到一個能源結(jié)構(gòu)的問題：從產(chǎn)業(yè)經(jīng)濟結(jié)構(gòu)角度來說，現(xiàn)在隨著AIGC爆發(fā)式的增長，也需要更多算力的支撐，需要消耗更多的電力和水力支持，如此是否會導致改變相關(guān)國家或者全球能源結(jié)構(gòu)的布局的改變？

這是肯定會發(fā)生的情況。當新的產(chǎn)業(yè)結(jié)構(gòu)和需求出現(xiàn)后，這是必然的結(jié)果，問題在于如何安排和調(diào)整。如果AI消耗算力，就需要為其提供足夠的能源。在這個能源過程中，涉及到對綠色地球和能源消耗結(jié)構(gòu)的考慮，我認為與AI的發(fā)展并不特別相關(guān)，而是一種自然的情況。

根據(jù)相關(guān)數(shù)據(jù)，中國的云中心加起來每年消耗的電力可能相當于兩個三峽電站的發(fā)電量（云中心的資源消耗不僅限于對AI的支持，甚至AI業(yè)務在其中的占比相對較小）。隨著計算量的增加，對電力的需求會進一步增加。除了需要提供更多的新能源補充外，我們還需要考慮如何提高能源利用效率，這實際上是一個相對復雜的問題。在能源節(jié)省方面，需要進行計算，并需要進行散熱處理。然而結(jié)合目前國內(nèi)情況是，由于前幾年的高速發(fā)展，我們?yōu)閿?shù)據(jù)中心供給能源的一半用于散熱。這是我們需要考慮的。

我們應該如何解決和避免資源占用和分配不合理的問題呢？我再舉個例子：當年Google收購了Deepmind公司后，讓Deepmind的團隊做了一件事情，即通過強化學習和其他的很多AI算法，對Google的云中心進行節(jié)能調(diào)整。這樣做事實上幫助Google降低了近50%的能耗。因此，Google的云中心幾乎百分之百的電能用于計算，而只有極少部分（不到約5%）用于散熱。因此，這樣的優(yōu)化形式，大規(guī)模地節(jié)省了Google的云中心能源的浪費。

因此，如果我們能夠達到類似Google的云中心使用效率水平，并且考慮到雙碳和全球提倡的綠色能源，我們之后可能更多的還是去考慮如何去有效的利用能源。

需要關(guān)注的是，這個問題我們只是在探討能源角度的消耗。總的來說，AI確實能幫助我們的使用效率會得到大幅度提高，一旦普及使用，可能帶來的效率提升意義遠超于它的能耗影響。

06 大語言模型可解釋性的判斷是否合理，關(guān)注三種邏輯推理模式

目前的深度學習模型，特別是最近出現(xiàn)的大型語言模型，尚且是一種“黑盒技術(shù)”。雖然大型語言模型在自然語言處理的許多任務上表現(xiàn)出色，但我們?nèi)匀恍枰獙ふ乙环N可解釋的方法。

在科研工作中，我們通常習慣將現(xiàn)象與其他事物聯(lián)系起來，并且如果能夠用一個簡潔而漂亮的公式來描述它們，就可以表明我們理解了。但是，從目前大語言模型包括神經(jīng)網(wǎng)絡的可解釋性來看，它的參數(shù)會很隨機，并且如果參數(shù)有非常小的改變，也會讓結(jié)果發(fā)生很大的變化。盡管這些參數(shù)在架構(gòu)中發(fā)揮作用，但我們并不完全清楚它們的具體機制。我們無法用簡單的代數(shù)模型來描述它們，從這個角度來說，它還沒有被更好地理解。

我們普通人（非專業(yè)人士）不習慣使用大量數(shù)字來描述兩個事物之間的關(guān)系以及每個數(shù)字的變化如何導致結(jié)果。當這種關(guān)系不夠明確時，我們會認為這種狀態(tài)還未達到理解的程度。因此，人們經(jīng)常會混淆其中的概念，認為大型語言模型或神經(jīng)網(wǎng)絡還沒有被理解。實際上，它們并非完全沒有被理解，只是我們還沒有找到我們習慣的滿意方式來理解它們。

目前，GPT更多是基于對大數(shù)據(jù)的訓練，其主要的方式是學會根據(jù)概率判斷我們最可能想要的答案，它現(xiàn)在的推理形式是否可行和可靠，我們可以從這幾個方面來看：

首先，基于最大概率給出可能的答案，在算法層面上涉及到神經(jīng)網(wǎng)絡和貝葉斯統(tǒng)計的方法，是GPT在后臺使用的邏輯，而且是正確的。

另外，談到邏輯推理，我們可以將邏輯推理分為三種不同的模式，不僅限于邏輯帶。

當我們?nèi)祟愓J知世界時，有三種不同的方式：

第一種是演繹性推理，它可以得出嚴格正確的結(jié)論。機器在進行演繹推理時比我們快得多，因為它基于古典邏輯的四個基本原則：同一律、矛盾律、排中律和因果律。

基于這四個原則，可以推導出確定性的結(jié)論。然而，確定性結(jié)論的問題在于邏輯上它被稱為重言式，即用另一種方式再次表述已知事實。從演繹性推理來看，其實答案已經(jīng)蘊含在你所有的前提假設中了，只是以另一種方式表達出來。

我們需要了解的一點是，事實上，圖靈機就是為此而設計的，它是一個古典演繹邏輯機。在1936年，英國數(shù)學家圖靈發(fā)表了一篇重要文章《論可計算數(shù)及其在判定問題中的應用》標志著圖靈機的誕生。圖靈機的運轉(zhuǎn)和我們筆算的思維過程十分相似。圖靈機模型是目前為止應用最為廣泛的經(jīng)典計算模型，沒有之一。

到今天為止，人工智能還是基于圖靈機來實現(xiàn)的。圖靈機做不了的事情，不論今天的計算機如何強大，都做不了。這是我們思考人與AI之間分工的核心之一。

第二種模式是稱為歸納法。歸納法是通過觀察多個事件并找出它們共同的特征，將其歸納為新的知識。然而，歸納法無法通過嚴格的邏輯來實現(xiàn)，因為它不可能窮盡所有可能性。因此，可能會出現(xiàn)所謂的“黑天鵝事件”，即我們觀察到歐洲和美洲的天鵝都是白色的，從而得出天鵝應該是白色的結(jié)論。但當我們發(fā)現(xiàn)澳大利亞有一只黑色的天鵝時，歸納法就不能給出絕對正確的結(jié)論了，因為無法覆蓋所有可能性。機器在這方面的能力有限，無法超越歸納法的限制，但人類可以。然而，我們也要明白，這個結(jié)論有可能被推翻，這是現(xiàn)代科學所追求的。

第三種模式是類比法，是一種不嚴格的推理方式，就是通過將一種事物與另一種事物進行聯(lián)想。比如在思考DNA結(jié)構(gòu)時，如果我們不知道它的樣子，在夢中看到兩條蛇纏繞在一起，我們可能會聯(lián)想到DNA的結(jié)構(gòu)。實際上，DNA的雙螺旋結(jié)構(gòu)真的是通過這種方式“蒙”出來的。但對于以演繹邏輯為基礎的計算機來說，這是無法實現(xiàn)的。類比法是一種更加不嚴格的推理方式，但對于人類來說，我們可以運用這種方式。

從這三種模式，我們可以得出這樣的結(jié)論：在進行演繹邏輯方面，機器的效率已經(jīng)遠遠超過人類，因為它們基于圖靈機運行，并且是完全的計算機系統(tǒng)。然而，機器無法產(chǎn)生任何新的知識，而新的知識需要人類通過不嚴格的歸納法或類比法來獲得。這些觀點需要通過演繹法逐步論證，最終轉(zhuǎn)化為相對穩(wěn)定的知識，認知機器在獲取新知識方面無法超過人類。而我們所說的機器無法做到的部分，指的是機器無法從嚴格的演繹邏輯之外的領(lǐng)域進行處理，而這些領(lǐng)域正是人類可以處理的。

這實際上涉及到人類和機器之間分工的討論。不管是人工智能還是機器，它們都是基于圖靈機發(fā)展的，上述提到的問題不可避免。目前的人工智能發(fā)展都是以圖靈機為基礎的，如果人工智能無法實現(xiàn)某些任務，可能是因為受到摩爾定律等硬件發(fā)展的限制，或者涉及到其他相關(guān)限制。

最近，OpenAI公司CEO Sam Altman表示全球人工智能運算量每隔18個月翻一番。對此，有人認為人工智能的算力性能會不斷的實現(xiàn)指數(shù)級提升。其實，關(guān)于“摩爾定律”和算法，是兩個不同的命題。摩爾定律主要指硬件方面的發(fā)展，而算法方面并不完全符合摩爾定律的規(guī)律。因為面臨著對精密設備加工的技術(shù)問題，如今的摩爾定律在某種意義上已經(jīng)放緩，它更多涉及機械工藝方面的挑戰(zhàn)。而算法方面的發(fā)展，很難說是按照摩爾定律的方式進行，兩者之間存在一些差異。

當提到摩爾定律時，我們可以進一步探討，當計算單元達到原子層面時，就進入了另一個領(lǐng)域，即量子計算。從量子計算領(lǐng)域，以及結(jié)合我們最近這些年的進展發(fā)現(xiàn)，量子計算并不是一個嚴格的圖靈機。并且量子計算在工藝層面上的設計難度太大，真正的能做到像圖靈機一樣算法上的通用，可能還需要相當長的時間。我有一個觀點是，在接下來的300年內(nèi)我們不必過于擔心這個問題。但在300年之后，量子計算是否會有關(guān)鍵性突破？很難說，因為從還原論的角度來看，我們?nèi)祟惖乃季S一定是基于某種物理實體的。

目前，根據(jù)越來越多的跡象表明，我們的思維方式并不等同于圖靈計算機的思維方式。但根據(jù)我們目前的認知來說，現(xiàn)在我們只有兩個選擇——只有經(jīng)典的圖靈機和最近出現(xiàn)的量子計算機，但將來未必沒有第三個選擇。

如果我們已經(jīng)基本確定人類大腦不是由經(jīng)典的圖靈機組成的，那么它有可能是一個量子計算機。然而，量子計算機能否創(chuàng)造類似人類思維模式的能力目前還不清楚。所以我們越來越確信的是，量子計算機不是一臺圖靈機，它的底層邏輯是不同的。

07 GPT時代下的人才教育關(guān)鍵：培養(yǎng)強大的學習能力，不斷適應時代變化

我們創(chuàng)造機器，就是希望它來幫助我們完成不同的任務。因此，從具體的職業(yè)方向來看，很難確定哪些工作在未來一定不會被取代。因為對于任何可描述的事件或算法來說，圖靈機都能夠執(zhí)行。一旦我們將某項工作描述為具體的任務，計算機就可以完成它，只是計算機在執(zhí)行該任務時的效率不同而已。

其實我們在考慮哪些事情是圖靈機無法完成的時候，圖靈及其數(shù)學家哥德爾在30年代時就已經(jīng)指出了這一點，只是當時沒有引起足夠的人類重視，他們（指歌德爾和圖靈等）那一代人證明過了感性思維和直覺才是我們?nèi)祟愓J識世界的基本工具，而理性思維是對感性思維進行整理的工具。簡而言之，真正認識世界的能力仍然是人類所獨有的，并且通過我們自己的感性認知來實現(xiàn)。這是我們理解和區(qū)別，人類與機器（或者說AI）不同點的核心之一。

基于核心能力的不同，對于我們?nèi)祟惢蛭磥砣祟悂碚f，其實一個重要的能力培養(yǎng)是需要強大的學習能力和適應能力。只有通過這種學習能力，人們才能在面對新需求時給出新的解決方案，并將其轉(zhuǎn)化為自己的工作。 這些方面很難具體從每個方面去討論，因為學習能力貫穿于許多不同的領(lǐng)域。但現(xiàn)在我們不得不關(guān)注這一點，即通過教育來改變我們目前教育學生的方式。

舉個例子，這個學期我避免給學生布置隨堂作業(yè)。我開始意識到無法阻止他們利用GPT等工具完成作業(yè)，并且通過GPT的答案可能比我預想的還要好，這樣的作業(yè)失去了意義。因此，我更注重與學生在課堂上的對話和互動，并關(guān)注他們對推理邏輯和過程的理解，而不是他們是否能完成作業(yè)。

另外，在整個學期中，我希望他們完成一個比較系統(tǒng)的項目類作業(yè)。現(xiàn)在的教育都在倡導項目制學習，通過參與項目來進行學習。在這個項目過程中，我們讓學生理解他們在做什么，而不是通過以往的問答、考卷和作業(yè)方式進行教育，通過項目制學習這種方式培養(yǎng)出來的人對機器來說更具優(yōu)勢，而不是只是回答問題。

在這個過程中會有很多值得我們思考的問題。正是因為我們思考并了解這方面的需求，才會創(chuàng)造出大量新的就業(yè)機會和新的發(fā)展方向。因此，如果非要說，人與機器之間的差異可能是將來真正關(guān)注的更大的趨勢。總結(jié)來說，我們關(guān)注的是人類自身的能力和人機之間的交互，這是一個非常廣闊的領(lǐng)域。

08 未來人機對話的發(fā)展趨勢：人工智能和機器的互動

至于對未來AI的構(gòu)想和設想，很難對具體的趨勢進行準確的預測，因為這可能會引導輿論，影響資本的投資方向，一些觀點僅供交流和探討。

我認為一個重要的趨勢是人工智能和機器之間的互動。隨著機器以及人類自身的高速發(fā)展，我們需要一個界面或者工具來連接兩者實現(xiàn)更好的溝通。人機交互會是一個非常重要的技術(shù)領(lǐng)域。

在尋找未來的趨勢時，我們應該更加關(guān)注人與機器這兩個方面，而不僅僅是一個方面。我們需要深入思考人類自身的能力和定位，這是一個需要長時間思考的問題。

盡管前面我們更多地討論了教育倫理和人類未來的可能方向，但從技術(shù)層面來看，人機交互可能是一個非常具有潛力的領(lǐng)域。我們需要思考如何讓人與機器之間擁有更快速、高效的交流方式，而不需要人變成專業(yè)的專家模式。

人機交互是否能夠以更快速的方式吸引更多人參與，并有效地管理機器，這可能會影響和推動機器的更快速發(fā)展。因為機器的高速發(fā)展在未來是不可避免的，人類也需要明確自己的戰(zhàn)略和定位。既然人類和機器都要在地球上共生，我們應該有一種特別融洽、方便和高效的交互方式。這種交互方式可能需要很多新的技術(shù)來實現(xiàn)。

總而言之，我們不希望將來成為“機器奴隸”，所以我們必須思考人類自身的定位。身在教育領(lǐng)域，GPT的火爆也給我提出了重要的挑戰(zhàn)和思考：即“傳統(tǒng)的教育模式所培養(yǎng)出來的學生更像是機器還是人？”“我們應該如何學習才能不會被AI替代？”這些問題深刻地指導著我們今天進行嚴肅的討論。作為教師，我們不希望今天教給學生的東西，或者培養(yǎng)出來的學生，在10年或20年后發(fā)現(xiàn)自己從事的職業(yè)被計算機替代，走上失業(yè)之路或者被迫換崗。

人的思維是自由的、可創(chuàng)造的，可溝通的，從根本上講，我們需要發(fā)展的是創(chuàng)新技術(shù)人才的培養(yǎng)方式，有終身的學習習慣。

[ 本文為騰訊科技獨家內(nèi)容，未經(jīng)允許，請勿轉(zhuǎn)載，違者必究。]