以下為演講全文：

大家好！非常高興參加今天的發(fā)布會(huì)，一起探討產(chǎn)業(yè)智能化升級(jí)。隨著大語(yǔ)言模型的發(fā)展，我們正在進(jìn)入一個(gè)被AI重塑的時(shí)代，從生產(chǎn)銷售、組織人才，到產(chǎn)業(yè)革新、社會(huì)發(fā)展，都會(huì)發(fā)生劇烈的變化。

許多企業(yè)管理者也在思考，如何把大模型技術(shù)應(yīng)用到自己企業(yè)場(chǎng)景中，比如在客服與營(yíng)銷環(huán)節(jié)，為業(yè)務(wù)經(jīng)營(yíng)帶來(lái)更多降本增效？如何在使用大模型時(shí)，保護(hù)企業(yè)數(shù)據(jù)的產(chǎn)權(quán)與隱私？如何降低大模型的使用成本？這些都是企業(yè)管理者需要考慮的現(xiàn)實(shí)問(wèn)題。

今天，我們和北京大學(xué)光華管理學(xué)院攜手共建的“企業(yè)家人工智能通識(shí)課”，就是期望能夠幫助大家，在前沿技術(shù)理解、公司組織變革、商業(yè)模式驗(yàn)證、模型實(shí)際落地等重要問(wèn)題上，一起尋找新的解題思路。

在這里，我也分享一些對(duì)人工智能和產(chǎn)業(yè)融合的想法，跟大家探討，如何以AI驅(qū)動(dòng)產(chǎn)業(yè)變革。

我想從四個(gè)部分，分享一下自己的觀察和看法，包括AI的歷史、技術(shù)現(xiàn)狀、產(chǎn)業(yè)落地和帶給我們的挑戰(zhàn)。我先從技術(shù)發(fā)展的角度，回顧一下AI發(fā)展史，這會(huì)幫助我們更好的理解人工智能的現(xiàn)狀和未來(lái)發(fā)展。

一、人工智能發(fā)展歷程

1950年，人工智能之父圖靈在論文中，提出了一個(gè)關(guān)鍵問(wèn)題：“機(jī)器是否可能具有人類智能？”由此誕生了“人工智能”的概念。

人工智能究竟是什么？它是一門研究、開(kāi)發(fā)，如何模擬、擴(kuò)展人的智能的科學(xué)。包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等方向。

簡(jiǎn)單說(shuō)，就是研究怎么讓機(jī)器和人一樣，會(huì)聽(tīng)會(huì)說(shuō)，會(huì)看，會(huì)思考，可以行動(dòng)。其中尤其重要的一個(gè)方面，是讓機(jī)器掌握語(yǔ)言，從理解、學(xué)習(xí)，到生成表達(dá)，這也是今天，GPT-4這樣的大模型所表現(xiàn)出來(lái)這種“超能力”。

語(yǔ)言是人類思維最重要的載體，《人類簡(jiǎn)史》作者尤瓦爾（Yuval）甚至說(shuō)，通過(guò)掌握語(yǔ)言，人工智能已經(jīng)破解了人類文明的操作系統(tǒng)，掌握了通往未來(lái)的“萬(wàn)能鑰匙”。

過(guò)去40年，AI發(fā)展不斷加速。也有一些大眾熟知的標(biāo)志性事件，比如，IBM的專用超算機(jī)深藍(lán)，在1995年，通過(guò)窮舉棋盤上所有可能性，奪得國(guó)際象棋世界冠軍。2016年，AlphaGo結(jié)合深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)，在圍棋上打敗李世石。還有AlphaFold對(duì)生物科學(xué)的貢獻(xiàn)，把蛋白質(zhì)的折疊做到非常高的精度。再到最近讓大眾風(fēng)靡的ChatGPT、GPT-4，文生圖技術(shù)Midjourney、Stable Diffusion等等。

這些事件的背后是底層技術(shù)，特別是神經(jīng)網(wǎng)絡(luò)的持續(xù)突破。1986年，深度學(xué)習(xí)之父杰弗里·辛頓(Geoffrey Hinton)發(fā)明反向傳播算法，奠定了現(xiàn)代機(jī)器學(xué)習(xí)，用數(shù)據(jù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)。

神經(jīng)網(wǎng)絡(luò)計(jì)算模型的原理，是通過(guò)模仿人腦構(gòu)建人工神經(jīng)元模型，以多層架構(gòu)，層層抽象。

隨后，模型架構(gòu)不斷創(chuàng)新，比如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，帶來(lái)了深度學(xué)習(xí)的大發(fā)展。最近一次重要的突破是2017年，Google多名研究員發(fā)布了一篇開(kāi)創(chuàng)性的論文《Attention is all your need》，提出Transformer架構(gòu)，以自注意力來(lái)表達(dá)序列中每個(gè)單詞的關(guān)聯(lián)，今天包括GPT在內(nèi)的AI模型，都是在這個(gè)Transformer通用框架上衍生而來(lái)。

AI的發(fā)展，除了底層技術(shù)，還要受到算力等因素的限制。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練非常消耗算力，在80年代，計(jì)算機(jī)能力僅能支撐淺層神經(jīng)網(wǎng)絡(luò)，當(dāng)時(shí)一個(gè)較為典型的神經(jīng)網(wǎng)絡(luò)只有1960個(gè)參數(shù)，連最簡(jiǎn)單的文字識(shí)別基本都無(wú)法完成。哪怕到了2000年代初，算力仍然是瓶頸，可供訓(xùn)練的在線數(shù)據(jù)也不足。

到了最近20年，硬件算力不斷提升。一方面，摩爾定律讓芯片計(jì)算能力持續(xù)翻翻；另一方面，高速網(wǎng)絡(luò)與分布式計(jì)算技術(shù)，也讓計(jì)算機(jī)集群規(guī)模不斷擴(kuò)大。2000年代中，英偉達(dá)打造了CUDA，把GPU變得更通用與可被編程，一下從圖形渲染，延展到科研超算領(lǐng)域?；诓煌脑O(shè)計(jì)理念，GPU重點(diǎn)攻克并發(fā)的向量計(jì)算，單個(gè)GPU的算力，比過(guò)去基于CPU的算力多了一千倍。加上互聯(lián)網(wǎng)的高速發(fā)展，快速增加了可訓(xùn)練的數(shù)據(jù)，讓神經(jīng)網(wǎng)絡(luò)可以做到更大、更深、更多參數(shù)、更復(fù)雜的模型結(jié)構(gòu)，由此誕生了千億級(jí)以上參數(shù)的大模型。

此外，全球產(chǎn)學(xué)研力量，攜手開(kāi)源共創(chuàng)，也是人工智能快速突破的重要因素。無(wú)論是科研論文、數(shù)據(jù)集、模型算法，還是軟件平臺(tái)，一代一代的人工智能科學(xué)家，都無(wú)私的開(kāi)放自己的研究成果，讓后來(lái)者能在前人的基礎(chǔ)上不斷前進(jìn)。

在開(kāi)源軟件方面，全球高校與科技企業(yè)，都為開(kāi)發(fā)者貢獻(xiàn)了多種AI訓(xùn)練與推理框架，還有大量數(shù)據(jù)處理工具。

到今天，大量各類預(yù)訓(xùn)練的開(kāi)源模型，都能從huggingface、github等平臺(tái)下載，讓全球研究人員可以在各種開(kāi)源模型上搭建服務(wù)，與優(yōu)化出更好的模型。

開(kāi)源共創(chuàng)、算法創(chuàng)新、算力大幅增強(qiáng)，這些因素疊加，構(gòu)成了AI的“增長(zhǎng)飛輪”。 GPT-4、PaLM2、LLaMa等大模型的問(wèn)世，讓大家看到了通用人工智能的曙光。

二、大模型推動(dòng)智能變革

如果說(shuō)，大語(yǔ)言模型已經(jīng)涌現(xiàn)出一定的智能現(xiàn)象，也就應(yīng)該能產(chǎn)生出，在訓(xùn)練數(shù)據(jù)中從來(lái)沒(méi)有出現(xiàn)過(guò)的新組合內(nèi)容。

通過(guò)這個(gè)畫畫的案例，我們可以看到現(xiàn)在的AI大模型處理問(wèn)題的方式，不再是靠完整的保存與復(fù)制，而是通過(guò)理解指示后，把訓(xùn)練過(guò)的知識(shí)重新組合生成的。

可以看出，大模型可以按照指令，逐步畫圖，比如，用字符來(lái)畫一個(gè)人出來(lái)。其中用字母O表示臉，用字母Y表示軀干，再用H表示雙腿。第一次畫的并不理想，但可以根據(jù)反饋，調(diào)整身體、手的比例，給小人穿上衣服。是一個(gè)不斷反饋和調(diào)整的過(guò)程。

另一方面，著名的圖靈測(cè)試，就是在對(duì)話中能否識(shí)別出對(duì)方是人還是AI，在今天已經(jīng)不足以評(píng)估人工智能的智能程度。

如果做題考分是評(píng)估人的智能最直接的工具，那么大語(yǔ)言模型在語(yǔ)言理解與邏輯推理能力上，已經(jīng)超過(guò)了平均人類的水準(zhǔn)。

在編程領(lǐng)域，GPT-4參加了亞馬遜的模擬技術(shù)考試，拿到了滿分，這個(gè)考試規(guī)定的時(shí)長(zhǎng)是兩小時(shí)，它只用了不到4分鐘。在美國(guó)GRE和生物奧林匹克競(jìng)賽考試當(dāng)中，GPT-4也超過(guò)99%的人類；模擬律師資格考試的成績(jī)，大約是前10%。此外，谷歌的Med-PaLM 2，也在美國(guó)醫(yī)療執(zhí)照考試中達(dá)到了專家水平。

最近，OpenAI又給ChatGPT API增加了函數(shù)調(diào)用能力，這意味著大模型也能使用工具了。自己不具備的能力，可以靠各種第三方服務(wù)嘗試解決，大大增加了通用大模型解決問(wèn)題的能力。

大語(yǔ)言模型代表人工智能的發(fā)展，已經(jīng)達(dá)到了一個(gè)新的高峰，有卓越的語(yǔ)言理解、強(qiáng)大的邏輯推理與溝通能力，能帶入角色，主動(dòng)思考。

用大量數(shù)據(jù)預(yù)訓(xùn)練的模型也推動(dòng)機(jī)器視覺(jué)、語(yǔ)音識(shí)別、機(jī)器人等AI能力發(fā)生新的突破。通過(guò)對(duì)機(jī)器想、聽(tīng)、看、動(dòng)等能力的整合，AI也將真正成為人們的工作和生活助手。

首先，基于多模態(tài)的大模型，計(jì)算機(jī)視覺(jué)從“能看”到“看懂”。

在銀行業(yè)務(wù)中，要處理很多的回單、發(fā)票、申請(qǐng)書(shū)、業(yè)務(wù)郵件等數(shù)據(jù)，例如我們合作的一家商業(yè)銀行，在資產(chǎn)托管業(yè)務(wù)中，每天需要處理1萬(wàn)多件郵件和傳真。來(lái)自投資、保險(xiǎn)、融資等等不同的業(yè)務(wù)系統(tǒng)，內(nèi)容有票據(jù)、證件照片等等，多種樣式?？咳斯ぬ幚?，錄入系統(tǒng)，費(fèi)時(shí)費(fèi)力，就需要借助更智能的機(jī)器識(shí)別。

在傳統(tǒng)的算法模型下，需要輸入2千張的單據(jù)，機(jī)器才能識(shí)別一種單據(jù)，也沒(méi)有整理成表格或者標(biāo)簽的能力。

現(xiàn)在，基于大模型能力，我們的TI-OCR只需要50張被標(biāo)注的單據(jù)，就可以快速識(shí)別一種類型的單據(jù)。同時(shí)可以根據(jù)分析能力，自動(dòng)提煉核心標(biāo)簽，生成電子數(shù)據(jù)文件，進(jìn)行后續(xù)的商業(yè)分析。

大語(yǔ)言模型不僅懂多種人類語(yǔ)言，還掌握多種程序語(yǔ)言，還可以幫助程序員寫代碼。

我們也打造了騰訊云新一代AI代碼助手，實(shí)現(xiàn)AI對(duì)代碼的理解，輔助程序員編寫、排錯(cuò)與測(cè)試，為軟件研發(fā)的全流程助力，提高開(kāi)發(fā)效率與代碼質(zhì)量。

這是上周新發(fā)布的一段視頻。騰訊Robotics X機(jī)器人實(shí)驗(yàn)室的機(jī)器狗Max，能力又升級(jí)了。大家可以看到，兩只機(jī)器狗正在進(jìn)行一段障礙追逐賽，把他們隨機(jī)放到場(chǎng)地中，一個(gè)追，一個(gè)躲，還有一面隨機(jī)出現(xiàn)的旗子。躲的機(jī)器狗，要努力在不被抓到情況下，摸到旗子，摸到旗子后，角色調(diào)轉(zhuǎn)。

在這個(gè)過(guò)程中，兩只機(jī)器狗要實(shí)時(shí)的根據(jù)對(duì)方的行動(dòng)，判斷自己的行為，同時(shí)還要惦記著目標(biāo)，也就是碰到旗子，或者抓住對(duì)方。同時(shí)，在碰到旗子后要馬上修正自己的策略。

通過(guò)這個(gè)視頻，我們能看到，機(jī)器狗的行動(dòng)，也因?yàn)轭A(yù)訓(xùn)練AI模型和強(qiáng)化學(xué)習(xí)的加入，具有了更好的靈活性和自主決策能力。

大語(yǔ)言模型不僅能與人溝通，更重要的是通過(guò)模型的精調(diào)，可以按需求產(chǎn)生一系列的執(zhí)行步驟，比如聯(lián)網(wǎng)調(diào)用不同插件的能力，加上多模態(tài)讓AI同時(shí)能看懂圖，聽(tīng)懂話，會(huì)規(guī)劃，能行動(dòng)，這樣就可以做出更強(qiáng)大的應(yīng)用，讓AI更像真正意義上的智能助手，完成更高級(jí)的任務(wù)。

比如，線上廣告投放員，每天需要刷新大量廣告素材，確保廣告投放的ROI，如果結(jié)合廣告效果數(shù)據(jù)與文生圖能力，可以不斷地根據(jù)數(shù)據(jù)分析，生成投放策略，調(diào)整投放渠道，并且針對(duì)性的生成投放素材，自動(dòng)化程度與效率都會(huì)更高。

三、企業(yè)擁抱大模型的方式和路徑

這么多變革匯聚在一起，也意味著海量的創(chuàng)新即將爆發(fā)。大模型只是起點(diǎn)，未來(lái)，應(yīng)用落地的產(chǎn)業(yè)變革是更大的圖景。

事實(shí)上，不管哪個(gè)行業(yè)，都應(yīng)該積極擁抱AI，過(guò)去的研發(fā)、生產(chǎn)、銷售、服務(wù)等環(huán)節(jié)中，都有很多依賴人來(lái)判斷、協(xié)調(diào)與溝通的地方，今天都值得我們?nèi)タ纯茨男┉h(huán)節(jié)，可以疊加AI的生產(chǎn)力，來(lái)提質(zhì)、降本與增效。

目前，海外一些大型企業(yè)，已經(jīng)開(kāi)始投資及采用大模型技術(shù)。比如，摩根士丹利直接接入 GPT-4，用它整合、解析，海量的投資策略和市場(chǎng)研究報(bào)告，給投資顧問(wèn)提供直接的參考。

根據(jù)自媒體《量子位》的分析，我們可以看到，生成式AI（AIGC）對(duì)不同行業(yè)的影響程度與接受程度。圖中能看到，內(nèi)容與電商產(chǎn)業(yè)受到影響最明顯，像文生圖的技術(shù)，將會(huì)大大改變內(nèi)容制作的流程與成本。

既然大模型這么重要，在座的企業(yè)家與管理者，可能也會(huì)問(wèn)，我們?nèi)绾伟阉迷谄髽I(yè)上，抓住技術(shù)變革的紅利？

我可以給企業(yè)管理者一些建議：

第一，聚焦企業(yè)自身業(yè)務(wù)，挑選具體場(chǎng)景，讓AI成為服務(wù)的增量。

第二，確保訓(xùn)練數(shù)據(jù)質(zhì)量，梳理出測(cè)試用例，建立上線評(píng)估流程。

第三，確保服務(wù)合規(guī)，同時(shí)關(guān)注數(shù)據(jù)的產(chǎn)權(quán)與隱私。

第四，使用云廠商工具，搭建一體化的模型服務(wù)，這樣效率比較高，節(jié)約訓(xùn)練、運(yùn)維的成本和時(shí)間。

在具體實(shí)施中，模型、數(shù)據(jù)和算力是大家需要格外關(guān)注的三個(gè)點(diǎn)。

首先是模型。雖然大家對(duì)通用大語(yǔ)言模型的聊天機(jī)器人期待很高，但它不是唯一的大模型服務(wù)方式，也不一定是滿足行業(yè)場(chǎng)景需求的最優(yōu)解。

目前，通用大模型一般都是基于廣泛的公開(kāi)文獻(xiàn)與網(wǎng)絡(luò)信息來(lái)訓(xùn)練的，上面的信息可能有錯(cuò)誤、有謠言、有偏見(jiàn)，許多專業(yè)知識(shí)與行業(yè)數(shù)據(jù)積累不足，導(dǎo)致模型的行業(yè)針對(duì)性與精準(zhǔn)度不夠，數(shù)據(jù)“噪音”過(guò)大。但是，在很多產(chǎn)業(yè)場(chǎng)景中，用戶對(duì)企業(yè)提供的專業(yè)服務(wù)要求高、容錯(cuò)性低，企業(yè)一旦提供了錯(cuò)誤信息，可能引起巨大的法律責(zé)任或公關(guān)危機(jī)。因此，企業(yè)使用的大模型必須可控、可追溯、可修正，而且必須反復(fù)與充分測(cè)試才能上線。

我們認(rèn)為，客戶更需要有行業(yè)針對(duì)性的行業(yè)大模型，再加上企業(yè)自己的數(shù)據(jù)做訓(xùn)練或精調(diào)，才能打造出實(shí)用性高的智能服務(wù)。企業(yè)所需要的是，在實(shí)際場(chǎng)景中真正解決了某個(gè)問(wèn)題，而不是在100個(gè)場(chǎng)景中解決了70%-80%的問(wèn)題。

另外，訓(xùn)練數(shù)據(jù)越多，模型越大，訓(xùn)練與推理的成本也越高。實(shí)際上，大部分的企業(yè)場(chǎng)景，可能也不需要通用AI來(lái)滿足需要。因此，如何在合理成本下，選擇合適的模型，是企業(yè)客戶所需要思考與決策的。

其次，數(shù)據(jù)是大模型的原材料，針對(duì)具體場(chǎng)景，相關(guān)數(shù)據(jù)的覆蓋與質(zhì)量都是至關(guān)重要，標(biāo)注數(shù)據(jù)的管理也是模型迭代中的重要工作。

模型最終要在真實(shí)場(chǎng)景落地，要達(dá)到理想的服務(wù)效果，往往需要把企業(yè)自身的數(shù)據(jù)也用起來(lái)。在模型研發(fā)過(guò)程中，既要關(guān)注敏感數(shù)據(jù)的保護(hù)與安全合規(guī)，也需要管理好大量的數(shù)據(jù)與標(biāo)簽，不斷測(cè)試與迭代模型。

再次，算力是模型持續(xù)運(yùn)轉(zhuǎn)的基礎(chǔ)，高性能、高彈性和高穩(wěn)定的算力，需要借助專業(yè)的云服務(wù)。

在大模型的訓(xùn)練和使用過(guò)程中，需要大量異構(gòu)算力的支持，對(duì)網(wǎng)絡(luò)速度與穩(wěn)定性要求也很高，加上GPU服務(wù)器比一般服務(wù)器穩(wěn)定性更低一些，服務(wù)器的運(yùn)維、問(wèn)題的排查更頻繁，整體運(yùn)維的難度與工作量會(huì)高很多。在訓(xùn)練集群中，一旦網(wǎng)絡(luò)有波動(dòng)，訓(xùn)練的速度就會(huì)受到很大的影響；只要一臺(tái)服務(wù)器過(guò)熱宕機(jī)，整個(gè)集群都可能要停下來(lái)，然后訓(xùn)練任務(wù)要重啟，這些問(wèn)題會(huì)使得訓(xùn)練時(shí)間大大增加，投入在大模型的成本也會(huì)飆升。

基于這些企業(yè)現(xiàn)實(shí)問(wèn)題和需求的思考，就在前兩天，騰訊也正式公布了騰訊云MaaS服務(wù)全景圖。

基于騰訊云TI平臺(tái)打造的行業(yè)大模型精選商店，將覆蓋金融、文旅、政務(wù)、醫(yī)療、傳媒、教育等10大行業(yè)，提供超過(guò)50個(gè)解決方案。在這些能力模型基礎(chǔ)上，伙伴們只需要加入自己獨(dú)有的場(chǎng)景數(shù)據(jù)，就可以快速生成自己的“專屬模型”。

我們也推出基于騰訊云TI平臺(tái)的，行業(yè)大模型精調(diào)解決方案。幫助模型開(kāi)發(fā)者與算法工程師，一站式解決模型調(diào)用、數(shù)據(jù)與標(biāo)注管理、模型精調(diào)、評(píng)估測(cè)試與部署等任務(wù)，減輕創(chuàng)建大模型的壓力。我們也可以通過(guò)TI平臺(tái)，實(shí)現(xiàn)模型的私有化部署、權(quán)限管控和數(shù)據(jù)加密等方式，讓企業(yè)用戶在使用模型時(shí)更放心。

比如，我們和國(guó)內(nèi)的頭部在線旅游公司，基于“文旅大模型”，打造了機(jī)器人客服，可以自動(dòng)判斷用戶意圖，并自動(dòng)調(diào)用相應(yīng)的API，高質(zhì)量完成用戶咨詢及服務(wù)。

假如一個(gè)用戶問(wèn)“端午節(jié)三天不出江浙滬，有什么行程推薦，應(yīng)該怎么安排？”如果是基于通用大模型的客服機(jī)器人，只能給出一些簡(jiǎn)單的景點(diǎn)介紹和路線規(guī)劃。

但當(dāng)我們加入行業(yè)數(shù)據(jù)，進(jìn)行模型精調(diào)之后，客服機(jī)器人的回答變得更加細(xì)致，能夠規(guī)劃出每天的交通、景點(diǎn)安排，包括不同檔次的酒店推薦、介紹，甚至可以直接提供預(yù)訂鏈接，平臺(tái)優(yōu)惠券信息。智能客服系統(tǒng)，不僅可以實(shí)現(xiàn)人性化的服務(wù)體驗(yàn)，也具備了更強(qiáng)的銷售轉(zhuǎn)化能力。

在算力服務(wù)上。騰訊云所提供的穩(wěn)定計(jì)算、高速網(wǎng)絡(luò)與專業(yè)運(yùn)維，可以為算法工程師大大減輕設(shè)備運(yùn)維的壓力，讓他們把精力放在模型的構(gòu)建與算法的優(yōu)化上。

騰訊云也打造了面向模型訓(xùn)練的新一代HCC（High-Performance Computing Cluster）高性能計(jì)算集群，搭載最新次代GPU，結(jié)合多層加速的高性能存儲(chǔ)系統(tǒng)，加上高帶寬、低延遲的網(wǎng)絡(luò)傳輸，整體性能比過(guò)去提升了3倍，獲得了很多客戶的高度認(rèn)可，幾家大模型獨(dú)角獸，都與我們展開(kāi)了算力的合作。

在計(jì)算集群的“硬實(shí)力”之外，我們最近也推出了更適合AI運(yùn)算的“軟能力”——向量數(shù)據(jù)庫(kù)，它能更高效地處理圖像、音頻和文本等非結(jié)構(gòu)化數(shù)據(jù)，支持單索引10億級(jí)規(guī)模，比單機(jī)插件式檢索規(guī)模提升10倍，數(shù)據(jù)接入AI的效率，也比傳統(tǒng)方案提升10倍。

四、AI發(fā)展的挑戰(zhàn)和應(yīng)對(duì)之策

AI價(jià)值巨大，發(fā)展速度驚人，但從社會(huì)的層面，我們也要注意，帶來(lái)的風(fēng)險(xiǎn)與挑戰(zhàn)。

最近，杰弗里·辛頓(Geoffrey Hinton)因?yàn)閾?dān)心AI無(wú)法控制，離開(kāi)了谷歌，他在接受采訪時(shí)提到：人工智能的信息架構(gòu)可能比人腦的信息架構(gòu)更強(qiáng)大。

人類大腦中大概有860億個(gè)神經(jīng)元，這些神經(jīng)元之間形成了大概100萬(wàn)億個(gè)連接。雖然GPT4的參數(shù)沒(méi)有披露，但普遍估算參數(shù)量只有人腦神經(jīng)元連接的百分之一，大概是5000億到1萬(wàn)億。

但GPT4裝載的知識(shí)卻是普通人的千倍萬(wàn)倍，學(xué)習(xí)效率也更高。這說(shuō)明，在某程度上，當(dāng)前的神經(jīng)網(wǎng)絡(luò)可能比人腦擁有一個(gè)“更優(yōu)”的處理信息的架構(gòu)與學(xué)習(xí)算法，一旦得到足夠算力來(lái)訓(xùn)練，就可以更快速地學(xué)習(xí)大量信息與知識(shí)。

還有一點(diǎn)值得一提，AI通過(guò)在線連接，就可以把模型下載與復(fù)制，在相對(duì)短時(shí)間內(nèi)，就讓一臺(tái)新機(jī)器復(fù)制好海量的知識(shí)，而且各自學(xué)習(xí)不同知識(shí)后還可以相互同步。而人類的知識(shí)和智慧傳承，必須通過(guò)復(fù)雜多變又不太精確的語(yǔ)言，作為傳遞信息的媒介，每個(gè)人的培養(yǎng)幾乎是從0開(kāi)始（除了基因中hard code的記憶），都需要從小開(kāi)始，花數(shù)十年時(shí)間來(lái)學(xué)習(xí)，花數(shù)十年來(lái)積累經(jīng)驗(yàn)。

AGI強(qiáng)大且不斷泛化的能力，讓很多人都非常擔(dān)心，人類會(huì)逐漸失去對(duì)AI的控制。尤其AGI能聯(lián)網(wǎng)，能編程，能操控其他系統(tǒng)（因?yàn)榭梢哉{(diào)用其他系統(tǒng)的API），讀懂人（因?yàn)槟Ｐ屠飳?dǎo)入大量書(shū)籍，了解人類千年文明發(fā)展歷史，了解人們的思考方式與弱點(diǎn)，每天還跟很多人互動(dòng)，甚至交流情感），它掌握語(yǔ)言（因此可以影響人的思考與行為），它能產(chǎn)生圖與視頻（因此可以讓人產(chǎn)生視覺(jué)錯(cuò)覺(jué)），可能還有更多能力我們還沒(méi)發(fā)現(xiàn)。

因此Hinton也提出，AI對(duì)人類產(chǎn)生四重威脅。他不惜從工作了10年的谷歌離職，推動(dòng)大眾對(duì)人工智能潛在風(fēng)險(xiǎn)的關(guān)注，并建立安全使用AGI的規(guī)范。

面對(duì)人工智能帶來(lái)的各種問(wèn)題，還有很多值得思考的東西。包括人類發(fā)展、倫理、教育等等。

這些問(wèn)題，相信我們?cè)谧恳晃?，都有自己的思考。但是有一點(diǎn)我想講的是，技術(shù)的發(fā)展、演進(jìn)、變化，總是超出人的想象，而人類擁抱變化的勇氣，創(chuàng)新的智慧，化挑戰(zhàn)為機(jī)遇的能力，也往往超出我們自己的想象。就像工業(yè)革命早期，也有過(guò)對(duì)于農(nóng)村經(jīng)濟(jì)瓦解、工人生存狀況堪憂等等情況的擔(dān)心，但是，最終我們以人類特有的方式，走了過(guò)來(lái)，并且讓全人類的生產(chǎn)效率、生活質(zhì)量以幾何指數(shù)飆升。

毫無(wú)疑問(wèn)，AI對(duì)世界的改變，一定也是通過(guò)與產(chǎn)業(yè)的融合實(shí)現(xiàn)的。機(jī)器決策、自主生成、自然交互等一系列變革，推動(dòng)產(chǎn)業(yè)實(shí)現(xiàn)更高效率、更低成本、更好體驗(yàn)和更大創(chuàng)新。未來(lái)的企業(yè)，也將向智能原生進(jìn)化。

面向未來(lái)，騰訊也愿意持續(xù)貢獻(xiàn)自己的能力，以開(kāi)放的心態(tài)和無(wú)窮的好奇心，和各位專家學(xué)者、企業(yè)管理者一起，共同探索、創(chuàng)新，擁抱智能時(shí)代的新機(jī)遇。