机器之能报道
编辑：Sia
AI 正在超越人类。上周，英伟达 CEO 黄仁勋本在《纽约时报》年度 DealBook 峰会上宣称。
如果将通用人工智能 ( AGI ) 定义为能够以与人类智能「相当有竞争力」的方式完成测试的计算机，那么，「在将来五年内，我们将会看到这样的 AI 。」
话音落下不久，Meta 首席人工智能科学家、深度进修先驱、图灵奖得主 LeCun 就在公开场合反驳了黄仁勋的说法。
在上周纪念 Meta 基础人工智能钻研团队（ FAIR ）成立 10 周年的活动中，LeCun 重申了他对 AI 在不久将来达到先进或人类程度智能的怀疑。
「我认识黄仁勋」，他说。「如果说 AI 是一场战争，他们就是在提供战争须要的武器。」很明显，LeCun 是指英伟达可以从 AI 炒作中赚取巨额利润。
「如果你认为 AGI 已经是大势所趋，你就必须购买更多的 GPU。」「只要 OpenAI 等公司的钻研人员继续追求 AGI，他们就须要更多英伟达的芯片。」LeCun 认为，将来几年，AI 更有可能变得像「猫」或「狗」一样智慧。
按照这个说法，即使最乐观地按边牧（目前最智慧的狗）来算，AI 也只有 6-8 岁孩子的智力程度。
按照这个预测，即使最乐观地按照边牧（目前最智慧的狗）来计算，也相当于6-8岁孩子的程度。ChatGPT 对大型说话模型迷恋和倚重的出发点在于，钻研人员相信被用来训练基础大模型的说话是一种十分特殊的信息来源。与声音、光、震动等直接的物理信息不同，说话的信息异常密集，它以字节为单位，将人类对这个天下重要认知都编码进来，因此也是最为有效的数据之一。任何试图理解这个天下的智能体都希望更多地吸收说话。「假如你想变得十分擅长预测下一个单词，真想做好的话，就得明白别人在说什么。这是唯一的办法。所以，通过训练一些东西，让它十分擅长预测下一个单词，你实际上是在强迫它理解。」深度进修之父 Hinton 在《纽约客》专访时诠释过他为什么担心 AI 。零碎学会了「自动补全」，「但你没有想清楚拥有一个真正好的自动补全意味着什么。」比如，驱动 OpenAI 聊天机器人的 GPT 可以理解单词和想法的含义。他诠释说，通过分析人类写作，像 GPT 这样的大型说话模型可以进修天下是如何运作的，从而产生一个能够思考的零碎。「这就像毛毛虫变成蝴蝶。」他比喻道，幼虫代表训练模型的数据，蝴蝶代表着从数据中创造的 AI 。
2018年图灵奖得主、Meta首席 AI 科学家 Yann LeCun
但 Le Cun 并不认同。「文本是一个十分糟糕的信息来源，」他诠释说，人类可能须要 2 万年才能阅读完目前用于训练现代说话模型的文本体量。
「用相当于两万年的阅读材料来训练一个零碎，它们仍然不明白，如果 A 和 B 相同，那么，B 和 A 也相同。」目前，大家对说话模型和文本数据的关注，并不足以创造出钻研人员几十年来一直梦想的那种先进的类人 AI 零碎。早在 6 月，LeCun 就在 Viva Tech 大会上就表达过类似的观点，像 ChatGPT 这样经过大型说话模型训练的 AI 甚至不如狗或猫智慧，它的能力是「有限的」。他诠释说，AI 接受过说话训练，所以能通过律师资格考试，但它不知道怎么把盘子放进洗碗机——这是 10 岁孩子都会的事。这些零碎仍然十分有限，它们对现实天下的根本现实没有任何了解，因为它们纯粹是接受大量文本的训练。他当时说道，「大多数人类知识与说话无关……因此 AI 无法捕捉到人类的部分经验。」在上周的10 周年纪念活动中，LeCun 重申，「还有关于这个天下更为基础性的东西，但这些模型没有通过它们得到训练。」须要说明的是，LeCun 也声明自己并非怀疑论者， 「我总是说，人类程度 AI 可以在几十年内完成。」如果我认为不能在将来十年取得重大进展，我就不会有今天的成就。但 LeCun 强调，完成这一点比大多数人想象的要难，并非 「指日可待」。我所说的「并非指日可待」，是指「显然『不会在将来 5 年内完成』，这与 AI 行业许多人的看法相反。」而且，他和 Meta 也不会用强化进修（ RL ）来解决这个问题。自监督进修（ SSL ）、天下模型和规划将是完成人类程度 AI 的关键。
因此，LeCun 和其他 Meta AI 高管一直在深入钻研如何完成 transformer 模型的定制化，以处理各种数据，包括音频、图像和视频信息。他们认为，这些 AI 零碎越能发现这些不同类型数据之间可能隐藏的数十亿个相关性，越有可能完成更奇妙的壮举。他们现在的一些钻研包括人们戴上数字增强现实眼镜后，如何更好进修打网球的软件。比如，用户能够看到视觉提示，告诉他怎么正确握住球拍，完美摆动手臂。驱动这类数字网球助手，须要各种 AI 模型——不仅须要处理文本和音频，还须要混合三维视觉数据。这些所谓的多模态 AI 零碎代表了下一个前沿领域，但它们的发展并不便宜。即便是 Meta 也须要 16,000 个 Nvidia A100 GPU 来训练 Llama 。
将来他们也要继续开发这些复杂的 AI 模型。对此，LeCun 表示 GPU 仍然是 AI 的黄金标准。不过，将来的计算机芯片可能不会被称为 GPU，他说。
「你将看到新的芯片，它们不是图形处理单元（ GPU ），而只是神经的深度进修加速器（neural, deep learning accelerators）。」
参考链接https://www.cnbc.com/2023/12/03/meta-ai-chief-yann-lecun-skeptical-about-agi-quantum-computing.html