每經(jīng)記者 劉旭強    每經(jīng)編輯 劉艷美

活動現(xiàn)場 圖片來源：每經(jīng)記者 劉旭強 攝

“生成式人工智能等新技術(shù)，使得人和機器的界限模糊了。”10月16日，在2023天府?dāng)?shù)字經(jīng)濟峰會上，俄羅斯工程院外籍院士吳信東接受每日經(jīng)濟新聞記者專訪時表示，AIGC的出現(xiàn)改變了人機協(xié)同中“人”的角色，人不再總是AI的主導(dǎo)者，而是按具體成本和效率與機器相互協(xié)同配合。

作為長期研究人工智能領(lǐng)域的專家，吳信東提醒，目前大家對AIGC的期望過高了。結(jié)合人工智能的發(fā)展史，他預(yù)測，業(yè)界對AIGC的過高期待和過快投入，可能導(dǎo)致人工智能遭遇下一次失敗。

AIGC的下一站是人機協(xié)同

新技術(shù)總能引領(lǐng)新一輪的科技革命和產(chǎn)業(yè)革命。在吳信東眼中，近年來數(shù)字技術(shù)對實體經(jīng)濟的影響，集中在兩個方面。一是4G、5G等技術(shù)對短視頻、直播等新興行業(yè)的助推，另一類是AIGC等新技術(shù)帶來的模式創(chuàng)新。后者，他用“革命性”來形容。

“AIGC的出現(xiàn)，改變了過去以人為主導(dǎo)、機器配合的人機模式。”吳信東認(rèn)為，AIGC的下一站是人機協(xié)同。未來，人將被視為一個智能體，和機器融合在一起，相互協(xié)同，核心是發(fā)揮人和機器的各自優(yōu)勢。

比如，一件具體的任務(wù)，究竟是派人還是派機器去做，要根據(jù)效率和成本統(tǒng)籌安排。吳信東指出，目前來看，人機協(xié)同中人工智能擅長于數(shù)據(jù)處理和細(xì)節(jié)推理，而對宏觀知識的理解和把握還是要靠人完成。

如何快速建立起數(shù)據(jù)和知識間的聯(lián)系，更大程度發(fā)揮人工智能的能力？吳信東表示，知識圖譜化將是人工智能未來發(fā)展的一大趨勢。

知識圖譜是一種用可視化技術(shù)描述知識資源及其載體的工具。它可以將各類數(shù)據(jù)以圖譜的形式呈現(xiàn)出來，讓我們更直觀地了解知識之間的關(guān)系和結(jié)構(gòu)。

“以前大家使用數(shù)據(jù)，只關(guān)注最終結(jié)果，而過程中的數(shù)據(jù)分析、計算等邏輯推理能力，并沒有積累下來，也就無法分享、復(fù)用這種經(jīng)驗。”吳信東說，知識圖譜是與人類大腦思維本質(zhì)最趨近的人工智能技術(shù)。圖譜可以挖掘?qū)崿F(xiàn)對客觀世界的認(rèn)知，并由已有的知識產(chǎn)生新的知識。“比如車輛故障，老師傅敲幾下就能知道問題在哪兒，新手可能要把相關(guān)零部件拆開看才能知道結(jié)果。知識圖譜就是一位老師傅。”他指出。

這將連接上游數(shù)據(jù)和下游應(yīng)用，把數(shù)據(jù)更有效地轉(zhuǎn)變?yōu)樾袠I(yè)知識。當(dāng)下，知識圖譜已在語義搜索、智能問答、數(shù)據(jù)分析、視覺理解等方面開始發(fā)揮作用。

提高AIGC準(zhǔn)確率還需時間沉淀

吳信東還坦言，AIGC的表現(xiàn)，讓身為人工智能領(lǐng)域?qū)＜业乃?ldquo;嚇了一跳”。

“五年前，別人給我介紹AIGC，我信都不信。”如今，吳信東對AIGC在寫作、對話領(lǐng)域的“能說會道”深有體會。“我用清華Chat GLM寫的東西，到目前為止沒出現(xiàn)一個語法錯誤。我不知道怎么和一些愛哭鼻子的學(xué)生們溝通，AIGC也能幫我生成像模像樣的對話內(nèi)容。這兩點，它比人還厲害。”

吳信東觀察到，AIGC 的優(yōu)勢在于能夠突破人類創(chuàng)作的限制，實現(xiàn)無限的內(nèi)容創(chuàng)造。機器能夠根據(jù)關(guān)鍵詞，依托海量數(shù)據(jù)庫、背景文獻(xiàn)，基于概率來預(yù)測下一個詞。不過，人工智能并不能理解海量文獻(xiàn)彼此的關(guān)聯(lián)，常常導(dǎo)致生成的上下文邏輯關(guān)系不強，這使得AIGC的缺點也非常明顯——經(jīng)常“胡說八道”。

目前，要提高AIGC的準(zhǔn)確率，只能通過“大模型+大數(shù)據(jù)+大算力”來實現(xiàn)，這顯然需要時間的積淀。吳信東指出，隨著AIGC的熱度上升，在細(xì)分應(yīng)用場景中已經(jīng)衍生出Chat PDF等工具，效果明顯。“給定Chat PDF幾頁PDF文件，要求人工智能只能在PDF提供的內(nèi)容中發(fā)揮，就可以有效避免機器‘超綱’。”吳信東介紹。

結(jié)合人工智能“前世今生”的發(fā)展史，吳信東也不無擔(dān)憂，“大家現(xiàn)在對它（生成式人工智能）的期望太高了”。他提到，過去人工智能對專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)也曾過度期待，但最終都遭遇了失敗。因此，吳信東預(yù)測，“下一次人工智能要是遭遇失敗的話，可能也是生成式人工智能導(dǎo)致的。”