每經(jīng)記者 可楊    實習(xí)生 李敏    每經(jīng)編輯 楊夏    

6月14日，“2024北京智源大會”在中關(guān)村展示中心啟幕，在這次大會上，國內(nèi)幾家大模型明星公司的創(chuàng)始人們罕見同臺。

圓桌活動中，在北京智源人工智能研究院院長王仲遠的主持下，月之暗面CEO楊植麟、百川智能CEO王小川、智譜AI CEO張鵬、面壁智能CEO李大海共同展開了一場通往通用人工智能（AGI）之路的尖峰對話。

對話中，四位掌舵者對于通往“AGI”的未來之路尚未形成共識，而在分歧之下，四家明星公司不同的發(fā)展路徑或也可窺見一斑。

圖片來源：主辦方供圖

什么是AGI：不一定需要標準定義

在全球范圍內(nèi)，對于AGI的定義一直缺乏統(tǒng)一的共識，不同的人、不同的視角都會有不同的答案。

楊植麟認為，AGI的定義是重要的，但它不一定需要在現(xiàn)在被非常精確地、量化地定義，它可能是一個定性的、感性的東西。“它最重要的作用，是能讓社會，或者說所有人，能夠?qū)τ诮酉聛硪l(fā)生什么事情有個準備，因為也許這個技術(shù)的節(jié)奏會非?？?。”

另一方面，楊植麟提出，AGI一定程度上在短期內(nèi)可能需要一些量化，因為如果完全沒有量化，可能無法衡量AGI的開發(fā)進度，所以從短期的角度而言，evaluation（評估）本身也會是一個很難的問題，而且可能也是個很大的挑戰(zhàn)。

張鵬則認為，與其說AGI有很嚴格的規(guī)范、定義，他更愿意相信AGI是一種信念、符號，它的內(nèi)涵、外延是在不斷地變化的。“其實沒有人能夠把這些說清楚，反過頭來講是一件好事，這個事情還有很多未知的空間等待我們?nèi)ヌ剿鳌?rdquo;

張鵬舉例道，在早期如何確認一個系統(tǒng)是否為人工智能？答案是圖靈測試。然而，隨著技術(shù)的不斷進步和對事物認知的深化，大家認為圖靈測試已經(jīng)過時。同樣的，AGI三個字母所代表的含義實則在動態(tài)變化中。因此，如果將某一事物過于量化、明確化，“那這件事情也就那樣了，估計天花板在哪兒大家都能看得到了”。

張鵬進一步表示，可以把AGI定義成一個目標，當前是以人為參照，讓機器像人一樣去思考是第一步。而機器的能力遠不止人的水平，我們期待它能實現(xiàn)對人類能力的超越。下一步是能否產(chǎn)生超過人類智能水平的能力，行業(yè)則將不斷對AGI的內(nèi)涵和外延進行更新與迭代。

王小川傾向于用一個可以評測的指標來看——能造醫(yī)生，就是AGI。他表示，過去在討論AGI時，往往將其視為一種工具。然而，這次的第一個變化是，它開始具備思考、學(xué)習(xí)、溝通、共情的能力，甚至包括多模態(tài)圖像處理的能力。從其學(xué)習(xí)范式的要求來看，我們反而是像看人一樣看AGI。

從當前共識的評價指標和學(xué)習(xí)范式來看，人工智能就是在向人類學(xué)習(xí)，其數(shù)據(jù)來源于人類社會產(chǎn)生的數(shù)據(jù)，因此在評價過程中，我們將其與人類職業(yè)進行比較。在所有職業(yè)中，醫(yī)生行業(yè)的智力密度是相對最高的，既需要具備多模態(tài)能力，還要減少幻覺、有效記憶、閱讀70萬字的病例，具備推理能力和查閱文獻能力等。在將醫(yī)生與AGI進行比較時，有人認為，醫(yī)生所涉及的領(lǐng)域僅僅是垂直細分市場，相對較低層次，但試圖制造醫(yī)生的難度卻極大，其中涉及諸多幻覺問題、推理能力問題。如果將醫(yī)生視為低于AGI，那么連醫(yī)生都無法制造，何談AGI的實現(xiàn)。

李大海則表示，從經(jīng)濟學(xué)的角度去定義，如果執(zhí)行任何一個任務(wù)，它的邊際成本都為零，這就是理想中的AGI。“為什么我認為大模型能夠走得最遠？就是我相信大模型能夠把這個邊際成本一直往下降，可能會逼近于零。”然而，在此過程中，需要各行各業(yè)的數(shù)據(jù)產(chǎn)生“飛輪效應(yīng)”，逐步使模型持續(xù)訓(xùn)練、持續(xù)學(xué)習(xí)，從而降低整體成本。實際上，去年在行業(yè)里大模型落地的過程中，許多場景仍需進行微調(diào)，邊際成本較高。

如何通往AGI：大模型是基石

大模型的熱潮讓AGI的實現(xiàn)更加接近，但大模型是否是實現(xiàn)通用人工智能的“基石”？

楊植麟堅定相信大模型的第一性原理，即Scaling Law（規(guī)模定律），他認為，規(guī)模定律確實本質(zhì)上是“壓縮”，但也確實可以產(chǎn)生智能，然后隨著不斷地去規(guī)模化模型，不斷地做更好地壓縮，它能產(chǎn)生越來越多的智能。

與此同時，在過程中也一定會有很多挑戰(zhàn)，楊植麟認為，最大的挑戰(zhàn)或許在于某些領(lǐng)域數(shù)據(jù)的稀缺性。在數(shù)據(jù)量有限的領(lǐng)域解決數(shù)據(jù)稀缺的難題成為關(guān)鍵?；蛘呷绻獦?gòu)建超越人類的AI，可能根本不存在相應(yīng)的數(shù)據(jù)，因為目前的所有數(shù)據(jù)都由人類產(chǎn)生，因此解決不存在的數(shù)據(jù)難題成為關(guān)鍵。但是，規(guī)模定律或者大模型本身，沒有太本質(zhì)的問題。

王小川則認為，說大模型是通向AGI的“基石”是沒有問題的，但是“它只是在逼近AGI，但是光靠Scaling Law我理解（認為）是不夠的”。

王小川表示，在Scaling Law之外，還有一件事情被大家忽略，那就是將語言納入大模型體系，使語言轉(zhuǎn)化為數(shù)學(xué)。除了規(guī)模之外，符號與連接的融合，也是中間的一個環(huán)節(jié)。未來，還會有更多的東西，必須產(chǎn)生范式變革。例如，大模型是數(shù)據(jù)驅(qū)動的學(xué)習(xí)系統(tǒng)，而類似于AlphaGo這樣的自我思考型系統(tǒng)，同樣有作用。

張鵬則認為，大模型是基石，但是不是“之一”則是另一個問題，所以這個問題其實也涉及怎么來定義AGI，“能不能真的像我們每個人心中定義的AGI那個路徑上幫我們推進一步？大模型到目前為止還是很有效地在推進這件事情”。

張鵬表示，目前，Scaling Law依舊有效，還在往前進，“但它是不是能幫助我們推到那個頂峰上去，我們現(xiàn)在也找不到很確切的答案，但至少我們相信它在這個階段還是有效的，所以我認為它肯定是基石”。

而在李大?？磥恚竽Ｐ鸵欢ㄊ峭ㄍ鵄GI方向上，當前所有技術(shù)里能走得最遠的，它能不能夠直接到達，現(xiàn)在還有很多未知的因素。

他補充道，當前的大型模型主要作為知識壓縮工具，處理人腦的系統(tǒng)1，即慢思考。而系統(tǒng)2，即快速推理，在搜索空間中進行搜索和組合，以完成任務(wù)的能力，未來大型模型可能需要通過Agent（智能代理）技術(shù)進行外部化，或?qū)⑵鋬?nèi)化為自身能力，這是行業(yè)內(nèi)需要探索的方向。