1.3　算力、算法與數(shù)據(jù)：人工智能的核心

決定人工智能“智商”的核心因素有三個(gè)：算力規(guī)模、算法模型的精巧度、數(shù)據(jù)的質(zhì)量和數(shù)量。

至于三者的關(guān)系，打個(gè)比方，用燃?xì)庠畛床耍懔κ侨細(xì)猓惴ㄊ菑N藝，數(shù)據(jù)就是食材，做出的菜品就是深藍(lán)、阿爾法狗、ChatGPT等人工智能產(chǎn)品。想做出好菜，三者缺一不可。

1．算力——人工智能的基礎(chǔ)

算力，是人工智能的基礎(chǔ)，也是數(shù)據(jù)與算法的基礎(chǔ)支撐，更是推動(dòng)人工智能邁向規(guī)模化、多元化與創(chuàng)新化的決定性力量。

算力，靠的是芯片。GPT-1只需要在8枚GPU上訓(xùn)練一個(gè)月，而GPT-2需要在256枚Google Cloud TPU v3上訓(xùn)練（費(fèi)用為256美元／小時(shí)），訓(xùn)練時(shí)長(zhǎng)未知。到GPT-3，算力費(fèi)用已經(jīng)是千萬(wàn)美元級(jí)別。ChatGPT光從模型訓(xùn)練算力來(lái)看，至少需要上萬(wàn)枚英偉達(dá)GPU A100，單次模型訓(xùn)練成本超過(guò)1 200萬(wàn)美元（約合8 000萬(wàn)元）。

ChatGPT之所以能對(duì)答如流，靠的是一秒內(nèi)處理數(shù)十億個(gè)單詞的算力，更是上萬(wàn)枚英偉達(dá)GPU A100和H100提供的強(qiáng)大算力支持。

在國(guó)內(nèi)，云計(jì)算技術(shù)專(zhuān)家公認(rèn)的說(shuō)法是，1萬(wàn)枚英偉達(dá)GPU A100芯片是做好AI大模型的算力門(mén)檻。

然而，由于美國(guó)限制高性能GPU供應(yīng)，目前國(guó)內(nèi)云廠商擁有超過(guò)1萬(wàn)枚GPU（以英偉達(dá)中低性能產(chǎn)品為主，如A10）的企業(yè)不超過(guò)5家，其中擁有1萬(wàn)枚英偉達(dá)GPU A100芯片的企業(yè)最多只有1家。

目前，AI大模型的推理、訓(xùn)練高度依賴(lài)英偉達(dá)的GPU芯片。缺少芯片會(huì)導(dǎo)致算力不足，算力不足意味著無(wú)法處理龐大的模型和數(shù)據(jù)量，會(huì)極大地降低AI推理和模型訓(xùn)練的準(zhǔn)確度。

2．算法——人工智能的靈魂

算法是人工智能的靈魂，是人工智能的邏輯規(guī)則大腦。這些年來(lái)人工智能的飛速發(fā)展，正是因?yàn)樯疃葘W(xué)習(xí)算法的出現(xiàn)。

ChatGPT本質(zhì)上是一個(gè)由浮點(diǎn)數(shù)參數(shù)表示的深度神經(jīng)網(wǎng)絡(luò)大模型，屬于深度學(xué)習(xí)的框架，并在算法上有所突破，能很好地容納和分析大數(shù)據(jù)。個(gè)別國(guó)產(chǎn)大語(yǔ)言模型容易出現(xiàn)過(guò)載等問(wèn)題，就是因?yàn)樗惴ㄌ幚聿涣烁蟮臄?shù)據(jù)量。

GPT-1和GPT-2開(kāi)源，GPT-3沒(méi)有可靠的開(kāi)源軟件。目前，有的國(guó)產(chǎn)大語(yǔ)言模型實(shí)際是用開(kāi)源軟件加上中文語(yǔ)料處理的，所以中文效果并不理想。

我國(guó)人工智能產(chǎn)業(yè)發(fā)展過(guò)度依賴(lài)開(kāi)源代碼，真正屬于中國(guó)原創(chuàng)的代碼并不多。

開(kāi)源代碼可以拿來(lái)用，但專(zhuān)業(yè)性、針對(duì)性不夠，不能滿(mǎn)足具體任務(wù)的實(shí)際要求。在獲得同樣數(shù)據(jù)的情況下，以開(kāi)源代碼運(yùn)行，AI深度學(xué)習(xí)之后或許能輸出結(jié)果，但由于訓(xùn)練框架固定、算法限制，在實(shí)際應(yīng)用中很難達(dá)到預(yù)期效果，而且難以修改、完善、優(yōu)化算法。尤其面對(duì)專(zhuān)業(yè)性強(qiáng)的研究任務(wù)，一旦被“卡脖子”，將非常被動(dòng)。

打個(gè)比方，賽跑時(shí)，如果運(yùn)動(dòng)員的運(yùn)動(dòng)鞋量身定制，貼合腳型，輔助發(fā)力，則更容易取得好成績(jī)。

同理，用開(kāi)源代碼“調(diào)教”出的AI，其效果不會(huì)太驚艷。僅僅依靠開(kāi)源代碼和算法，無(wú)法支撐中國(guó)的人工智能產(chǎn)業(yè)發(fā)展。

只有掌握核心代碼，才能在未來(lái)的AI“智力大比拼”中擁有勝算，這就需要有以數(shù)學(xué)為基礎(chǔ)的原始核心模型、代碼和框架創(chuàng)新。

如果從底層算法做起，整個(gè)數(shù)學(xué)模型、算法設(shè)計(jì)、模擬訓(xùn)練就能一脈相承，不僅可以協(xié)同優(yōu)化，而且可以根據(jù)需求隨時(shí)修改，從而真正解決實(shí)際問(wèn)題。這需要數(shù)學(xué)家的參與，需要有一批人才能沉下心來(lái)做自己的底層框架和核心算法。相應(yīng)地，我們的教育也要更加重視數(shù)學(xué)和編程人才的培養(yǎng)。

3．?dāng)?shù)據(jù)——人工智能的食糧

數(shù)據(jù)是人工智能的食糧。現(xiàn)在，深度學(xué)習(xí)是人工智能發(fā)展的主流方向，非常依賴(lài)大數(shù)據(jù)。

數(shù)據(jù)作為AI學(xué)習(xí)的基礎(chǔ)資源，數(shù)據(jù)質(zhì)量和訓(xùn)練數(shù)據(jù)量對(duì)AI性能至關(guān)重要，不亞于模型大小。比如，Deepmind的Chinchilla語(yǔ)言模型只有700億個(gè)參數(shù)，但經(jīng)過(guò)更廣泛的數(shù)據(jù)訓(xùn)練，可以勝過(guò)有1750億個(gè)參數(shù)的GPT-3。

GPT-1用了約5GB的文本數(shù)據(jù)，GPT-2用了40GB，GPT-3猛增到45TB。而對(duì)于GPT-4，OpenAI沒(méi)有透露具體參數(shù)數(shù)量和使用的訓(xùn)練數(shù)據(jù)，將“競(jìng)爭(zhēng)環(huán)境”列為保密的原因。

ChatGPT的用戶(hù)普遍反饋用英文提問(wèn)得到的回答更加精準(zhǔn)，而用中文提問(wèn)則答案的錯(cuò)誤率較高，根本原因就在于其語(yǔ)料庫(kù)里中文只有5%，且數(shù)據(jù)質(zhì)量較差。高質(zhì)量的數(shù)據(jù)能夠?yàn)楹玫膮?shù)打好地基，否則就像用沙子做地基，不可能蓋出高樓。

看起來(lái)，既然中文語(yǔ)料庫(kù)是ChatGPT難以逾越的壁壘，那么這正是中國(guó)版ChatGPT崛起的大好機(jī)會(huì)。然而尷尬的是，復(fù)旦大學(xué)發(fā)布的國(guó)內(nèi)第一個(gè)對(duì)話(huà)式大型語(yǔ)言模型MOSS，回答英文問(wèn)題的水平也同樣高于中文問(wèn)題。對(duì)此，復(fù)旦大學(xué)邱錫鵬教授解釋稱(chēng)，英文作為科研主流語(yǔ)言，在學(xué)術(shù)界和工業(yè)界得到廣泛應(yīng)用，積累了大量高質(zhì)量的語(yǔ)料數(shù)據(jù)，這為英文自然語(yǔ)言處理的研究提供了極大的優(yōu)勢(shì)。根據(jù)相關(guān)數(shù)據(jù)，MOSS學(xué)習(xí)的英文單詞數(shù)量是中文的十倍。

的確，英文作為科研主流語(yǔ)言，全球范圍內(nèi)大量的學(xué)術(shù)期刊、網(wǎng)頁(yè)、書(shū)籍等，都可以成為ChatGPT的訓(xùn)練數(shù)據(jù)來(lái)源。比如《自然》《柳葉刀》等，這類(lèi)專(zhuān)業(yè)學(xué)術(shù)期刊能提供大量?jī)?yōu)質(zhì)數(shù)據(jù)，幫助ChatGPT的寫(xiě)作更清晰、更有條理。除此之外，英文網(wǎng)站占全球網(wǎng)站總量近60%，而中文網(wǎng)站目前仍不足2%。

這是我國(guó)發(fā)展自然語(yǔ)言處理技術(shù)的過(guò)程中不得不重視的問(wèn)題。因此，語(yǔ)料庫(kù)的構(gòu)建不能只局限于簡(jiǎn)體中文語(yǔ)料庫(kù)，要能理解多種語(yǔ)言，才能構(gòu)建一流的中文語(yǔ)料庫(kù)。單純靠人海戰(zhàn)術(shù)和低人力成本建一個(gè)簡(jiǎn)體中文語(yǔ)料庫(kù)，并不能解決這一問(wèn)題。

在ChatGPT發(fā)布之前，很多人認(rèn)為我國(guó)的人工智能技術(shù)水平不僅穩(wěn)居世界第二，還與美國(guó)共處世界第一梯隊(duì)，已經(jīng)十分接近美國(guó)。但ChatGPT推出之后，我們發(fā)現(xiàn)，我國(guó)仍有很長(zhǎng)一段路要追趕。

人工智能技術(shù)正在從以編程／軟件為中心的1.0階段，快速進(jìn)入以數(shù)據(jù)為中心的2.0階段。ChatGPT等人工智能大模型的出現(xiàn)，正在推動(dòng)AI技術(shù)的通用化和泛化，AI開(kāi)始脫“虛”向“實(shí)”，越來(lái)越多地參與控制、管理和優(yōu)化物理世界的運(yùn)行，成為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)。在這場(chǎng)科技革命里，中國(guó)不但不能落下，更要努力成為領(lǐng)跑者。

即使強(qiáng)如GPT-4，仍屬于弱人工智能，中國(guó)還有時(shí)間和機(jī)會(huì)。

4．弱人工智能、強(qiáng)人工智能和超人工智能

人工智能根據(jù)能力可劃分為三個(gè)層級(jí)：弱人工智能、強(qiáng)人工智能、超人工智能。

弱人工智能專(zhuān)注于且只能解決特定領(lǐng)域問(wèn)題。

比如阿爾法狗能在圍棋方面戰(zhàn)勝李世石，但你讓它炒兩個(gè)菜試試。

弱人工智能本質(zhì)上還是“數(shù)數(shù)”，只是數(shù)得比較快。現(xiàn)在主要的算法基本離不開(kāi)窮舉法和概率統(tǒng)計(jì)，多是數(shù)據(jù)映射、數(shù)據(jù)擬合、概率統(tǒng)計(jì)等數(shù)學(xué)運(yùn)算。

雖然GPT-4在某些方面表現(xiàn)得很神奇，但思維方式仍然局限于模式匹配和統(tǒng)計(jì)推理，并不能像人類(lèi)一樣，通過(guò)思考和邏輯推理去解決問(wèn)題，距離強(qiáng)人工智能還有較遠(yuǎn)距離。

強(qiáng)人工智能，又稱(chēng)通用人工智能或完全人工智能，指的是可以勝任人類(lèi)所有工作的人工智能，即真正能思考和解決問(wèn)題的人工智能。

簡(jiǎn)單來(lái)說(shuō)，就是人可以做什么，強(qiáng)人工智能就可以做什么。一般認(rèn)為它有自我意識(shí)，有和生物一樣的各種本能，比如生存和安全需求；可以獨(dú)立思考問(wèn)題，有自己的價(jià)值觀和世界觀，在某種意義上可以看作新物種。

這種定義過(guò)于寬泛，缺乏一個(gè)量化的標(biāo)準(zhǔn)。一般認(rèn)為，可以稱(chēng)得上強(qiáng)人工智能，起碼需要具備以下能力。

（1）基于一定抽象能力的學(xué)習(xí)能力。目前的深度學(xué)習(xí)技術(shù)需要大量的訓(xùn)練數(shù)據(jù)，而人類(lèi)學(xué)習(xí)卻不需要。比如，教小孩子認(rèn)貓，只要看兩三只貍花貓就夠了，當(dāng)他再看到外觀差異較大的奶牛貓、暹羅貓，甚至無(wú)毛的巴比諾貓等，也能輕松認(rèn)出是貓而不是狗。但換作AI，起碼需要經(jīng)過(guò)上萬(wàn)張圖片的訓(xùn)練，才可能具備類(lèi)似能力。兩者的區(qū)別在于抽象能力，對(duì)AI而言，需要實(shí)現(xiàn)少樣本、無(wú)監(jiān)督的學(xué)習(xí)，但目前的進(jìn)展還很有限。

（2）足夠的知識(shí)廣度，包括常識(shí)性知識(shí)和跨領(lǐng)域知識(shí)的應(yīng)用能力。很多常識(shí)，即便是兩歲兒童也能理解和預(yù)測(cè)，比如丟出的物體會(huì)下落、兩點(diǎn)之間直線最短等直觀的物理過(guò)程，但AI需要學(xué)習(xí)相應(yīng)的物理學(xué)知識(shí)才能掌握。常識(shí)，不僅包括人類(lèi)所認(rèn)知的萬(wàn)事萬(wàn)物，更包括這些事物相互作用的準(zhǔn)則和因果關(guān)系，以及行為模式和價(jià)值判斷。

常識(shí)有多重要？以自動(dòng)駕駛為例，AI要靠學(xué)習(xí)已知路況積累經(jīng)驗(yàn)，但當(dāng)遇到學(xué)習(xí)資料里沒(méi)有的危險(xiǎn)時(shí)，能不能像人一樣正確處理？這就需要通過(guò)某種方法讓AI掌握一些類(lèi)似常識(shí)的知識(shí)，讓其在危險(xiǎn)來(lái)臨時(shí)首先確保駕車(chē)人與行人的安全，路況過(guò)于極端時(shí)安全減速并靠邊停車(chē)等。

目前，AI被訓(xùn)練得精通某一特定領(lǐng)域，但缺乏生活常識(shí)的輸入，故表現(xiàn)得與人類(lèi)差異較大。同時(shí)，跨學(xué)科知識(shí)的交融越來(lái)越重要，缺乏另一領(lǐng)域的知識(shí)也會(huì)導(dǎo)致AI表現(xiàn)較差。

（3）面對(duì)復(fù)雜的不確定因素，進(jìn)行推理、規(guī)劃、決策、解決問(wèn)題的能力。人類(lèi)具有聯(lián)想、類(lèi)比能力，能實(shí)現(xiàn)跨領(lǐng)域的推理，比如神探福爾摩斯可以根據(jù)嫌疑人的一頂帽子中遺留的發(fā)屑、沾染的灰塵，推理出嫌疑人的生活習(xí)慣，甚至家庭、婚姻狀況，并制訂下一步的計(jì)劃，但現(xiàn)在的AI顯然辦不到。

（4）從感知智能到認(rèn)知智能，靈活使用自然語(yǔ)言進(jìn)行交流的能力。感知智能模擬人類(lèi)的“視聽(tīng)”，認(rèn)知智能在感知的基礎(chǔ)上形成“自我的認(rèn)知”，當(dāng)前正處于從感知智能向認(rèn)知智能階段發(fā)展的“感知增強(qiáng)智能”過(guò)渡期。現(xiàn)在的AI，看似能與人自然對(duì)話(huà)，實(shí)際不能真正理解語(yǔ)義。強(qiáng)人工智能起碼要實(shí)現(xiàn)認(rèn)知智能，能理解用戶(hù)實(shí)際意圖，比如能聽(tīng)懂“你等著”之類(lèi)的弦外之音。

（5）整合上述能力，實(shí)現(xiàn)既定目標(biāo)的能力。我們大概可以想象一個(gè)滿(mǎn)足上述能力要求的人工智能會(huì)表現(xiàn)出怎樣的行為特征，而這樣一個(gè)強(qiáng)人工智能或通用人工智能，基本上能完成所有人類(lèi)工作。

一般認(rèn)為，強(qiáng)人工智能和弱人工智能的工作原理是完全不同的，很可能基于量子計(jì)算機(jī)和量子網(wǎng)絡(luò)，而不是現(xiàn)在的計(jì)算機(jī)的代碼格式，比如不再用帶正負(fù)電荷的電子分別表示0和1來(lái)編程。

當(dāng)然，也有一些研究者認(rèn)為，強(qiáng)人工智能只需要具備勝任人類(lèi)所有工作的能力就可以了，未必需要人類(lèi)的意識(shí)。總之，一旦牽涉“意識(shí)”，強(qiáng)人工智能的定義和評(píng)估標(biāo)準(zhǔn)等就會(huì)變得異常復(fù)雜，而人們對(duì)于強(qiáng)人工智能的擔(dān)憂(yōu)也主要來(lái)源于此。

超人工智能，即超級(jí)的強(qiáng)人工智能，各方面都比人類(lèi)強(qiáng)大得多，基本上可以理解為全知全能的上帝。

超人工智能的定義最為模糊，因?yàn)闆](méi)人知道超越人類(lèi)最高水平的智慧是怎樣的一種存在，到底會(huì)表現(xiàn)出何種能力。超人工智能更多存在于科幻場(chǎng)景下，比如斯嘉麗主演的《超體》。