荣获2024年诺贝尔物理学奖的多伦多大学教授杰弗里·辛顿,以及蒙特利尔大学教授约书亚·本吉奥、纽约大学教授兼Meta首席AI科学家杨立昆、斯坦福大学教授吴恩达,被视为“全球四大人工智能(AI)泰斗”。其中,作为“年轻血液”的吴恩达教授被归类为AI学者中具有代表性的乐观派。他乐观论的基础,是坚信AI发展速度不会放缓。吴恩达表示:“传统的规模(Scaling)法则明显已触及极限,AI可供学习的有意义数据越来越难获取也是事实”,但他强调,“规模和数据的增加并非推动AI进步的唯一途径”。
他坚信,OpenAI和谷歌等正陆续尝试的思维链(Chain of Thought),即强化推理的趋势将开启AI的新天地。吴恩达提出观察:“作为应对实际数据枯竭的手段而出现的AI合成数据,若通过推理生成,质量会更高”,“推理模型甚至能解决数据枯竭问题”。
简单来说,以ChatGPT为代表的现有生成式AI是通过对大数据进行预训练而成。投入学习的数据和图形处理器(GPU)运算量增加,AI性能便成比例提升的“规模法则”,此前一直主导着AI时代。但最近即便投入更多数据和GPU,性能也难有提升。对此,科技界提出的替代方案便是思维链,即推理。
吴恩达表示:“随着逐步寻找答案的思维链技术以及基于此的推理模型出现,认为AI发展撞墙的主张已被推翻。”实际上,现有生成式AI在收到提问后,会从预先学习的数据中找出答案并即刻作答。但由于无法学习世界上所有知识且依赖概率,经常给出“错误答案”或谎言。
相反,推理模型改变了AI作答的方式,把通向答案的过程拆分,逐步推进。虽然答复耗时更长,但质量更高。吴恩达说:“应用思维链的推理模型,在连人类都觉得非常困难的线性作业上表现得出人意料地好”,“OpenAI-o1等推理模型的影响将超出大多数人的预期”。
AI持续发展意味着单位性能的AI开发与使用费用下降。基于此,吴恩达预计“从今年起AI服务将爆发式增长”。也就是说,就像智能手机普及改变了人类日常生活一样,我们将看到改变时代的AI服务。吴恩达把AI比作电力,强调“至今仍有许多人低估了AI应用的多样性”。他说:“比起建发电厂,开发使用电力的产品是更好的生意”,“正如电力催生了无数电子产品,AI也将创造无数机会”。
他认为,高企的AI基础设施成本和暴增的超大规模AI模型开发费用,从“服务”角度看也不是大问题。就像智能手机、移动通信网业务的盈利公式与移动应用的盈利公式不同一样,应把ChatGPT等基础AI模型与运行于其上的AI应用的盈利性区分看待。吴恩达表示:“基础AI模型由于巨额资本支出和激烈竞争,很难实现投资回报率(ROI),但运行在其上的应用目前ROI非常高,经济性极佳”,“基础AI模型之间的竞争使作为AI服务‘成本’的基础模型使用费大幅下跌,这也是有利之处”。
AI使用费下降与性能提升意味着成本节约和生产率提高。特别是AI承担了基础编程工作,“测试用应用”的制作速度加快,进一步缩短了应用生产周期。吴恩达解释:“过去需要6到12个月的测试用应用,如今10天就能做出来,应用原型(样品)领域的格局已完全改变”,“从经济学上看,应用的‘生产成本’即价格下降,购买量增加,将迎来良性循环”。
如果AI性能与市场发展没有障碍,所有AI开发者的梦想——通用人工智能(AGI)实现的时点也必然更近。AGI指具备人类水平思考能力、不受主题限制即可成功解决问题的AI。不过,尽管吴恩达是典型的AI乐观派,他仍将AGI实现时点看在数十年之后,原因是AGI的“定义”仍然模糊。吴恩达说:“定义不同,达成时点也不同。按最简单的定义,两年前的GPT-3.5也可以说已经达到AGI”,“我把完美执行人类所能完成的一切智力工作视为AGI,因此预计需要数十年”。
当然,并非所有人都欢迎AI发展。AI将取代人类岗位的威胁依然存在。但吴恩达认为,AI扩散与其说威胁就业,更会提升生产率。他说:“AI自动化的是任务,而不是岗位”,“如果成本便宜1000倍,公司会想把任务做多1000倍。因为降低成本有极限,而增长没有极限”。他据此预计:“AI出现后机会最大的领域不是传统的生产自动化领域,而是教育、培训、商务及法律专业人士等”。
此前接受Seoul Economic Daily采访的辛顿教授和本吉奥教授表示,如果无法控制AI的发展速度就应停止研究。但吴恩达将这种恐惧一举斥为“科幻式的空想”。他强调:“对AI主导并掌控世界、导致人类灭绝的恐惧并不是现实的风险”,“AI是非常强大的工具,但要做什么可以由人来决定”。






