机器之心专栏
机器之心编辑部
ChatGPT 的走红再次掀起人们对人工智慧的关注,那麽在 ChatGPT 之後,人工智慧将会如何发展?业内及 ChatGPT 的母公司 OpenAI 都认为 AGI 将是未来人工智慧的发展方向。
AGI 理论研究和应用实践将可以从哪些方面出发?【ChatGPT 和大模型春季课程】最後一场话题讨论对此进行了解答,来自 UCL、人大、华为、清华、中科院、上交大、南大、利物浦大学的学者专家共聚一堂,探讨 「ChatGPT 後的通用人工智慧理论和应用」。
以下是圆桌讨论内容的亮点整理。
Topic 1:我们以前一直向往通用人工智慧,不需要为了任务设计演算法对机器训练。ChatGPT 是不是给我们带来了这样的可能性,近几年可能实现这样的梦想吗?
刘群:一开始,我对 「通用人工智慧」 这个词是有点反感的,因为我理解这是比较科幻的说法,感觉不太靠谱。所以我以前不太愿意回答有关这个概念的问题。但最近看来,这个词还挺合理的。它不是科幻性质的,现在的人工智慧模型越来越通用,原来只能处理一些小问题或单一问题,现在 ChatGPT 基本可以处理各类问题,我感觉通用人工智慧这个词还是挺合适的。
通用人工智慧是否将要实现,我也不敢判断,但一定程度上,通用的自然语言处理是实现了。自然语言领域,解决任何一个小问题都是很复杂的,如机器翻译、情感分析、中文分词,它总是牵扯到所有东西,因为词都是文本和符号。任何小的方向,要做好,必须理解整个语言系统。所以 ChatGPT 在语言上的功能实现是很厉害的,尤其是 discourse 能力。因为 discourse 是自然语言里非常深层次和难解决的问题。ChatGPT 很好地学到了人类交流过程中的篇章结构,包括写文章的套路和话术,这是非常抽象的一种逻辑和组织文章的方式。还有一些最近的例子是它能模拟人讲话,代入某个角色,这是个嵌套结构的自然语言处理,它是一个堆栈,像 ChatGPT 对话题的转换,跳进跳出非常好,不会乱。
汪军:如果从机器学习里面来看,它的目标方程很简单,第一是对前面几个字预测下面一个字;第二是这段话回答出来是否跟人相似?这两个非常简单的目标,他为什麽能学出这种感觉需要很多逻辑和提前设计的东西呢?
刘群:达到目标要很好地涉及到所用的复杂知识,知识掌握得越好越深,预测便越好。所以虽然目标简单,但要达到目标的手段可以无穷复杂。所以要做好,需要非常强大的模型和大量的数据。
黄民烈:过去在中国大家一般不太敢说 …
Read More