Fuente de la imagen: Generada por la herramienta de IA Unbounded
【Nota del editor】 En los últimos meses, AIGC se ha visto favorecido por el capital, ChatGPT se ha vuelto popular y los principales gigantes tecnológicos nacionales y las empresas emergentes han ingresado al mercado uno tras otro. La inteligencia artificial está afectando silenciosamente a todos los ámbitos de la vida. Esto ya no es solo una simple evolución tecnológica, sino que se convertirá en una revolución.
Aunque la explosión de las aplicaciones de IA parece ser repentina, detrás de escena, los científicos han experimentado innumerables fallas y acumulación de experiencia. Al igual que nuestro orador invitado ** Ma Zhaoyuan (Profesor de la Universidad de Ciencia y Tecnología del Sur, Miembro de la Sociedad Británica de Física, Ingeniero colegiado real británico, ex investigador principal del Laboratorio del Futuro de la Universidad de Tsinghua) ** en el libro "The Imposibilidad de la Inteligencia Artificial” Mencionó: “Cada centímetro de progreso requiere trabajo duro todos los días y la superposición de varias incertidumbres”.
De hecho, en la larga historia de la ciencia y la tecnología, esta revolución tecnológica es solo el primer paso para llevar a la humanidad a la "era de la IA generativa". Hasta ahora, todavía tenemos que prestar atención a muchos problemas y contradicciones existentes. Por ejemplo: bajo la ola de tecnología liderada por OpenAI, ¿puede China ponerse al día rápidamente? ¿Qué cambios traerá esta revolución tecnológica a la sociedad ya la estructura industrial? ¿Reemplazarán las máquinas a los humanos en el futuro? En una era de rápida iteración tecnológica, ¿cómo se debe cultivar la educación del talento en China?
En esta edición de "AI Future Guide North", Tencent Technology entrevistó a Ma Zhaoyuan. Compartió diferentes pensamientos y puntos de vista sobre estos temas. Compilamos estos recuerdos 4D en un artículo para explorar, aprender y pensar junto con los internautas. La importancia de la inteligencia artificial a los seres humanos.
No te preocupes si las personas se convertirán en "esclavos de la máquina", el tema candente es la exageración del capital detrás de esto
Con el reciente auge en la aplicación de modelos de lenguaje grande de inteligencia artificial y otros productos, muchas personas están preocupadas de que con el desarrollo de la inteligencia artificial, traerá algunos riesgos y problemas de seguridad para los seres humanos, y conflictos con la supervivencia humana y la sociedad.
Con respecto a los problemas que preocupan a la gente, pensé en una palabra llamada "esclavo de máquina".
Nos preocupa que algún día en el futuro nos convirtamos en "esclavos de las máquinas", al igual que algunas tramas en la película "RoboCop": un día, los seres humanos serán gobernados por máquinas y tendrán que moverse bajo tierra. A lo largo de esta lucha, la humanidad ha mantenido su espíritu rebelde, renovando sus esfuerzos por recuperar el control del futuro y de la Tierra. Al final, la IA tuvo que enviar un robot para viajar a través del tiempo y el espacio hasta 1984, tratando de destruir al líder del Ejército de Resistencia antes de que naciera, y en el futuro estallaron guerras entre robots y humanos... Historias como esta , Muchas personas pueden tener una imaginación similar.
Para tales puntos de vista y preocupaciones, creo que es completamente innecesario. En primer lugar, a juzgar por el nivel actual de tecnología, es poco probable que los robots o las entidades inteligentes realmente "gobiernen la tierra", incluso se conviertan en los amos de los seres humanos. Incluso si realmente se convierten en los maestros de los seres humanos en algún momento en el futuro, llevará mucho tiempo darse cuenta. No necesitamos publicar este asunto ahora para causar preocupaciones a todos.
Además, aunque actualmente hay muchos líderes de la industria discutiendo temas relacionados. Pero creo que puede ser, en cierta medida, impulsado por los intereses económicos y el mercado de capitales detrás de él. **Porque el capital primero debe especular sobre un tema antes de poder beneficiarse de él. Por ejemplo, el evento histórico anterior en los Países Bajos en el siglo XVII, la "burbuja de tulipán", promocionó un concepto ficticio que no tenía mucho valor, y luego alguien cosechó puerros de él. Pero en realidad, el tema puede no ser tan aterrador como pensamos.
En los últimos diez años, hemos visto que el mercado de capitales de China ha introducido y promocionado muchos temas, como materiales de grafeno, luego realidad virtual, bitcoin, metaverso, etc., y este año es inteligencia artificial. nuevo término. En este proceso, los depredadores del capital pueden beneficiarse y el capital se hace cada vez más grande. Pero para Xiaobai ordinario, solo seguimos estos sustantivos. Si no entendemos la lógica operativa y la situación real, podemos perder casi todo el dinero en nuestros bolsillos.
Recientemente, ChatGPT se ha disparado. Es un avance tecnológico importante, ** en esencia, ha cambiado la forma en que los humanos interactuamos con las computadoras. **Si quiere hablar de revolución, desde la perspectiva del patrón de lanzamiento de la industria, GPT ha cambiado el destino de OpenAI, Microsoft y Google. Ahora Google está muy nervioso por el aumento de GPT. La aparición de GPT ha mejorado en gran medida la precisión y la eficiencia de la búsqueda de personas. En el pasado, cuando usábamos Google para buscar, la página de inicio de Google mostraba todas las páginas web posibles relacionadas con ella, puede haber cientos de páginas o incluso decenas de miles de resultados. Pero el modelo actual puede comprender la pregunta del usuario con mayor precisión y brindar la respuesta más probable, lo que mejora en gran medida la capacidad de recuperación de información. A continuación, puede cambiar nuestro modo de trabajo, especialmente en el procesamiento de archivos y la recopilación de datos, lo que puede mejorar en gran medida la eficiencia de nuestro trabajo.
Pero cuando se trata de si se convertirá en inteligencia artificial general, todavía está demasiado lejos del punto de vista actual. Como se menciona en mi libro (refiriéndose a "La imposibilidad de la inteligencia artificial"): existe una brecha fundamental y crítica entre la inteligencia artificial general y los humanos, y la tecnología de IA existente no puede cerrar esta brecha. En cuanto a la razón, se mencionará a continuación (Parte 06).
El mercado nacional carece de la mentalidad de construir un ecosistema, y tomará al menos 4-5 años ponerse al día con OpenAI
Hemos visto el lanzamiento y lanzamiento de muchos productos modelo de idiomas grandes. Por ejemplo, el popular ChatGPT está funcionando muy bien. Muchas grandes empresas en China también están siguiendo su ejemplo y lanzando muchos productos similares.
Por ejemplo, una determinada empresa lanza un producto y, unos días después, otra empresa lanza un producto similar, que es más barato y adecuado para el entorno chino, todo promocionado con contenido similar. Creo que muchas grandes empresas nacionales carecen de la mentalidad de construir un ecosistema y están ansiosas por ganar dinero rápidamente. Una vez que aparece un nuevo término, lo seguirán rápidamente.
Tal fenómeno de seguimiento es muy desfavorable para el desarrollo de la economía nacional o la economía regional. Si seguimos persiguiendo las tendencias, es posible que nunca nos pongamos al día. Por ejemplo, Microsoft se ha concentrado en la investigación en los últimos diez años, pero no ha hecho muchos avances en otros campos y básicamente ha sido reprimido por otras empresas, lo que requiere mucha incertidumbre y presión. Microsoft ha estado "conteniéndose" durante diez años. Con sus recursos financieros, capacidades de investigación y desarrollo y estrategias de cooperación comercial, finalmente vimos el lanzamiento de ChatGPT y nuevos productos relacionados. Llevó mucho tiempo producir un "punto de explosión". , y esperamos de la noche a la mañana No es realista esperar que una empresa pueda lograr un cambio radical.
¿Será que estas empresas son "jugadores talentosos" especiales que solo necesitan unos meses o un año o dos para completar el mismo trabajo que otros tardan diez años en completar? ¿Estas empresas no son conscientes de estos problemas que estamos considerando? ¿También necesita una pregunta exagerada para impulsar el mercado de valores y el precio de las acciones? Todo esto requiere que la gente común como nosotros piense detenidamente, considere si debemos hacer lo mismo y tomar las decisiones de inversión correspondientes.
** En lo que respecta al estado del desarrollo económico del país, si sigue la tendencia, es posible que nunca alcance a los que corrieron primero. En cambio, deberíamos pensar en cómo llevar a cabo una co-construcción ecológica mutua basada en nuestras capacidades actuales. Vale la pena pensar en esta pregunta para los gigantes tecnológicos nacionales. **
Para dar un ejemplo: en los últimos 40 años, China ha logrado grandes logros en la construcción de infraestructura. Por ejemplo, el tren de alta velocidad de China se ha desarrollado muy bien y se ha convertido en un sistema ferroviario de alta velocidad que debe considerarse a nivel mundial. y se ha convertido en una tarjeta de visita de China. Como otro ejemplo, en las industrias de comunicaciones e informática, el 5G de China ya es el más fuerte del mundo. En estos campos, tenemos algunas ventajas, y la construcción básica se ha hecho muy bien. En la actualidad, también podemos construir algunas posibilidades y direcciones de desarrollo ecológico sobre estos cimientos, para ejercer mayores ventajas.
Podemos imaginar que, en base a nuestras ventajas, en los próximos 10 o 20 años, si algunos países de Europa y Estados Unidos monopolizan algunas direcciones técnicas, también podemos entrar en un estado de "cuellos mutuamente pegados" en función de nuestros campos líderes. Ganar posición de negociación. Volviendo a la tecnología, ya sea que las empresas nacionales quieran ponerse al día con GPT o Bing, puede basarse en la experiencia de los "predecesores",** podemos acelerar la velocidad de la investigación y el desarrollo, pero si nos ponemos al mismo nivel, puede tomar por lo menos 4- 5 años. **Además, también debemos pensar en: incluso si nos ponemos al día, después de unos años, ¿ha pasado esta ráfaga de viento? Y Microsoft o Open AI en sí también está creciendo iterativamente, ¿se ha convertido en un "big mac"?
**En general, seguir la tendencia de inversión es en realidad una pérdida de costos, tiempo y talento. Para los participantes, además de aumentar el pánico y la ansiedad, es posible que no obtenga ningún beneficio, y solo permitirá que el capital coseche parte de los intereses de los inversores en el proceso de seguir la tendencia. **
La IA no hará que una gran cantidad de personas queden desempleadas, y las ocupaciones de cualquier era deben ser creadas por humanos
Además de la teoría de la amenaza de la IA, las personas están más preocupadas por el impacto de la IA en el empleo.
La naturaleza altamente antropomórfica de ChatGPT desencadenó una ola de crisis en la industria y muchas personas comenzaron a preocuparse por si su industria se vería afectada o incluso si perderían sus trabajos. Desde el punto de vista actual, algunos puestos de trabajo pueden verse afectados a corto plazo, pero no perturbarán la estabilidad a largo plazo de la sociedad.
Desde la perspectiva de la dirección de la carrera, ¿conducirá la revolución de la inteligencia artificial a una disminución de la población y la fuerza laboral? La respuesta es no.
Por ejemplo, durante la Revolución Industrial, aproximadamente entre los siglos XVIII y XIX, uno de los mayores cambios fue la disminución de la población agrícola. En los primeros días de la Revolución Industrial o antes de que comenzara, más del 95% de la población del planeta se dedicaba a labores agrícolas, y solo una pequeña parte eran gobernantes o sacerdotes.En ese momento, la gran mayoría de las personas eran principalmente agricultores.
La situación es diferente ahora, tomemos como ejemplo a los países desarrollados, por ejemplo, menos del 2% de la población en los Estados Unidos se dedica a la agricultura. Más del 90% de la población en el medio ha cambiado el contenido de producción. Aunque algunos trabajos desaparecieron, estas personas no desaparecieron, sino que la población aumentó. A juzgar por el impacto en la sociedad humana, tales cambios no causaron desempleo a largo plazo ni afectaron la inestabilidad de la sociedad humana. Muchas personas simplemente cambiaron los trabajos que realizaban, y lo que cambió fue el modo de producción de los seres humanos. Aunque puede conducir a una reducción significativa o incluso a la desaparición de algunos trabajos, también debido a este cambio, se desencadenará y agregará más demanda de otros trabajos.
Como otro ejemplo, mencionamos una palabra en inglés llamada "Computer". Una máquina puede venir a la mente cuando escuchamos la palabra, pero hace 70 años, la palabra "Computadora" significaba algo diferente a lo que significa hoy. En ese momento, se refería a personas que trabajaban en computación similar al Proyecto Manhattan.
En ese momento, no había computadoras, y no había computadoras de escritorio como las que usamos ahora, pero la realización de grandes proyectos requería muchos cálculos, por lo que la empresa a cargo de este proyecto contrató a algunas mujeres jóvenes y cuidadosas para usar slide. Reglas en una habitación especial Estas mujeres, que hacen mucho trabajo de computación con papel borrador, se llaman "computadoras".
El término "Computadora" se acuñó para las personas que trabajan en informática, refiriéndose a los trabajadores que realizan muchas tareas informáticas en las oficinas. Luego, con la llegada de la computadora, hasta el día de hoy cuando nos referimos a "Computadora", sabemos que se refiere a la computadora, no a las mujeres que trabajan en informática. Así, el significado de la palabra "computadora" cambió por completo, y pasó a referirse a máquinas puras.
** Entonces, a medida que las máquinas se vuelven más capaces en ciertas áreas, pueden reemplazar algunos de nuestros trabajos humanos, lo que lleva a la desaparición de algunos trabajos. Sin embargo, estas personas en realidad no desaparecen, pasan a trabajos más complejos oa otras necesidades. **
**Una de las mayores características del ser humano es innovar constantemente y crear nuevas necesidades. **Estas nuevas necesidades impulsarán a las personas a crear nuevas oportunidades laborales. No necesitamos entrar en pánico o preocuparnos demasiado por el desempleo, a lo largo de la historia de la sociedad humana, nos hemos ido adaptando y respondiendo a este cambio. Tenemos la capacidad de crear y adaptarnos continuamente a nuevos entornos de trabajo y oportunidades de empleo.
Desde la perspectiva de los requisitos técnicos profesionales, con el desarrollo de aplicaciones de lenguaje modelo a gran escala, la realización de tareas de programación será más fácil y sencilla. Por ejemplo, con la ayuda de herramientas como ChatGPT, solo necesitamos proponer lo que queremos hacer y emitir una tarea clara, y GPT nos ayudará a completar el resto del trabajo. Por ejemplo, podemos preguntar directamente a GPT y utilizará sus capacidades de programación y recuperación para generar código directamente. De esa manera, es posible que ya no se necesite un sistema como Python. En resumen, uno simplemente describe los requisitos y procede a implementar las formas descritas.
**Además, a juzgar por esta tendencia, el grado de automatización de la programación en el futuro será cada vez mayor. **Es como el lenguaje ensamblador que aprendí cuando estaba aprendiendo programación. Ahora, la mayoría de los jóvenes ya no saben cómo escribirlo. Es la misma razón.
El lenguaje ensamblador es un lenguaje de alto nivel entre el lenguaje humano y el lenguaje de máquina, que incluye ensamblador y programación directa en lenguaje de máquina. Después del lenguaje ensamblador, aparecieron lenguajes como C, C++ y Java, y luego se desarrollaron gradualmente lenguajes como Python. Cuando me comunico con los estudiantes, encuentro que Python es un lenguaje muy flexible para aquellos de nosotros que hemos aprendido C, pero se ha convertido en una herramienta favorita para los estudiantes que ya no están acostumbrados a usar C. Bajo la influencia de algunos sistemas teóricos, diferentes ingenieros todavía tienen diferencias en la comprensibilidad de la IA. Y es posible que aún necesitemos algunos profesionales para mejorar continuamente el sistema en segundo plano, así como unificar los estándares de inteligibilidad para obtener los resultados deseados.
En general, ** no importa en cualquier época, las nuevas necesidades las creamos los seres humanos. **No podemos adoptar una forma de pensar estática que se centre en la sustitución y el conflicto por los seres humanos. Si solo hay trabajos y necesidades limitados en la tierra, cuando las máquinas se hagan cargo de estos trabajos, es posible que los humanos realmente no tengamos sentido para la existencia. Pero en realidad, lo mejor de ser humanos es nuestra capacidad de crear continuamente nuevas necesidades y satisfacer esas necesidades a través de los humanos.
Competir con IA no tiene sentido, se debe prestar más atención a sus restricciones de política y gestión de riesgos
Ahora, tanto China como Estados Unidos han comenzado a introducir algunos mecanismos regulatorios relacionados. El desarrollo tecnológico en cualquier período requiere ciertas restricciones políticas y de gestión de riesgos.
Tomemos como ejemplo la historia del automóvil, antes de 1900 había muy pocos automóviles, solo los muy ricos podían comprarlos y no tenían mucho impacto en la sociedad. Además, la velocidad del automóvil no es rápida, por ejemplo, solo puede viajar a más de diez kilómetros por hora, por lo que no es muy diferente de caminar, por lo que no es necesario establecer demasiadas reglas, solo deje se desarrolla
Sin embargo, con la introducción de la producción en línea por parte de Ford Motor Company, el costo de los automóviles se ha reducido considerablemente, la gente común puede conducir y la cantidad de automóviles ha aumentado significativamente. La velocidad de los automóviles también ha aumentado de más de diez kilómetros por hora a cientos de kilómetros por hora. En este momento, los automóviles pueden volverse peligrosos e involucrar algunos problemas de seguridad. Por lo tanto, los humanos debemos formular reglas para los automóviles. Por ejemplo, diseñe caminos especiales para él, ya no puede mezclarse con los peatones, e incluso necesita construir carreteras para él, y establecer semáforos, semáforos, etc. en los caminos donde conduce la gente, todas estas reglas surgieron.
De la misma manera, para una máquina, la diseñamos para permitirle recopilar y organizar datos a alta velocidad y realizar deducciones rápidas y pensamiento lógico. Al igual que diseñamos autos para ir rápido. Una vez que llega el auto, no necesitamos competir con él para ver quién es más rápido.
Por lo tanto, cuando una computadora tiene capacidades de recopilación y procesamiento de datos tan poderosas, no tiene sentido competir con su experiencia en un campo específico. Necesitamos establecer reglas para ello.
Por ejemplo, la tecnología "Midjoury" a la que la gente de la industria ha prestado atención recientemente se puede utilizar para la generación de imágenes y la imitación de voz, e incluso puede generar noticias. Entonces, cuando estos contenidos de video y noticias se difunden en Internet, ¿cómo regularlos y cómo garantizar su vigencia? Esto se convierte en una cuestión de desarrollar reglas con el tiempo. La formulación de estas reglas hace que la coexistencia de humanos y máquinas se convierta en un verdadero problema.
Estos temas requieren que empecemos a pensar hoy y lleguemos a un consenso. Ahora que los autos ya existen, la tierra es un estado de simbiosis entre humanos y autos. Por lo tanto, necesitamos formular reglas de tráfico de automóviles para garantizar la coexistencia de humanos y automóviles en ciudades o entornos específicos. En este proceso, no solo los automóviles deben obedecer las reglas, sino que los humanos también deben obedecer las reglas.
El auge de la IA consumirá energía y recursos, pero es digno de reconocimiento por la mejora de la eficiencia humana
En esta entrevista, se mencionó una cuestión de estructura energética: Desde la perspectiva de la estructura económica industrial, con el crecimiento explosivo de AIGC, se necesita más poder de cómputo, y se necesita más apoyo eléctrico e hidráulico. ¿Es este el caso? a los cambios en el diseño de los países relacionados o la estructura energética global?
Esto es lo que seguramente sucederá. Cuando surgen nuevas estructuras y demandas industriales, este es un resultado inevitable. El problema radica en cómo organizar y ajustar. Si la IA consume potencia informática, debe proporcionar suficiente energía para ello. En este proceso energético, implica la consideración de la tierra verde y la estructura de consumo de energía, creo que no está particularmente relacionado con el desarrollo de la IA, sino una situación natural.
Según datos relevantes, el consumo de energía anual combinado de los centros de nube de China puede ser equivalente a la generación de energía de dos centrales eléctricas de Three Gorges (el consumo de recursos de los centros de nube no se limita al soporte de IA, e incluso la proporción de servicios de IA es relativamente pequeño). A medida que aumenta la cantidad de cómputo, la demanda de electricidad aumenta aún más. Además de proporcionar más suplementos energéticos nuevos, también debemos considerar cómo mejorar la eficiencia energética, que en realidad es un tema relativamente complicado. En términos de ahorro de energía, es necesario realizar cálculos y refrigeración. Sin embargo, combinado con la situación doméstica actual, debido al rápido desarrollo de los últimos años, la mitad de la energía que suministramos al centro de datos se utiliza para la disipación de calor. Esto es algo que debemos considerar.
¿Cómo debemos resolver y evitar el problema de la ocupación y asignación irrazonable de recursos? Permítanme dar otro ejemplo: después de que Google adquirió Deepmind, se le pidió al equipo de Deepmind que hiciera una cosa, es decir, ajustar el centro de la nube de Google para ahorrar energía a través del aprendizaje reforzado y muchos otros algoritmos de IA. Hacerlo realmente ayudó a Google a reducir el consumo de energía en casi un 50%. Por lo tanto, casi el 100 % de la electricidad en el centro de la nube de Google se usa para computación y solo una parte muy pequeña (menos del 5 %) se usa para refrigeración. Por lo tanto, esta forma de optimización ahorra el desperdicio de energía del centro de la nube de Google a gran escala.
Por lo tanto, si podemos lograr un nivel de eficiencia similar al uso del centro de la nube de Google y consideramos el doble carbono y la energía verde defendida por el mundo, aún podemos considerar cómo usar la energía de manera eficiente en el futuro.
Cabe señalar que solo estamos discutiendo el consumo de energía en esta pregunta. En general, la IA puede ayudarnos a mejorar en gran medida nuestra eficiencia de uso Una vez que se usa ampliamente, la posible mejora de la eficiencia es mucho más significativa que su impacto en el consumo de energía.
¿Cómo entiende la IA el lenguaje humano? A través de tres modos de razonamiento lógico
El modelo de aprendizaje profundo actual, especialmente el modelo de lenguaje a gran escala que ha aparecido recientemente, sigue siendo una "tecnología de caja negra". Aunque los modelos de lenguaje grande funcionan bien en muchas tareas en el procesamiento del lenguaje natural, todavía necesitamos encontrar un método interpretable.
En el trabajo científico, generalmente estamos acostumbrados a conectar fenómenos con otras cosas, y si podemos describirlos en una fórmula concisa y hermosa, podemos demostrar que entendemos. Sin embargo, a juzgar por la interpretabilidad del actual modelo de lenguaje grande que incluye redes neuronales, sus parámetros serán muy aleatorios, y si los parámetros se cambian muy levemente, los resultados también cambiarán mucho. Aunque estos parámetros juegan un papel en la arquitectura, sus mecanismos exactos no se entienden completamente. No podemos describirlos con simples modelos algebraicos, y en ese sentido no se entiende mejor.
Las personas normales (no profesionales) no estamos acostumbrados a usar muchos números para describir la relación entre dos cosas y cómo un cambio en cada número conduce a un resultado. Cuando la relación no está clara, pensamos que el estado aún no ha llegado al punto de comprensión. Por lo tanto, la gente suele confundir el concepto y pensar que aún no se han entendido los grandes modelos de lenguaje o las redes neuronales. De hecho, no son del todo incomprendidos, es solo que no hemos encontrado la forma satisfactoria en que estamos acostumbrados a entenderlos.
En la actualidad, GPT se basa más en el entrenamiento de big data. La forma principal es aprender a juzgar la respuesta que más probablemente queramos en función de la probabilidad. Si su forma de razonamiento actual es factible y confiable, podemos verlo desde estos aspectos. :
En primer lugar, la posible respuesta se da en función de la máxima probabilidad. El método que involucra la red neuronal y las estadísticas bayesianas a nivel de algoritmo es la lógica utilizada por GPT en segundo plano, y es correcta.
Además, cuando se trata de razonamiento lógico, podemos dividir el razonamiento lógico en tres modos diferentes, sin limitarse a las bandas lógicas.
Cuando los humanos percibimos el mundo, hay tres maneras diferentes:
El primero es el razonamiento deductivo, que conduce a conclusiones estrictamente correctas. Una máquina puede realizar un razonamiento deductivo mucho más rápido que nosotros porque se basa en cuatro principios fundamentales de la lógica clásica: la ley de la identidad absoluta, la ley de la contradicción, la ley del tercero excluido y la ley de la causalidad. **
Sobre la base de estos cuatro principios, se pueden derivar conclusiones deterministas. Sin embargo, el problema con las conclusiones deterministas es que en lógica se llama tautología, es decir, un hecho conocido expresado nuevamente de otra manera. Desde el punto de vista del razonamiento deductivo, la respuesta ya está implícita en todas sus suposiciones, simplemente se expresa de otra manera.
Una cosa que debemos entender es que, de hecho, una máquina de Turing fue diseñada para esto, es una máquina lógica deductiva clásica. En 1936, el matemático británico Turing publicó un importante artículo "Sobre los números computables y su aplicación a los problemas de decisión", que marcó el nacimiento de la máquina de Turing. El funcionamiento de una máquina de Turing es muy similar al proceso de pensamiento de nuestros cálculos escritos. El modelo de la máquina de Turing es, con mucho, el modelo informático clásico más utilizado, no uno de ellos.
A día de hoy, la inteligencia artificial todavía se basa en las máquinas de Turing. Las cosas que las máquinas de Turing no pueden hacer, no importa cuán poderosas sean las computadoras de hoy, no pueden hacerlas. Este es uno de los núcleos de nuestro pensamiento sobre la división del trabajo entre los humanos y la IA. **
**El segundo modo se llama inducción. **La inducción es el proceso de observar múltiples eventos y descubrir sus características comunes y resumirlos en nuevos conocimientos. Sin embargo, la inducción no se puede lograr a través de la lógica estricta porque es imposible agotar todas las posibilidades. Por lo tanto, puede haber un llamado "evento del cisne negro", es decir, observamos que los cisnes en Europa y América son todos blancos y, por lo tanto, concluimos que los cisnes deberían ser blancos. Pero cuando encontramos que hay un cisne negro en Australia, el método de inducción no puede dar una conclusión absolutamente correcta, porque no puede cubrir todas las posibilidades. Las máquinas están limitadas en este sentido y no pueden ir más allá de los límites de la inducción, pero los humanos sí. Sin embargo, también debemos entender que esta conclusión puede ser revocada, que es lo que persigue la ciencia moderna.
El tercer modo es la analogía, que es una forma vaga de razonar al asociar una cosa con otra. Por ejemplo, cuando pensamos en la estructura del ADN, si no sabemos cómo es y vemos dos serpientes entrelazadas en un sueño, podemos pensar en la estructura del ADN. De hecho, la estructura de doble hélice del ADN está realmente "cubierta" de esta manera. Pero para las computadoras basadas en lógica deductiva, esto no se puede lograr. La analogía es una forma de razonamiento menos rigurosa, pero como humanos, podemos usarla.
De estos tres modos, podemos sacar la conclusión de que las máquinas son mucho más eficientes que los humanos en la realización de la lógica deductiva, porque operan en máquinas de Turing y son sistemas informáticos completos. Sin embargo, las máquinas no pueden generar ningún conocimiento nuevo, y los humanos deben obtener nuevos conocimientos a través de inducción suelta o analogía. Estos puntos de vista deben demostrarse paso a paso a través de métodos deductivos y, finalmente, transformarse en un conocimiento relativamente estable. Las máquinas cognitivas no pueden superar a los humanos en la adquisición de nuevos conocimientos. Y cuando decimos que la máquina no puede hacerlo, significa que la máquina no puede manejarlo desde otras áreas que no sean la lógica deductiva estricta, y estas áreas son exactamente las que los humanos pueden manejar.
Esto en realidad implica la discusión de la división del trabajo entre humanos y máquinas. Ya sea inteligencia artificial o máquinas, todas se desarrollan en base a las máquinas de Turing, y los problemas mencionados anteriormente son inevitables. El desarrollo actual de la inteligencia artificial se basa en las máquinas de Turing. Si la inteligencia artificial no puede lograr ciertas tareas, puede deberse a las limitaciones del desarrollo del hardware, como la Ley de Moore, u otras limitaciones relacionadas.
Recientemente, Sam Altman, director ejecutivo de OpenAI, afirmó que la cantidad de cómputo de inteligencia artificial global se duplica cada 18 meses. En este sentido, algunas personas creen que el rendimiento de la potencia informática de la inteligencia artificial seguirá mejorando exponencialmente. De hecho, ** sobre la "Ley de Moore" y los algoritmos son dos proposiciones diferentes. La Ley de Moore se refiere principalmente al desarrollo de hardware, pero el algoritmo no cumple completamente con las leyes de la Ley de Moore. Debido a los problemas técnicos del procesamiento de equipos de precisión, la ley de Moore actual se ha ralentizado en cierto sentido** e implica más desafíos en la tecnología mecánica. En cuanto al desarrollo de algoritmos, es difícil decir que se lleva a cabo de acuerdo con la Ley de Moore, y existen algunas diferencias entre ambos.
Cuando se trata de la Ley de Moore, podemos ir más allá, y cuando la unidad de computación alcanza el nivel atómico, ingresamos a otro campo, que es la computación cuántica. Desde el campo de la computación cuántica, y combinando nuestro progreso en los últimos años, descubrimos que la computación cuántica no es una máquina de Turing estricta. Además, el diseño de la computación cuántica a nivel tecnológico es demasiado difícil y puede llevar mucho tiempo que sea verdaderamente universal en términos de algoritmos como las máquinas de Turing. Tengo la opinión de que no tenemos que preocuparnos demasiado por esto durante los próximos 300 años. Pero después de 300 años, ¿habrá un avance clave en la computación cuántica? Es difícil de decir, porque desde una perspectiva reduccionista, nuestra mente humana debe estar basada en algún tipo de entidad física.
En la actualidad, según cada vez más indicios**, nuestra forma de pensar no es equivalente a la forma de pensar de los ordenadores de Turing. **Pero de acuerdo con nuestra cognición actual, ahora solo tenemos dos opciones: solo la máquina de Turing clásica y la computadora cuántica de aparición reciente, pero es posible que no haya una tercera opción en el futuro.
Si básicamente hemos establecido que el cerebro humano no está hecho de una máquina de Turing clásica, entonces puede ser una computadora cuántica. Sin embargo, la capacidad de las computadoras cuánticas para crear patrones de pensamiento similares a los humanos no está clara. Así que estamos cada vez más convencidos de que una computadora cuántica no es una máquina de Turing y que su lógica subyacente es diferente.
Educación de talentos en la era GPT: Cultivar una fuerte capacidad de aprendizaje
Creamos máquinas para ayudarnos a realizar diferentes tareas. Por lo tanto, desde la perspectiva de direcciones profesionales específicas, es difícil determinar qué trabajos no serán reemplazados en el futuro. Porque para cualquier evento o algoritmo que pueda describirse, una máquina de Turing puede ejecutarlo. Una vez que describimos un trabajo como una tarea específica, una computadora puede hacerlo, solo varía en la eficiencia con la que la computadora realiza esa tarea.
De hecho, cuando estamos considerando qué cosas no pueden lograr las máquinas de Turing, Turing y su matemático Gödel señalaron esto en la década de 1930, pero no atrajeron suficiente atención de los humanos en ese momento. Ellos (refiriéndose a Gödel y Turing, etc.) Eso generación ha demostrado que el pensamiento perceptivo y la intuición son las herramientas básicas para que los humanos entendamos el mundo, y el pensamiento racional es una herramienta para organizar el pensamiento perceptivo. En resumen, ** la capacidad de percibir verdaderamente el mundo sigue siendo exclusivamente humana y se logra a través de nuestra propia percepción perceptiva. Este es uno de los núcleos de cómo entendemos y distinguimos a los humanos de las máquinas (o IA). **
Según la diferencia en las competencias básicas, para nosotros los humanos o los humanos del futuro, de hecho, una habilidad importante para cultivar requiere una gran capacidad de aprendizaje y adaptabilidad. Sólo a través de esta capacidad de aprendizaje las personas pueden dar nuevas soluciones a nuevas necesidades y convertirlas en su propio trabajo. Es difícil discutir cada uno de estos aspectos en detalle, porque la capacidad de aprendizaje abarca muchos dominios diferentes. Pero ahora tenemos que centrarnos en eso, a través de la educación para cambiar la forma en que actualmente educamos a nuestros estudiantes.
Por ejemplo, este semestre evité dar tarea a los estudiantes. Empecé a darme cuenta de que no había nada que les impidiera hacer sus tareas con herramientas como GPT, y que las respuestas a través de GPT podrían ser mejores de lo que esperaba, y esas tareas perdieron su significado. Por lo tanto, presto más atención al diálogo y la interacción con los estudiantes en el aula, y presto atención a su comprensión de la lógica y el proceso de razonamiento, en lugar de si pueden completar la tarea.
Además, a lo largo del semestre, espero que completen una tarea basada en proyectos relativamente sistemática. La educación actual aboga por el aprendizaje basado en proyectos y el aprendizaje a través de la participación en proyectos. En el proceso de este proyecto, permitimos que los estudiantes entiendan lo que están haciendo, en lugar de educarlos a través de los métodos anteriores de preguntas y respuestas, exámenes y tareas. Las personas cultivadas a través del aprendizaje basado en proyectos tienen más ventajas para las máquinas, no solo para responder a la pregunta.
En este proceso, habrá muchas cuestiones dignas de nuestra consideración. Precisamente porque pensamos y comprendemos las necesidades en esta área, se creará una gran cantidad de nuevas oportunidades de trabajo y nuevas direcciones de desarrollo. Por lo tanto, si tiene que decirlo, la diferencia entre humanos y máquinas puede ser una tendencia más grande a la que realmente preste atención en el futuro. En resumen, en lo que nos centramos es en la propia capacidad humana y la interacción entre humanos y máquinas, que es un campo muy amplio.
La tendencia de desarrollo del diálogo humano-computadora en el futuro: la interacción entre la inteligencia artificial y las máquinas
En cuanto a la concepción y la visión de la futura IA, es difícil predecir con precisión tendencias específicas, ya que esto puede guiar a la opinión pública y afectar la dirección de la inversión de capital. Algunas opiniones son solo para intercambio y discusión.
**Creo que una tendencia importante es la interacción entre la inteligencia artificial y las máquinas. Con el rápido desarrollo de máquinas y humanos, necesitamos una interfaz o herramienta para conectar a los dos y lograr una mejor comunicación. La interacción hombre-computadora será un campo técnico muy importante. **
Al buscar tendencias futuras, debemos prestar más atención tanto a humanos como a máquinas, no solo a uno. Necesitamos pensar profundamente en las capacidades y el posicionamiento de los seres humanos, esta es una pregunta que requiere un pensamiento a largo plazo.
Aunque hemos discutido más sobre la ética educativa y la posible dirección futura de los seres humanos, desde una perspectiva técnica, la interacción humano-computadora puede ser un campo con un gran potencial. Necesitamos pensar en cómo tener una forma más rápida y eficiente de comunicación entre personas y máquinas, sin requerir que las personas se conviertan en modelos expertos profesionales.
Si la interacción humano-computadora puede atraer a más personas a participar de una manera más rápida y administrar la máquina de manera efectiva, puede afectar y promover el desarrollo más rápido de la máquina. Debido a que el rápido desarrollo de las máquinas es inevitable en el futuro, los humanos también deben aclarar sus propias estrategias y posicionamiento. Dado que tanto los seres humanos como las máquinas tienen que coexistir en la tierra, deberíamos tener una forma de interacción particularmente armoniosa, conveniente y eficiente. Este tipo de interacción puede requerir muchas tecnologías nuevas para realizarse.
Con todo, no queremos convertirnos en "esclavos de las máquinas" en el futuro, por lo que debemos pensar en el posicionamiento de los seres humanos. En el campo de la educación, la popularidad de GPT también ha planteado importantes desafíos y pensamientos para mí: "¿Los estudiantes cultivados por el modelo de educación tradicional son más como máquinas o personas?" "¿Cómo debemos aprender para que no seamos reemplazados por AI? "Estas preguntas guían profundamente nuestras discusiones serias hoy. Como maestros, no queremos que lo que estamos enseñando a los estudiantes hoy, o produciendo estudiantes, se encuentre en 10 o 20 años a partir de ahora que sus trabajos hayan sido reemplazados por computadoras, que los dejen sin trabajo o que los obliguen a cambiar de trabajo.
**El pensamiento humano es libre, creativo y comunicable.Fundamentalmente hablando, lo que necesitamos desarrollar es la forma de cultivar talentos técnicos innovadores con hábitos de aprendizaje permanente. **
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Ma Zhaoyuan Interpretación de AIGC: ¿Las empresas nacionales quieren ponerse al día con OpenAI este año? al menos 4-5 años
Texto: Li Haidan, Tencent Technology
【Nota del editor】 En los últimos meses, AIGC se ha visto favorecido por el capital, ChatGPT se ha vuelto popular y los principales gigantes tecnológicos nacionales y las empresas emergentes han ingresado al mercado uno tras otro. La inteligencia artificial está afectando silenciosamente a todos los ámbitos de la vida. Esto ya no es solo una simple evolución tecnológica, sino que se convertirá en una revolución.
Aunque la explosión de las aplicaciones de IA parece ser repentina, detrás de escena, los científicos han experimentado innumerables fallas y acumulación de experiencia. Al igual que nuestro orador invitado ** Ma Zhaoyuan (Profesor de la Universidad de Ciencia y Tecnología del Sur, Miembro de la Sociedad Británica de Física, Ingeniero colegiado real británico, ex investigador principal del Laboratorio del Futuro de la Universidad de Tsinghua) ** en el libro "The Imposibilidad de la Inteligencia Artificial” Mencionó: “Cada centímetro de progreso requiere trabajo duro todos los días y la superposición de varias incertidumbres”.
De hecho, en la larga historia de la ciencia y la tecnología, esta revolución tecnológica es solo el primer paso para llevar a la humanidad a la "era de la IA generativa". Hasta ahora, todavía tenemos que prestar atención a muchos problemas y contradicciones existentes. Por ejemplo: bajo la ola de tecnología liderada por OpenAI, ¿puede China ponerse al día rápidamente? ¿Qué cambios traerá esta revolución tecnológica a la sociedad ya la estructura industrial? ¿Reemplazarán las máquinas a los humanos en el futuro? En una era de rápida iteración tecnológica, ¿cómo se debe cultivar la educación del talento en China?
En esta edición de "AI Future Guide North", Tencent Technology entrevistó a Ma Zhaoyuan. Compartió diferentes pensamientos y puntos de vista sobre estos temas. Compilamos estos recuerdos 4D en un artículo para explorar, aprender y pensar junto con los internautas. La importancia de la inteligencia artificial a los seres humanos.
No te preocupes si las personas se convertirán en "esclavos de la máquina", el tema candente es la exageración del capital detrás de esto
Con el reciente auge en la aplicación de modelos de lenguaje grande de inteligencia artificial y otros productos, muchas personas están preocupadas de que con el desarrollo de la inteligencia artificial, traerá algunos riesgos y problemas de seguridad para los seres humanos, y conflictos con la supervivencia humana y la sociedad.
Con respecto a los problemas que preocupan a la gente, pensé en una palabra llamada "esclavo de máquina".
Nos preocupa que algún día en el futuro nos convirtamos en "esclavos de las máquinas", al igual que algunas tramas en la película "RoboCop": un día, los seres humanos serán gobernados por máquinas y tendrán que moverse bajo tierra. A lo largo de esta lucha, la humanidad ha mantenido su espíritu rebelde, renovando sus esfuerzos por recuperar el control del futuro y de la Tierra. Al final, la IA tuvo que enviar un robot para viajar a través del tiempo y el espacio hasta 1984, tratando de destruir al líder del Ejército de Resistencia antes de que naciera, y en el futuro estallaron guerras entre robots y humanos... Historias como esta , Muchas personas pueden tener una imaginación similar.
Para tales puntos de vista y preocupaciones, creo que es completamente innecesario. En primer lugar, a juzgar por el nivel actual de tecnología, es poco probable que los robots o las entidades inteligentes realmente "gobiernen la tierra", incluso se conviertan en los amos de los seres humanos. Incluso si realmente se convierten en los maestros de los seres humanos en algún momento en el futuro, llevará mucho tiempo darse cuenta. No necesitamos publicar este asunto ahora para causar preocupaciones a todos.
Además, aunque actualmente hay muchos líderes de la industria discutiendo temas relacionados. Pero creo que puede ser, en cierta medida, impulsado por los intereses económicos y el mercado de capitales detrás de él. **Porque el capital primero debe especular sobre un tema antes de poder beneficiarse de él. Por ejemplo, el evento histórico anterior en los Países Bajos en el siglo XVII, la "burbuja de tulipán", promocionó un concepto ficticio que no tenía mucho valor, y luego alguien cosechó puerros de él. Pero en realidad, el tema puede no ser tan aterrador como pensamos.
En los últimos diez años, hemos visto que el mercado de capitales de China ha introducido y promocionado muchos temas, como materiales de grafeno, luego realidad virtual, bitcoin, metaverso, etc., y este año es inteligencia artificial. nuevo término. En este proceso, los depredadores del capital pueden beneficiarse y el capital se hace cada vez más grande. Pero para Xiaobai ordinario, solo seguimos estos sustantivos. Si no entendemos la lógica operativa y la situación real, podemos perder casi todo el dinero en nuestros bolsillos.
Recientemente, ChatGPT se ha disparado. Es un avance tecnológico importante, ** en esencia, ha cambiado la forma en que los humanos interactuamos con las computadoras. **Si quiere hablar de revolución, desde la perspectiva del patrón de lanzamiento de la industria, GPT ha cambiado el destino de OpenAI, Microsoft y Google. Ahora Google está muy nervioso por el aumento de GPT. La aparición de GPT ha mejorado en gran medida la precisión y la eficiencia de la búsqueda de personas. En el pasado, cuando usábamos Google para buscar, la página de inicio de Google mostraba todas las páginas web posibles relacionadas con ella, puede haber cientos de páginas o incluso decenas de miles de resultados. Pero el modelo actual puede comprender la pregunta del usuario con mayor precisión y brindar la respuesta más probable, lo que mejora en gran medida la capacidad de recuperación de información. A continuación, puede cambiar nuestro modo de trabajo, especialmente en el procesamiento de archivos y la recopilación de datos, lo que puede mejorar en gran medida la eficiencia de nuestro trabajo.
Pero cuando se trata de si se convertirá en inteligencia artificial general, todavía está demasiado lejos del punto de vista actual. Como se menciona en mi libro (refiriéndose a "La imposibilidad de la inteligencia artificial"): existe una brecha fundamental y crítica entre la inteligencia artificial general y los humanos, y la tecnología de IA existente no puede cerrar esta brecha. En cuanto a la razón, se mencionará a continuación (Parte 06).
El mercado nacional carece de la mentalidad de construir un ecosistema, y tomará al menos 4-5 años ponerse al día con OpenAI
Hemos visto el lanzamiento y lanzamiento de muchos productos modelo de idiomas grandes. Por ejemplo, el popular ChatGPT está funcionando muy bien. Muchas grandes empresas en China también están siguiendo su ejemplo y lanzando muchos productos similares.
Por ejemplo, una determinada empresa lanza un producto y, unos días después, otra empresa lanza un producto similar, que es más barato y adecuado para el entorno chino, todo promocionado con contenido similar. Creo que muchas grandes empresas nacionales carecen de la mentalidad de construir un ecosistema y están ansiosas por ganar dinero rápidamente. Una vez que aparece un nuevo término, lo seguirán rápidamente.
Tal fenómeno de seguimiento es muy desfavorable para el desarrollo de la economía nacional o la economía regional. Si seguimos persiguiendo las tendencias, es posible que nunca nos pongamos al día. Por ejemplo, Microsoft se ha concentrado en la investigación en los últimos diez años, pero no ha hecho muchos avances en otros campos y básicamente ha sido reprimido por otras empresas, lo que requiere mucha incertidumbre y presión. Microsoft ha estado "conteniéndose" durante diez años. Con sus recursos financieros, capacidades de investigación y desarrollo y estrategias de cooperación comercial, finalmente vimos el lanzamiento de ChatGPT y nuevos productos relacionados. Llevó mucho tiempo producir un "punto de explosión". , y esperamos de la noche a la mañana No es realista esperar que una empresa pueda lograr un cambio radical.
¿Será que estas empresas son "jugadores talentosos" especiales que solo necesitan unos meses o un año o dos para completar el mismo trabajo que otros tardan diez años en completar? ¿Estas empresas no son conscientes de estos problemas que estamos considerando? ¿También necesita una pregunta exagerada para impulsar el mercado de valores y el precio de las acciones? Todo esto requiere que la gente común como nosotros piense detenidamente, considere si debemos hacer lo mismo y tomar las decisiones de inversión correspondientes.
** En lo que respecta al estado del desarrollo económico del país, si sigue la tendencia, es posible que nunca alcance a los que corrieron primero. En cambio, deberíamos pensar en cómo llevar a cabo una co-construcción ecológica mutua basada en nuestras capacidades actuales. Vale la pena pensar en esta pregunta para los gigantes tecnológicos nacionales. **
Para dar un ejemplo: en los últimos 40 años, China ha logrado grandes logros en la construcción de infraestructura. Por ejemplo, el tren de alta velocidad de China se ha desarrollado muy bien y se ha convertido en un sistema ferroviario de alta velocidad que debe considerarse a nivel mundial. y se ha convertido en una tarjeta de visita de China. Como otro ejemplo, en las industrias de comunicaciones e informática, el 5G de China ya es el más fuerte del mundo. En estos campos, tenemos algunas ventajas, y la construcción básica se ha hecho muy bien. En la actualidad, también podemos construir algunas posibilidades y direcciones de desarrollo ecológico sobre estos cimientos, para ejercer mayores ventajas.
Podemos imaginar que, en base a nuestras ventajas, en los próximos 10 o 20 años, si algunos países de Europa y Estados Unidos monopolizan algunas direcciones técnicas, también podemos entrar en un estado de "cuellos mutuamente pegados" en función de nuestros campos líderes. Ganar posición de negociación. Volviendo a la tecnología, ya sea que las empresas nacionales quieran ponerse al día con GPT o Bing, puede basarse en la experiencia de los "predecesores",** podemos acelerar la velocidad de la investigación y el desarrollo, pero si nos ponemos al mismo nivel, puede tomar por lo menos 4- 5 años. **Además, también debemos pensar en: incluso si nos ponemos al día, después de unos años, ¿ha pasado esta ráfaga de viento? Y Microsoft o Open AI en sí también está creciendo iterativamente, ¿se ha convertido en un "big mac"?
**En general, seguir la tendencia de inversión es en realidad una pérdida de costos, tiempo y talento. Para los participantes, además de aumentar el pánico y la ansiedad, es posible que no obtenga ningún beneficio, y solo permitirá que el capital coseche parte de los intereses de los inversores en el proceso de seguir la tendencia. **
La IA no hará que una gran cantidad de personas queden desempleadas, y las ocupaciones de cualquier era deben ser creadas por humanos
Además de la teoría de la amenaza de la IA, las personas están más preocupadas por el impacto de la IA en el empleo.
La naturaleza altamente antropomórfica de ChatGPT desencadenó una ola de crisis en la industria y muchas personas comenzaron a preocuparse por si su industria se vería afectada o incluso si perderían sus trabajos. Desde el punto de vista actual, algunos puestos de trabajo pueden verse afectados a corto plazo, pero no perturbarán la estabilidad a largo plazo de la sociedad.
Desde la perspectiva de la dirección de la carrera, ¿conducirá la revolución de la inteligencia artificial a una disminución de la población y la fuerza laboral? La respuesta es no.
Por ejemplo, durante la Revolución Industrial, aproximadamente entre los siglos XVIII y XIX, uno de los mayores cambios fue la disminución de la población agrícola. En los primeros días de la Revolución Industrial o antes de que comenzara, más del 95% de la población del planeta se dedicaba a labores agrícolas, y solo una pequeña parte eran gobernantes o sacerdotes.En ese momento, la gran mayoría de las personas eran principalmente agricultores.
La situación es diferente ahora, tomemos como ejemplo a los países desarrollados, por ejemplo, menos del 2% de la población en los Estados Unidos se dedica a la agricultura. Más del 90% de la población en el medio ha cambiado el contenido de producción. Aunque algunos trabajos desaparecieron, estas personas no desaparecieron, sino que la población aumentó. A juzgar por el impacto en la sociedad humana, tales cambios no causaron desempleo a largo plazo ni afectaron la inestabilidad de la sociedad humana. Muchas personas simplemente cambiaron los trabajos que realizaban, y lo que cambió fue el modo de producción de los seres humanos. Aunque puede conducir a una reducción significativa o incluso a la desaparición de algunos trabajos, también debido a este cambio, se desencadenará y agregará más demanda de otros trabajos.
Como otro ejemplo, mencionamos una palabra en inglés llamada "Computer". Una máquina puede venir a la mente cuando escuchamos la palabra, pero hace 70 años, la palabra "Computadora" significaba algo diferente a lo que significa hoy. En ese momento, se refería a personas que trabajaban en computación similar al Proyecto Manhattan.
En ese momento, no había computadoras, y no había computadoras de escritorio como las que usamos ahora, pero la realización de grandes proyectos requería muchos cálculos, por lo que la empresa a cargo de este proyecto contrató a algunas mujeres jóvenes y cuidadosas para usar slide. Reglas en una habitación especial Estas mujeres, que hacen mucho trabajo de computación con papel borrador, se llaman "computadoras".
El término "Computadora" se acuñó para las personas que trabajan en informática, refiriéndose a los trabajadores que realizan muchas tareas informáticas en las oficinas. Luego, con la llegada de la computadora, hasta el día de hoy cuando nos referimos a "Computadora", sabemos que se refiere a la computadora, no a las mujeres que trabajan en informática. Así, el significado de la palabra "computadora" cambió por completo, y pasó a referirse a máquinas puras.
** Entonces, a medida que las máquinas se vuelven más capaces en ciertas áreas, pueden reemplazar algunos de nuestros trabajos humanos, lo que lleva a la desaparición de algunos trabajos. Sin embargo, estas personas en realidad no desaparecen, pasan a trabajos más complejos oa otras necesidades. **
**Una de las mayores características del ser humano es innovar constantemente y crear nuevas necesidades. **Estas nuevas necesidades impulsarán a las personas a crear nuevas oportunidades laborales. No necesitamos entrar en pánico o preocuparnos demasiado por el desempleo, a lo largo de la historia de la sociedad humana, nos hemos ido adaptando y respondiendo a este cambio. Tenemos la capacidad de crear y adaptarnos continuamente a nuevos entornos de trabajo y oportunidades de empleo.
Desde la perspectiva de los requisitos técnicos profesionales, con el desarrollo de aplicaciones de lenguaje modelo a gran escala, la realización de tareas de programación será más fácil y sencilla. Por ejemplo, con la ayuda de herramientas como ChatGPT, solo necesitamos proponer lo que queremos hacer y emitir una tarea clara, y GPT nos ayudará a completar el resto del trabajo. Por ejemplo, podemos preguntar directamente a GPT y utilizará sus capacidades de programación y recuperación para generar código directamente. De esa manera, es posible que ya no se necesite un sistema como Python. En resumen, uno simplemente describe los requisitos y procede a implementar las formas descritas.
**Además, a juzgar por esta tendencia, el grado de automatización de la programación en el futuro será cada vez mayor. **Es como el lenguaje ensamblador que aprendí cuando estaba aprendiendo programación. Ahora, la mayoría de los jóvenes ya no saben cómo escribirlo. Es la misma razón.
El lenguaje ensamblador es un lenguaje de alto nivel entre el lenguaje humano y el lenguaje de máquina, que incluye ensamblador y programación directa en lenguaje de máquina. Después del lenguaje ensamblador, aparecieron lenguajes como C, C++ y Java, y luego se desarrollaron gradualmente lenguajes como Python. Cuando me comunico con los estudiantes, encuentro que Python es un lenguaje muy flexible para aquellos de nosotros que hemos aprendido C, pero se ha convertido en una herramienta favorita para los estudiantes que ya no están acostumbrados a usar C. Bajo la influencia de algunos sistemas teóricos, diferentes ingenieros todavía tienen diferencias en la comprensibilidad de la IA. Y es posible que aún necesitemos algunos profesionales para mejorar continuamente el sistema en segundo plano, así como unificar los estándares de inteligibilidad para obtener los resultados deseados.
En general, ** no importa en cualquier época, las nuevas necesidades las creamos los seres humanos. **No podemos adoptar una forma de pensar estática que se centre en la sustitución y el conflicto por los seres humanos. Si solo hay trabajos y necesidades limitados en la tierra, cuando las máquinas se hagan cargo de estos trabajos, es posible que los humanos realmente no tengamos sentido para la existencia. Pero en realidad, lo mejor de ser humanos es nuestra capacidad de crear continuamente nuevas necesidades y satisfacer esas necesidades a través de los humanos.
Competir con IA no tiene sentido, se debe prestar más atención a sus restricciones de política y gestión de riesgos
Ahora, tanto China como Estados Unidos han comenzado a introducir algunos mecanismos regulatorios relacionados. El desarrollo tecnológico en cualquier período requiere ciertas restricciones políticas y de gestión de riesgos.
Tomemos como ejemplo la historia del automóvil, antes de 1900 había muy pocos automóviles, solo los muy ricos podían comprarlos y no tenían mucho impacto en la sociedad. Además, la velocidad del automóvil no es rápida, por ejemplo, solo puede viajar a más de diez kilómetros por hora, por lo que no es muy diferente de caminar, por lo que no es necesario establecer demasiadas reglas, solo deje se desarrolla
Sin embargo, con la introducción de la producción en línea por parte de Ford Motor Company, el costo de los automóviles se ha reducido considerablemente, la gente común puede conducir y la cantidad de automóviles ha aumentado significativamente. La velocidad de los automóviles también ha aumentado de más de diez kilómetros por hora a cientos de kilómetros por hora. En este momento, los automóviles pueden volverse peligrosos e involucrar algunos problemas de seguridad. Por lo tanto, los humanos debemos formular reglas para los automóviles. Por ejemplo, diseñe caminos especiales para él, ya no puede mezclarse con los peatones, e incluso necesita construir carreteras para él, y establecer semáforos, semáforos, etc. en los caminos donde conduce la gente, todas estas reglas surgieron.
De la misma manera, para una máquina, la diseñamos para permitirle recopilar y organizar datos a alta velocidad y realizar deducciones rápidas y pensamiento lógico. Al igual que diseñamos autos para ir rápido. Una vez que llega el auto, no necesitamos competir con él para ver quién es más rápido.
Por lo tanto, cuando una computadora tiene capacidades de recopilación y procesamiento de datos tan poderosas, no tiene sentido competir con su experiencia en un campo específico. Necesitamos establecer reglas para ello.
Por ejemplo, la tecnología "Midjoury" a la que la gente de la industria ha prestado atención recientemente se puede utilizar para la generación de imágenes y la imitación de voz, e incluso puede generar noticias. Entonces, cuando estos contenidos de video y noticias se difunden en Internet, ¿cómo regularlos y cómo garantizar su vigencia? Esto se convierte en una cuestión de desarrollar reglas con el tiempo. La formulación de estas reglas hace que la coexistencia de humanos y máquinas se convierta en un verdadero problema.
Estos temas requieren que empecemos a pensar hoy y lleguemos a un consenso. Ahora que los autos ya existen, la tierra es un estado de simbiosis entre humanos y autos. Por lo tanto, necesitamos formular reglas de tráfico de automóviles para garantizar la coexistencia de humanos y automóviles en ciudades o entornos específicos. En este proceso, no solo los automóviles deben obedecer las reglas, sino que los humanos también deben obedecer las reglas.
El auge de la IA consumirá energía y recursos, pero es digno de reconocimiento por la mejora de la eficiencia humana
En esta entrevista, se mencionó una cuestión de estructura energética: Desde la perspectiva de la estructura económica industrial, con el crecimiento explosivo de AIGC, se necesita más poder de cómputo, y se necesita más apoyo eléctrico e hidráulico. ¿Es este el caso? a los cambios en el diseño de los países relacionados o la estructura energética global?
Esto es lo que seguramente sucederá. Cuando surgen nuevas estructuras y demandas industriales, este es un resultado inevitable. El problema radica en cómo organizar y ajustar. Si la IA consume potencia informática, debe proporcionar suficiente energía para ello. En este proceso energético, implica la consideración de la tierra verde y la estructura de consumo de energía, creo que no está particularmente relacionado con el desarrollo de la IA, sino una situación natural.
Según datos relevantes, el consumo de energía anual combinado de los centros de nube de China puede ser equivalente a la generación de energía de dos centrales eléctricas de Three Gorges (el consumo de recursos de los centros de nube no se limita al soporte de IA, e incluso la proporción de servicios de IA es relativamente pequeño). A medida que aumenta la cantidad de cómputo, la demanda de electricidad aumenta aún más. Además de proporcionar más suplementos energéticos nuevos, también debemos considerar cómo mejorar la eficiencia energética, que en realidad es un tema relativamente complicado. En términos de ahorro de energía, es necesario realizar cálculos y refrigeración. Sin embargo, combinado con la situación doméstica actual, debido al rápido desarrollo de los últimos años, la mitad de la energía que suministramos al centro de datos se utiliza para la disipación de calor. Esto es algo que debemos considerar.
¿Cómo debemos resolver y evitar el problema de la ocupación y asignación irrazonable de recursos? Permítanme dar otro ejemplo: después de que Google adquirió Deepmind, se le pidió al equipo de Deepmind que hiciera una cosa, es decir, ajustar el centro de la nube de Google para ahorrar energía a través del aprendizaje reforzado y muchos otros algoritmos de IA. Hacerlo realmente ayudó a Google a reducir el consumo de energía en casi un 50%. Por lo tanto, casi el 100 % de la electricidad en el centro de la nube de Google se usa para computación y solo una parte muy pequeña (menos del 5 %) se usa para refrigeración. Por lo tanto, esta forma de optimización ahorra el desperdicio de energía del centro de la nube de Google a gran escala.
Por lo tanto, si podemos lograr un nivel de eficiencia similar al uso del centro de la nube de Google y consideramos el doble carbono y la energía verde defendida por el mundo, aún podemos considerar cómo usar la energía de manera eficiente en el futuro.
Cabe señalar que solo estamos discutiendo el consumo de energía en esta pregunta. En general, la IA puede ayudarnos a mejorar en gran medida nuestra eficiencia de uso Una vez que se usa ampliamente, la posible mejora de la eficiencia es mucho más significativa que su impacto en el consumo de energía.
¿Cómo entiende la IA el lenguaje humano? A través de tres modos de razonamiento lógico
El modelo de aprendizaje profundo actual, especialmente el modelo de lenguaje a gran escala que ha aparecido recientemente, sigue siendo una "tecnología de caja negra". Aunque los modelos de lenguaje grande funcionan bien en muchas tareas en el procesamiento del lenguaje natural, todavía necesitamos encontrar un método interpretable.
En el trabajo científico, generalmente estamos acostumbrados a conectar fenómenos con otras cosas, y si podemos describirlos en una fórmula concisa y hermosa, podemos demostrar que entendemos. Sin embargo, a juzgar por la interpretabilidad del actual modelo de lenguaje grande que incluye redes neuronales, sus parámetros serán muy aleatorios, y si los parámetros se cambian muy levemente, los resultados también cambiarán mucho. Aunque estos parámetros juegan un papel en la arquitectura, sus mecanismos exactos no se entienden completamente. No podemos describirlos con simples modelos algebraicos, y en ese sentido no se entiende mejor.
Las personas normales (no profesionales) no estamos acostumbrados a usar muchos números para describir la relación entre dos cosas y cómo un cambio en cada número conduce a un resultado. Cuando la relación no está clara, pensamos que el estado aún no ha llegado al punto de comprensión. Por lo tanto, la gente suele confundir el concepto y pensar que aún no se han entendido los grandes modelos de lenguaje o las redes neuronales. De hecho, no son del todo incomprendidos, es solo que no hemos encontrado la forma satisfactoria en que estamos acostumbrados a entenderlos.
En la actualidad, GPT se basa más en el entrenamiento de big data. La forma principal es aprender a juzgar la respuesta que más probablemente queramos en función de la probabilidad. Si su forma de razonamiento actual es factible y confiable, podemos verlo desde estos aspectos. :
En primer lugar, la posible respuesta se da en función de la máxima probabilidad. El método que involucra la red neuronal y las estadísticas bayesianas a nivel de algoritmo es la lógica utilizada por GPT en segundo plano, y es correcta.
Además, cuando se trata de razonamiento lógico, podemos dividir el razonamiento lógico en tres modos diferentes, sin limitarse a las bandas lógicas.
Cuando los humanos percibimos el mundo, hay tres maneras diferentes:
El primero es el razonamiento deductivo, que conduce a conclusiones estrictamente correctas. Una máquina puede realizar un razonamiento deductivo mucho más rápido que nosotros porque se basa en cuatro principios fundamentales de la lógica clásica: la ley de la identidad absoluta, la ley de la contradicción, la ley del tercero excluido y la ley de la causalidad. **
Sobre la base de estos cuatro principios, se pueden derivar conclusiones deterministas. Sin embargo, el problema con las conclusiones deterministas es que en lógica se llama tautología, es decir, un hecho conocido expresado nuevamente de otra manera. Desde el punto de vista del razonamiento deductivo, la respuesta ya está implícita en todas sus suposiciones, simplemente se expresa de otra manera.
Una cosa que debemos entender es que, de hecho, una máquina de Turing fue diseñada para esto, es una máquina lógica deductiva clásica. En 1936, el matemático británico Turing publicó un importante artículo "Sobre los números computables y su aplicación a los problemas de decisión", que marcó el nacimiento de la máquina de Turing. El funcionamiento de una máquina de Turing es muy similar al proceso de pensamiento de nuestros cálculos escritos. El modelo de la máquina de Turing es, con mucho, el modelo informático clásico más utilizado, no uno de ellos.
A día de hoy, la inteligencia artificial todavía se basa en las máquinas de Turing. Las cosas que las máquinas de Turing no pueden hacer, no importa cuán poderosas sean las computadoras de hoy, no pueden hacerlas. Este es uno de los núcleos de nuestro pensamiento sobre la división del trabajo entre los humanos y la IA. **
**El segundo modo se llama inducción. **La inducción es el proceso de observar múltiples eventos y descubrir sus características comunes y resumirlos en nuevos conocimientos. Sin embargo, la inducción no se puede lograr a través de la lógica estricta porque es imposible agotar todas las posibilidades. Por lo tanto, puede haber un llamado "evento del cisne negro", es decir, observamos que los cisnes en Europa y América son todos blancos y, por lo tanto, concluimos que los cisnes deberían ser blancos. Pero cuando encontramos que hay un cisne negro en Australia, el método de inducción no puede dar una conclusión absolutamente correcta, porque no puede cubrir todas las posibilidades. Las máquinas están limitadas en este sentido y no pueden ir más allá de los límites de la inducción, pero los humanos sí. Sin embargo, también debemos entender que esta conclusión puede ser revocada, que es lo que persigue la ciencia moderna.
El tercer modo es la analogía, que es una forma vaga de razonar al asociar una cosa con otra. Por ejemplo, cuando pensamos en la estructura del ADN, si no sabemos cómo es y vemos dos serpientes entrelazadas en un sueño, podemos pensar en la estructura del ADN. De hecho, la estructura de doble hélice del ADN está realmente "cubierta" de esta manera. Pero para las computadoras basadas en lógica deductiva, esto no se puede lograr. La analogía es una forma de razonamiento menos rigurosa, pero como humanos, podemos usarla.
De estos tres modos, podemos sacar la conclusión de que las máquinas son mucho más eficientes que los humanos en la realización de la lógica deductiva, porque operan en máquinas de Turing y son sistemas informáticos completos. Sin embargo, las máquinas no pueden generar ningún conocimiento nuevo, y los humanos deben obtener nuevos conocimientos a través de inducción suelta o analogía. Estos puntos de vista deben demostrarse paso a paso a través de métodos deductivos y, finalmente, transformarse en un conocimiento relativamente estable. Las máquinas cognitivas no pueden superar a los humanos en la adquisición de nuevos conocimientos. Y cuando decimos que la máquina no puede hacerlo, significa que la máquina no puede manejarlo desde otras áreas que no sean la lógica deductiva estricta, y estas áreas son exactamente las que los humanos pueden manejar.
Esto en realidad implica la discusión de la división del trabajo entre humanos y máquinas. Ya sea inteligencia artificial o máquinas, todas se desarrollan en base a las máquinas de Turing, y los problemas mencionados anteriormente son inevitables. El desarrollo actual de la inteligencia artificial se basa en las máquinas de Turing. Si la inteligencia artificial no puede lograr ciertas tareas, puede deberse a las limitaciones del desarrollo del hardware, como la Ley de Moore, u otras limitaciones relacionadas.
Recientemente, Sam Altman, director ejecutivo de OpenAI, afirmó que la cantidad de cómputo de inteligencia artificial global se duplica cada 18 meses. En este sentido, algunas personas creen que el rendimiento de la potencia informática de la inteligencia artificial seguirá mejorando exponencialmente. De hecho, ** sobre la "Ley de Moore" y los algoritmos son dos proposiciones diferentes. La Ley de Moore se refiere principalmente al desarrollo de hardware, pero el algoritmo no cumple completamente con las leyes de la Ley de Moore. Debido a los problemas técnicos del procesamiento de equipos de precisión, la ley de Moore actual se ha ralentizado en cierto sentido** e implica más desafíos en la tecnología mecánica. En cuanto al desarrollo de algoritmos, es difícil decir que se lleva a cabo de acuerdo con la Ley de Moore, y existen algunas diferencias entre ambos.
Cuando se trata de la Ley de Moore, podemos ir más allá, y cuando la unidad de computación alcanza el nivel atómico, ingresamos a otro campo, que es la computación cuántica. Desde el campo de la computación cuántica, y combinando nuestro progreso en los últimos años, descubrimos que la computación cuántica no es una máquina de Turing estricta. Además, el diseño de la computación cuántica a nivel tecnológico es demasiado difícil y puede llevar mucho tiempo que sea verdaderamente universal en términos de algoritmos como las máquinas de Turing. Tengo la opinión de que no tenemos que preocuparnos demasiado por esto durante los próximos 300 años. Pero después de 300 años, ¿habrá un avance clave en la computación cuántica? Es difícil de decir, porque desde una perspectiva reduccionista, nuestra mente humana debe estar basada en algún tipo de entidad física.
En la actualidad, según cada vez más indicios**, nuestra forma de pensar no es equivalente a la forma de pensar de los ordenadores de Turing. **Pero de acuerdo con nuestra cognición actual, ahora solo tenemos dos opciones: solo la máquina de Turing clásica y la computadora cuántica de aparición reciente, pero es posible que no haya una tercera opción en el futuro.
Si básicamente hemos establecido que el cerebro humano no está hecho de una máquina de Turing clásica, entonces puede ser una computadora cuántica. Sin embargo, la capacidad de las computadoras cuánticas para crear patrones de pensamiento similares a los humanos no está clara. Así que estamos cada vez más convencidos de que una computadora cuántica no es una máquina de Turing y que su lógica subyacente es diferente.
Educación de talentos en la era GPT: Cultivar una fuerte capacidad de aprendizaje
Creamos máquinas para ayudarnos a realizar diferentes tareas. Por lo tanto, desde la perspectiva de direcciones profesionales específicas, es difícil determinar qué trabajos no serán reemplazados en el futuro. Porque para cualquier evento o algoritmo que pueda describirse, una máquina de Turing puede ejecutarlo. Una vez que describimos un trabajo como una tarea específica, una computadora puede hacerlo, solo varía en la eficiencia con la que la computadora realiza esa tarea.
De hecho, cuando estamos considerando qué cosas no pueden lograr las máquinas de Turing, Turing y su matemático Gödel señalaron esto en la década de 1930, pero no atrajeron suficiente atención de los humanos en ese momento. Ellos (refiriéndose a Gödel y Turing, etc.) Eso generación ha demostrado que el pensamiento perceptivo y la intuición son las herramientas básicas para que los humanos entendamos el mundo, y el pensamiento racional es una herramienta para organizar el pensamiento perceptivo. En resumen, ** la capacidad de percibir verdaderamente el mundo sigue siendo exclusivamente humana y se logra a través de nuestra propia percepción perceptiva. Este es uno de los núcleos de cómo entendemos y distinguimos a los humanos de las máquinas (o IA). **
Según la diferencia en las competencias básicas, para nosotros los humanos o los humanos del futuro, de hecho, una habilidad importante para cultivar requiere una gran capacidad de aprendizaje y adaptabilidad. Sólo a través de esta capacidad de aprendizaje las personas pueden dar nuevas soluciones a nuevas necesidades y convertirlas en su propio trabajo. Es difícil discutir cada uno de estos aspectos en detalle, porque la capacidad de aprendizaje abarca muchos dominios diferentes. Pero ahora tenemos que centrarnos en eso, a través de la educación para cambiar la forma en que actualmente educamos a nuestros estudiantes.
Por ejemplo, este semestre evité dar tarea a los estudiantes. Empecé a darme cuenta de que no había nada que les impidiera hacer sus tareas con herramientas como GPT, y que las respuestas a través de GPT podrían ser mejores de lo que esperaba, y esas tareas perdieron su significado. Por lo tanto, presto más atención al diálogo y la interacción con los estudiantes en el aula, y presto atención a su comprensión de la lógica y el proceso de razonamiento, en lugar de si pueden completar la tarea.
Además, a lo largo del semestre, espero que completen una tarea basada en proyectos relativamente sistemática. La educación actual aboga por el aprendizaje basado en proyectos y el aprendizaje a través de la participación en proyectos. En el proceso de este proyecto, permitimos que los estudiantes entiendan lo que están haciendo, en lugar de educarlos a través de los métodos anteriores de preguntas y respuestas, exámenes y tareas. Las personas cultivadas a través del aprendizaje basado en proyectos tienen más ventajas para las máquinas, no solo para responder a la pregunta.
En este proceso, habrá muchas cuestiones dignas de nuestra consideración. Precisamente porque pensamos y comprendemos las necesidades en esta área, se creará una gran cantidad de nuevas oportunidades de trabajo y nuevas direcciones de desarrollo. Por lo tanto, si tiene que decirlo, la diferencia entre humanos y máquinas puede ser una tendencia más grande a la que realmente preste atención en el futuro. En resumen, en lo que nos centramos es en la propia capacidad humana y la interacción entre humanos y máquinas, que es un campo muy amplio.
La tendencia de desarrollo del diálogo humano-computadora en el futuro: la interacción entre la inteligencia artificial y las máquinas
En cuanto a la concepción y la visión de la futura IA, es difícil predecir con precisión tendencias específicas, ya que esto puede guiar a la opinión pública y afectar la dirección de la inversión de capital. Algunas opiniones son solo para intercambio y discusión.
**Creo que una tendencia importante es la interacción entre la inteligencia artificial y las máquinas. Con el rápido desarrollo de máquinas y humanos, necesitamos una interfaz o herramienta para conectar a los dos y lograr una mejor comunicación. La interacción hombre-computadora será un campo técnico muy importante. **
Al buscar tendencias futuras, debemos prestar más atención tanto a humanos como a máquinas, no solo a uno. Necesitamos pensar profundamente en las capacidades y el posicionamiento de los seres humanos, esta es una pregunta que requiere un pensamiento a largo plazo.
Aunque hemos discutido más sobre la ética educativa y la posible dirección futura de los seres humanos, desde una perspectiva técnica, la interacción humano-computadora puede ser un campo con un gran potencial. Necesitamos pensar en cómo tener una forma más rápida y eficiente de comunicación entre personas y máquinas, sin requerir que las personas se conviertan en modelos expertos profesionales.
Si la interacción humano-computadora puede atraer a más personas a participar de una manera más rápida y administrar la máquina de manera efectiva, puede afectar y promover el desarrollo más rápido de la máquina. Debido a que el rápido desarrollo de las máquinas es inevitable en el futuro, los humanos también deben aclarar sus propias estrategias y posicionamiento. Dado que tanto los seres humanos como las máquinas tienen que coexistir en la tierra, deberíamos tener una forma de interacción particularmente armoniosa, conveniente y eficiente. Este tipo de interacción puede requerir muchas tecnologías nuevas para realizarse.
Con todo, no queremos convertirnos en "esclavos de las máquinas" en el futuro, por lo que debemos pensar en el posicionamiento de los seres humanos. En el campo de la educación, la popularidad de GPT también ha planteado importantes desafíos y pensamientos para mí: "¿Los estudiantes cultivados por el modelo de educación tradicional son más como máquinas o personas?" "¿Cómo debemos aprender para que no seamos reemplazados por AI? "Estas preguntas guían profundamente nuestras discusiones serias hoy. Como maestros, no queremos que lo que estamos enseñando a los estudiantes hoy, o produciendo estudiantes, se encuentre en 10 o 20 años a partir de ahora que sus trabajos hayan sido reemplazados por computadoras, que los dejen sin trabajo o que los obliguen a cambiar de trabajo.
**El pensamiento humano es libre, creativo y comunicable.Fundamentalmente hablando, lo que necesitamos desarrollar es la forma de cultivar talentos técnicos innovadores con hábitos de aprendizaje permanente. **