原標(biāo)題：今天的“非共識”探索可能會(huì)成為未來引領(lǐng)性技術(shù)  真正的AGI或?qū)⒄Q生于大語言模型外

　　在驚喜與擔(dān)憂之間，人們正學(xué)著接納和擁抱人工智能（AI），惴惴不安地揣測著通用人工智能（AGI）何時(shí)到來。然而，在業(yè)內(nèi)專家看來，作為本輪AI熱潮的主角，大語言模型還只是一個(gè)探路者，離真正的AGI仍相距甚遠(yuǎn)，甚至根本不是通達(dá)AGI的正途。

　　昨天開幕的首屆浦江AI學(xué)術(shù)年會(huì)“非共識研究與創(chuàng)新”專題論壇上，專家表示，在大語言模型及其尺度定律（Scaling Law）之外，人工智能還有著廣闊的發(fā)展空間。

　　大模型能找到“自己的DNA”嗎

　　“如果在兩年前，我會(huì)堅(jiān)定地參加主流共識的論壇討論，而我現(xiàn)在卻更想探討‘非共識’�！毕愀壑形拇髮W(xué)副教授、上海人工智能實(shí)驗(yàn)室領(lǐng)軍科學(xué)家成宇提到，如今風(fēng)生水起的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，在幾十年前都屬于非主流研究，今天的“非共識”探索，或許會(huì)成為未來一飛沖天的引領(lǐng)性技術(shù)。他相信，純靠數(shù)據(jù)“喂養(yǎng)”，現(xiàn)今大模型的智能水平不可能再提升一個(gè)級別，“我們一定需要探索新的編碼結(jié)構(gòu)”。

　　經(jīng)濟(jì)學(xué)中，菲利普斯曲線發(fā)現(xiàn)了通脹率和失業(yè)率之間的關(guān)聯(lián)性，然而當(dāng)它不斷被修正后，反而不再被各國制定政策時(shí)參考采信。而生命科學(xué)中的孟德爾遺傳定律，至今仍發(fā)揮著重要作用。

　　同樣源于大量數(shù)據(jù)，為何這兩條“經(jīng)驗(yàn)性”理論會(huì)走向截然不同的結(jié)局？上海財(cái)經(jīng)大學(xué)助理教授滕佳燁認(rèn)為，一個(gè)理論的形成要經(jīng)歷“從數(shù)據(jù)中來—普適性驗(yàn)證—完善理論—普適性實(shí)踐”四步，上述兩條理論正是在第三步分道揚(yáng)鑣——DNA的發(fā)現(xiàn)使孟德爾遺傳定律找到了更根本而堅(jiān)實(shí)的基礎(chǔ)。

　　目前，來源于神經(jīng)網(wǎng)絡(luò)模型的尺度定律，為大語言模型奠定了基礎(chǔ)�！叭绻�它能避開不斷被修正、直到面目全非的陷阱，像孟德爾定律一樣找到‘自己的DNA’，未來將可能在更多地方開枝散葉�！彪�佳燁認(rèn)為，目前尺度理論只是在Transformer模型上獲得了成功，探討其適用邊界，即它在何時(shí)成立，也是一個(gè)極有意義的課題。

　　下一代AI離不開“腦啟發(fā)”

　　能耗過高、推理不行、智力欠缺……盡管大語言模型展現(xiàn)了空前強(qiáng)大的機(jī)器智能，卻仍被AI專家各種“鄙夷”，究其根本，是因?yàn)橛腥四X智能這種完美的存在。

　　與人腦相比，目前AI的“性價(jià)比”實(shí)在欠佳。中國科學(xué)院自動(dòng)化研究所研究員李國齊說，人腦中神經(jīng)元也就千億級別，功耗不過20瓦，而現(xiàn)在大語言模型的參數(shù)規(guī)模已經(jīng)萬倍于這個(gè)數(shù)量，耗能更是超出人腦，但其所實(shí)現(xiàn)的智能水平遠(yuǎn)不及人腦�！斑@說明，人腦一定有可借鑒之處�！�

　　例如，神經(jīng)元雖然數(shù)量有限，但每個(gè)細(xì)胞內(nèi)部卻有豐富的動(dòng)力學(xué)結(jié)構(gòu)——如果用機(jī)器神經(jīng)元模擬，需要用到幾十個(gè)、上百個(gè)常微分方程。李國齊認(rèn)為，目前大語言模型的每個(gè)單元都非常單一，“大模型的外部規(guī)模不可能無限擴(kuò)大，或許增加每個(gè)單元的內(nèi)生復(fù)雜性，將會(huì)是大幅提升AI性能、降低總體能耗的一條重要路徑”。

　　在清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系副教授崔鵬看來，目前的大語言模型只是在數(shù)據(jù)與算力上“摸天花板”，而AI智力的天花板在何處，尚未觸及�！皩W(xué)術(shù)界應(yīng)為AI探索更聰明的學(xué)習(xí)方式，比如機(jī)器智能是否有更強(qiáng)的舉一反三能力，能否用更少的數(shù)據(jù)達(dá)到更高的智力水平�！贝搦i認(rèn)為，人類對自身的智能產(chǎn)生過程還知之甚少，AI發(fā)展之路還相當(dāng)漫長。

　　北京大學(xué)人工智能研究院陳寶權(quán)教授則對機(jī)器智能抱有相當(dāng)?shù)木次分�心�！叭说纳�命有限，而機(jī)器壽命無限，這意味其知識可以不斷積累”。同時(shí)，未來量子計(jì)算加持下的AI智能將如何發(fā)展，或許完全超出想象。

　　多模態(tài)“解鎖”具身智能復(fù)雜動(dòng)作

　　多模態(tài)與跨具身智能，同樣是“非共識”前沿探討的熱門話題。

　　“大模型也會(huì)有‘右利手’‘左撇子’，我們想通過平衡訓(xùn)練實(shí)現(xiàn)‘雙手并用’，從而更充分地利用數(shù)據(jù)�！敝袊�人民大學(xué)副教授胡迪發(fā)現(xiàn)，當(dāng)同時(shí)訓(xùn)練不同模態(tài)的兩個(gè)模型時(shí)，一個(gè)會(huì)越來越占優(yōu)勢，用到更多數(shù)據(jù)，而另一個(gè)則會(huì)偏弱。于是，他帶領(lǐng)團(tuán)隊(duì)探索出一套平衡策略，讓兩個(gè)模型能夠均衡發(fā)展，結(jié)果發(fā)現(xiàn)其合作的結(jié)果可使整體效能更強(qiáng)大。

　　在此基礎(chǔ)上，胡迪團(tuán)隊(duì)將這一成果用于多模態(tài)AI模型。例如，通過視覺、聲音、觸覺的多種模態(tài)智能模型的合作，讓機(jī)械臂完成往杯子里注水的動(dòng)作。他們驚喜地發(fā)現(xiàn)，機(jī)器人學(xué)會(huì)了在不同階段調(diào)用不同模態(tài)信息，來控制動(dòng)作。“用多模態(tài)控制復(fù)雜動(dòng)作，過去在具身智能中并不受關(guān)注，但未來可能發(fā)揮重要作用�！焙�迪說。

　　“人形機(jī)器人雖然更容易復(fù)制人類行為，但其硬件成本高、電機(jī)力矩不足，很難完全模擬人手的功能。”即將赴新加坡國立大學(xué)任教的劉星昱正在研究如何通過跨具身形態(tài)的策略遷移，將人手與機(jī)械手在機(jī)械結(jié)構(gòu)上盡可能實(shí)現(xiàn)統(tǒng)一。

　　“人形機(jī)器人會(huì)后空翻，卻從未演示過攀巖，這是因?yàn)槭茈姍C(jī)部件限制，它們的仿真手無法像真正的人手那樣發(fā)力。”劉星昱通過一系列的微調(diào)策略，根據(jù)需要將人手“變形”到目標(biāo)機(jī)械手，這樣就能得到算法簡潔、可擴(kuò)展性強(qiáng)、適用于不同任務(wù)、不同機(jī)器人的仿真手，讓機(jī)械人既方便制造與控制，又能實(shí)現(xiàn)更強(qiáng)功能。

　　（本報(bào)記者 許琦敏 《文匯報(bào)》2024-12-14 ）