題記：2024年6月16日下午，北大國(guó)發(fā)院朗潤(rùn)·格政第186期在承澤園舉行。本次論壇由北京大學(xué)國(guó)家發(fā)展研究院、勞動(dòng)經(jīng)濟(jì)學(xué)會(huì)人工智能與靈活就業(yè)專(zhuān)委會(huì)、嶺鵬產(chǎn)業(yè)與創(chuàng)新研究院共同主辦。本文根據(jù)蘇州迪克視覺(jué)有限公司總經(jīng)理陸駿的發(fā)言整理。
早期：20世紀(jì)40-70年代
人工智能最早由圖靈提出，他在圖靈測(cè)試中發(fā)出靈魂拷問(wèn)：機(jī)器能不能被識(shí)別為一個(gè)人？圖靈測(cè)試也成為衡量機(jī)器是否能表現(xiàn)出與人類(lèi)無(wú)法區(qū)分的智能行為的標(biāo)準(zhǔn)?，F(xiàn)在人工智能的算法基礎(chǔ)其實(shí)在圖靈測(cè)試之前就已經(jīng)出現(xiàn)。有了算法基礎(chǔ)，很多人對(duì)人工智能表現(xiàn)出很高的期待。隨后，首個(gè)神經(jīng)網(wǎng)絡(luò)模型感知機(jī)（SNARC），國(guó)際象棋愛(ài)好者喜愛(ài)的對(duì)弈程序先后問(wèn)世。
寒冬期：20世紀(jì)70-80年代
然而，上述這些產(chǎn)品距離人們對(duì)人工智能的期望相去甚遠(yuǎn)，很多人認(rèn)為這些只是游戲，遠(yuǎn)不能達(dá)到輔助人或者幫助人的期望，總體看用處不大。人工智能算法復(fù)雜，當(dāng)時(shí)計(jì)算機(jī)的算力有限，商業(yè)應(yīng)用也不盡如人意。因此無(wú)論是在商業(yè)領(lǐng)域還是投資領(lǐng)域，沒(méi)人再提神經(jīng)網(wǎng)絡(luò)這件事。
復(fù)興期：20世紀(jì)80年代開(kāi)始
上世紀(jì)80年代以后，隨著計(jì)算機(jī)的發(fā)展和算力提升，小型計(jì)算機(jī)進(jìn)入市場(chǎng)，機(jī)器學(xué)習(xí)進(jìn)入實(shí)際使用，這一領(lǐng)域開(kāi)始出現(xiàn)新的發(fā)展。20世紀(jì)80年代開(kāi)始，多層神經(jīng)網(wǎng)絡(luò)及卷積神經(jīng)網(wǎng)絡(luò)理論建立。初代模型是單層的神經(jīng)網(wǎng)絡(luò)，存在一些局限，得益于算力的提升，算法有進(jìn)步。
2006年，“深度學(xué)習(xí)”提出并開(kāi)始應(yīng)用于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識(shí)別、機(jī)器人、自動(dòng)駕駛、醫(yī)療診斷、對(duì)弈程序等領(lǐng)域。
從棋類(lèi)角度可以明顯的看到AI的進(jìn)步。
1997年時(shí)產(chǎn)生了國(guó)象人工智能高手“深藍(lán)”，它擊敗當(dāng)時(shí)國(guó)象世界冠軍卡斯帕羅的新聞可謂是家喻戶(hù)曉。客觀而言，深藍(lán)還是基于一個(gè)權(quán)重比較高，相對(duì)簡(jiǎn)單的方式在學(xué)習(xí)，并不是神經(jīng)網(wǎng)絡(luò)式的學(xué)習(xí)，但已經(jīng)達(dá)到擊敗國(guó)象世界冠軍的水平。
2016年時(shí)，AlphaGo戰(zhàn)勝了圍棋世界冠軍李世石。目前，和AI的相似度已成為評(píng)價(jià)棋手棋力的重要參考，最頂尖的圍棋高手與AI的相似指數(shù)也只能達(dá)到90%。從這些指標(biāo)可以看出近些年人工智能的飛速發(fā)展。
人工智能的技術(shù)主要分為深度學(xué)習(xí)和大數(shù)據(jù)。海量的數(shù)據(jù)讓深度學(xué)習(xí)的算法變得越來(lái)越成熟。開(kāi)源大語(yǔ)言模型也在蓬勃發(fā)展。越來(lái)越多的人把自己研發(fā)的語(yǔ)言模型放到常見(jiàn)網(wǎng)站上，這已經(jīng)成為一種趨勢(shì)性的發(fā)展方向。
算力是大語(yǔ)言模型最重要的部分之一。算力提升的需求帶動(dòng)芯片需求暴漲。目前英偉達(dá)（NVIDA）占據(jù)AI行業(yè)中超90%的芯片市場(chǎng)份額，2017年的V100（121T)仍被大量使用，H100(約4000T)的需求快速增長(zhǎng)。由此可見(jiàn)，這個(gè)行業(yè)的發(fā)展很多時(shí)候主要依賴(lài)于算力的提升。例如輸入1億的數(shù)據(jù)，以前需要算一天，現(xiàn)在100億數(shù)據(jù)可能只需要1小時(shí)或者1分鐘就能出結(jié)果。
人工智能的發(fā)展過(guò)程也伴隨著一些問(wèn)題。比如十年前比較出名的人臉識(shí)別軟件，把一些非洲裔美國(guó)人識(shí)別成了猩猩。后來(lái)開(kāi)發(fā)者發(fā)現(xiàn)，這主要是由于非洲裔美國(guó)人的人臉數(shù)據(jù)太少所致。
市場(chǎng)方面，科技巨頭更加注重大語(yǔ)言模型的發(fā)展。在人工智能領(lǐng)域最能“砸錢(qián)”的是大型互聯(lián)網(wǎng)公司。分行業(yè)看，除了基礎(chǔ)研究，資金一般會(huì)流向附加值特別高的行業(yè)，比如制藥行業(yè)。以前生產(chǎn)一種藥品，從分子篩選到成藥的過(guò)程大概需要30年?，F(xiàn)在隨著AI技術(shù)的發(fā)展，這一過(guò)程大概只需要5-10年就能完成，投入的成本約為原來(lái)的10%左右。（這是我個(gè)人得到的數(shù)據(jù)，可能沒(méi)那么精準(zhǔn)。）
另一個(gè)高附加值的行業(yè)是自動(dòng)駕駛?，F(xiàn)在幾乎每家汽車(chē)公司都在做自動(dòng)駕駛，不僅設(shè)立了專(zhuān)門(mén)的公司，也順帶養(yǎng)活了做精細(xì)地圖的公司。大家或許見(jiàn)過(guò)在路上拍攝路況的工作人員，因?yàn)榫?xì)地圖需要每條道路都有專(zhuān)業(yè)機(jī)器記錄的數(shù)據(jù)。因此，自動(dòng)駕駛的火爆也帶火了生產(chǎn)這些機(jī)器設(shè)備的廠商。
通用需求方面，目前算力是一個(gè)主流的需求。我們當(dāng)前使用的芯片并沒(méi)有非常高端，因此半導(dǎo)體行業(yè)仍存在較大發(fā)展空間，還是能吸引大把投資。文字、語(yǔ)言識(shí)別和翻譯工作的需求量也比較大，特別是在翻譯領(lǐng)域，人工智能已經(jīng)做得很不錯(cuò)，只有一些小語(yǔ)種還不太成熟。
目前，人工智能對(duì)各行業(yè)滲透較多。以前做一個(gè)項(xiàng)目，需要前期獲得需求，中期不斷調(diào)研，后期獲得結(jié)果。中間調(diào)研的階段通常很漫長(zhǎng)?，F(xiàn)在有了人工智能，只要知道自己手里有什么資源，想要什么資源，其他的一切可以交給算法和人工智能，它可以給出一個(gè)大家期望的，或者說(shuō)是局部最優(yōu)的解答。
很多崗位越來(lái)越離不開(kāi)人工智能的輔助。比如以前的市場(chǎng)部工作人員，畫(huà)一張市場(chǎng)的圖或方案需要三天時(shí)間。在人工智能的幫助下，現(xiàn)在只需要10分鐘就能搞定。在這樣的情況下，這名工作人員除了市場(chǎng)部的工作，還有余力做一些其他方面的工作，這對(duì)于提升整體的工作效率大有裨益。
在我看來(lái)，人工智能未來(lái)可能有三種發(fā)展趨勢(shì)：
通用人工智能（AGI）。如果通用人工智能做到像大語(yǔ)言模型一樣，代替人類(lèi)思考，做所有的事，這可能是人類(lèi)的終極目標(biāo)。這一點(diǎn)能否實(shí)現(xiàn)，我認(rèn)為還是個(gè)未知數(shù)。
可解釋人工智能（XAI）。人工智能幫忙做的決定，能否讓人信服這就是最好的決定？從算法角度看，人工智能通過(guò)神經(jīng)網(wǎng)絡(luò)式的思考方法得出的結(jié)果，永遠(yuǎn)只能是局部最優(yōu)。人工智能是否可以給出一個(gè)最優(yōu)答案，或者說(shuō)是在人類(lèi)可接受范圍內(nèi)的最優(yōu)答案，目前看還沒(méi)有哪個(gè)可解釋人工智能做得到。
邊緣人工智能（Edge AI）。邊緣計(jì)算通常是算好大模型再部署到本地，這項(xiàng)工作涉及到數(shù)據(jù)安全性的很多方面。通常情況下，本地算力有限，比如國(guó)內(nèi)通用算力可能只有10T。這樣的條件下如何解決問(wèn)題？把大模型縮小到本地算力能夠離線處理的程度，然后再讓人工智能幫助解決，我認(rèn)為這是一個(gè)思考方向。然而就目前情況看，縮小大模型是一件相當(dāng)有難度的事。
人工智能發(fā)展目前存在一些瓶頸：
第一個(gè)瓶頸是如何提升算力。當(dāng)前主流的芯片是7納米，3納米芯片的技術(shù)也已經(jīng)被突破，但1納米是一個(gè)物理極限，大概率是不可能突破的。有一種觀點(diǎn)認(rèn)為，量子計(jì)算機(jī)在理論上或許能幫助我們把算力提高100倍、1000倍。如果這成為現(xiàn)實(shí)，或許會(huì)幫助我們得到新的解決方案。
第二個(gè)瓶頸是數(shù)據(jù)和數(shù)據(jù)質(zhì)量。數(shù)據(jù)是海量的，但數(shù)據(jù)的質(zhì)量參差不齊。比如在網(wǎng)上使用某關(guān)鍵詞進(jìn)行搜索，有的搜索引擎可以搜到很多結(jié)果，有的則搜到很少，然而數(shù)量較少的這部分?jǐn)?shù)據(jù)不一定權(quán)重低、用處少。因此在通用大模型里，數(shù)據(jù)的數(shù)量和數(shù)據(jù)的質(zhì)量是一個(gè)重要問(wèn)題。
圖1
圖1是美國(guó)關(guān)于自動(dòng)化和人工智能對(duì)人工替代的一些研究，研究對(duì)象主要是男性?？梢钥闯?，一開(kāi)始人工智能對(duì)男性就業(yè)沒(méi)有帶來(lái)影響，隨著時(shí)間的推移，男性就業(yè)受的影響逐漸增大。我個(gè)人的理解是，人工智能發(fā)展的前期，無(wú)法被人工智能替代的主要是一些體力工作，所以男性就業(yè)受影響較小。到了人工智能發(fā)展后期，無(wú)法被替代的工作是與情感關(guān)系密切的工種，女性從事這一類(lèi)工作比男性更有優(yōu)勢(shì)，因此男性就業(yè)，特別是年輕男性的就業(yè)受到很大影響。到2037年，年輕男性的工作機(jī)會(huì)可能會(huì)減少很多。這只是一項(xiàng)預(yù)測(cè)，真實(shí)性還有待檢驗(yàn)。
具體而言，人工智能對(duì)就業(yè)市場(chǎng)可能有如下影響：
第一，很多細(xì)分行業(yè)的入行門(mén)檻會(huì)降低，行業(yè)經(jīng)驗(yàn)的權(quán)重急劇下降。
比如，40年前做生意很簡(jiǎn)單，只要膽子大就能有收獲。20年前做生意也不難，去工業(yè)展看一看，有什么細(xì)分行業(yè)的產(chǎn)品賣(mài)得貴，只要自己能做就能把這個(gè)行業(yè)吃下來(lái)?，F(xiàn)在做生意能做什么？我認(rèn)為還是細(xì)分行業(yè)?，F(xiàn)在的生意人需要選擇一類(lèi)利潤(rùn)足夠高的細(xì)分行業(yè)，通過(guò)AI獲取行業(yè)需求，以及自己有能力輸出什么。簡(jiǎn)單說(shuō)，就是讓AI計(jì)算來(lái)替代多年行業(yè)經(jīng)驗(yàn)，把這些細(xì)節(jié)都搞清楚、算明白后，再進(jìn)入這一行。原來(lái)的生意人可能還需要清楚行業(yè)里的每一個(gè)細(xì)節(jié)，每一個(gè)步驟的具體做法，現(xiàn)在這部分工作也可由AI完成。比如紡織行業(yè)的布料分類(lèi)，原先的從業(yè)者需要區(qū)分很多種花紋、顏色、工藝都不相同的布料。在AI的幫助下，這項(xiàng)工作已經(jīng)變得非常簡(jiǎn)單，只需要拍照交給AI識(shí)別，就能區(qū)別不同的布料。
第二，基礎(chǔ)工作效率提高，行業(yè)平均薪資降低，一人多崗現(xiàn)象變得普遍。
在AI的幫助下，原先需要市場(chǎng)部、人事部加在一起才能完成的工作，現(xiàn)在可能只需要一個(gè)人就能完成。對(duì)企業(yè)而言，這些事務(wù)性的工作并非至關(guān)重要，所以交給AI工具來(lái)完成，企業(yè)也是樂(lè)見(jiàn)其成。
第三，降低了大部分工作人員的技能要求。
以前企業(yè)在招聘軟件硬件工程師時(shí)，更青睞那些擁有三年或以上工作經(jīng)驗(yàn)的求職者?，F(xiàn)在的企業(yè)則最喜歡應(yīng)屆畢業(yè)生和擁有20年以上工作經(jīng)驗(yàn)的人。應(yīng)屆生容易接受新事物，更接受使用AI工具來(lái)寫(xiě)代碼，搭好基礎(chǔ)架構(gòu)，可能連C語(yǔ)言、C++代碼都不需要會(huì)，也能勝任工作。
第一，人工智能從技術(shù)上取代大部分人工成為可能。如果人工智能可以完全操控機(jī)器人，那么人工智能從技術(shù)上取代大部分人工將成為可能。這一點(diǎn)能否真的實(shí)現(xiàn)，一定程度上也取決于商業(yè)上的考量和投入產(chǎn)出比。比如現(xiàn)在3C行業(yè)“擰螺絲”這個(gè)工種，因?yàn)閷?duì)技術(shù)要求不高，目前看被人工智能取代的可能性不大。未來(lái)是否會(huì)由人工智能來(lái)完成擰螺絲的工作？從技術(shù)上來(lái)說(shuō)可行，能否真的實(shí)現(xiàn)則是個(gè)未知數(shù)。
第二，對(duì)高精度機(jī)械結(jié)構(gòu)的需求更常見(jiàn)。人工智能擰螺絲，這項(xiàng)工作對(duì)機(jī)械的精度要求很高。如果由人工智能機(jī)器人從事這項(xiàng)工作，可能會(huì)增加設(shè)備的維護(hù)和回收成本。一條產(chǎn)線每年的維護(hù)費(fèi)用可能是前期投入的10%-15%。即便是自動(dòng)化產(chǎn)線，也需要隨時(shí)維修檢修，由此帶來(lái)的相關(guān)費(fèi)用也不會(huì)是小數(shù)目。
第三，隨著人工智能的普及，芯片需求會(huì)增加。芯片產(chǎn)業(yè)或?qū)⒂瓉?lái)大發(fā)展。目前英偉達(dá)已經(jīng)占據(jù)芯片的主導(dǎo)市場(chǎng)，所有的模型和算法都是基于英偉達(dá)芯片進(jìn)行展開(kāi)并優(yōu)化。我國(guó)現(xiàn)在也研發(fā)出了4納米的芯片，與英偉達(dá)的主流芯片相同。我們的芯片與英偉達(dá)架構(gòu)不同，所有的模型和算法都需要根據(jù)新的架構(gòu)重新適配。這件事能否得到商業(yè)上的認(rèn)可，這一點(diǎn)仍未可知。
第四，人工智能的普及會(huì)使能源需求增加。除了芯片，算力的另一大需求是用電。未來(lái)電能的需求一定會(huì)增加，用電、儲(chǔ)能的需求也會(huì)隨之出現(xiàn)增長(zhǎng)。
第五，如果人工智能得到普及，每家企業(yè)都會(huì)用上AI工具，那么AI工具哪家強(qiáng)？該如何篩選確定？使用AI工具的初衷是思考快人一步，倘若人人都用AI，又該如何凸顯自己的優(yōu)勢(shì)？這些問(wèn)題值得深思。
第六，大模型需要很多芯片，前期需要很大的投入。我個(gè)人認(rèn)為，未來(lái)這個(gè)行業(yè)寡頭化的趨勢(shì)會(huì)比較明顯?，F(xiàn)在有三五家涉足這個(gè)領(lǐng)域，但未來(lái)可能只剩一到兩家。這些大公司推出大模型工具后，也提供NO Code的AI平臺(tái)，對(duì)使用者而言，繼續(xù)使用同一家公司的計(jì)算平臺(tái)是成本最低的選擇。
第七，行業(yè)技術(shù)公司應(yīng)用化的趨勢(shì)也會(huì)更加明顯。這些公司大都從事本地部署和本地服務(wù)業(yè)務(wù)，但最基礎(chǔ)的大模型還是由大公司提供。到那時(shí)候，算法工程師已經(jīng)不再吃香，能與客戶(hù)溝通并精準(zhǔn)把握客戶(hù)需求的應(yīng)用工程師，其職業(yè)前景會(huì)更加明朗。
從長(zhǎng)遠(yuǎn)發(fā)展來(lái)看，人類(lèi)相比于AI的優(yōu)勢(shì)是人類(lèi)擁有情感、直覺(jué)、倫理和靈活性。
現(xiàn)在AI模型用的神經(jīng)網(wǎng)絡(luò)，給出的解決方案是局部最優(yōu)方案。倘若人類(lèi)通過(guò)獲取足夠多的信息，也能給出局部最優(yōu)方案，AI的優(yōu)勢(shì)將體現(xiàn)在哪里？這個(gè)問(wèn)題值得我們思考。
就目前情況看，AI很難替代與情感方面有關(guān)的工作。比如AI機(jī)器人服務(wù)員，它可能只會(huì)毫無(wú)感情地上菜。人類(lèi)服務(wù)員則可能與顧客溝通，向顧客推薦招牌菜。這兩種服務(wù)帶來(lái)的體驗(yàn)完全不同，長(zhǎng)久來(lái)看，也會(huì)使客戶(hù)粘性降低。
從某種程度上看，我們輸入更多維的數(shù)據(jù)，有可能得到更好的解決方案。然而從唯物主義的角度而言，解決方案的好與壞，其實(shí)是依靠我們自己來(lái)判斷的。
倫理方面。網(wǎng)上的數(shù)據(jù)多元多樣，其中充斥著很多錯(cuò)誤觀點(diǎn)。如果不進(jìn)行數(shù)據(jù)篩選、數(shù)據(jù)質(zhì)量的整理，我們得到的解決方案中可能就存在錯(cuò)誤。這就和谷歌以前開(kāi)發(fā)的人臉識(shí)別軟件把非洲裔美國(guó)人識(shí)別成大猩猩是同樣道理。最可怕的情況是，到最后即便出現(xiàn)了錯(cuò)誤我們也不知道錯(cuò)在哪里。隨著海量數(shù)據(jù)積累得越來(lái)越多，若真的出現(xiàn)倫理問(wèn)題，人類(lèi)又該怎么辦？
靈活性方面。遇到問(wèn)題問(wèn)AI，但很多時(shí)候大數(shù)據(jù)提供的答案非常類(lèi)似。我想這個(gè)世界需要多樣性，大家不一定會(huì)喜歡高度類(lèi)似的答案。如果讓AI生成一幅關(guān)于向日葵的圖畫(huà)，它給出的如果跟梵高的《向日葵》類(lèi)似，這可能并不是我們想要的答案。再比如虛擬偶像的交互游戲十年前就已出現(xiàn)，但到今天也沒(méi)有發(fā)展壯大，這說(shuō)明大家還是喜歡真人互動(dòng)，最終還是要落實(shí)到滿(mǎn)足真實(shí)的情感需求這個(gè)層面。
因此，我對(duì)AI的期望是能夠幫助我們減少工作量，幫助我們完成大部分工作。至于滿(mǎn)足更多的心理層面的需求，這個(gè)任務(wù)就交給人類(lèi)自己來(lái)完成。
整理：文展春 | 編輯：王賢青 白堯
聯(lián)系客服
