一名化学博士发现，自己需要花费一年做的实验研究，Claude 3（Anthropic公司发布的通用大语言模型）仅用两个小时便可给出方案，且比原方案更简洁、成本更低；一名研究量子物理学方向的博士手握一篇还未发表的论文，结果Claude 3仅凭两个提示词，便直接将论文中的算法“发明”了出来……
“当不同学科的科研难题不断被大模型定向‘爆破’，未来，科研还存在吗？”在日前举行的2024第十届WWEC教育者大会·中欧智慧论坛上，中国科学院院士、国际欧亚科学院院士陈润生提出的问题，引起不少人深思。
时下，大语言模型的出现为数据分析带来革命性影响。
计算机不可能出现“顿悟”，但大模型会
人工智能带来的变化是无可比拟的。
不久前，ChatGPT的主要竞争对手之一Claude将语境窗口token（注：为计量大模型输入、输出的基本单位，有翻译为“词元”）数扩展到10万，相当于7.5万个单词，大大超越了GPT-4语境窗口的8192tokens。这意味着，用户可以将高达500页的文档上传到Claude，它可以在1分钟之内理解、消化这些信息，并基于上传的信息回答用户的问题。
“大模型的学习速度比我们想象中快得多。”陈润生指出，大模型带来两大变化：一是突破了自然语言的识别问题，“计算机可以读书了”；二是实现多模态的融合，从原来只会下棋的“专家”变成了“杂家”。
简言之，人工智能已能逐渐吸收人类创作的所有东西，这是大模型当下正在做的事情，而未来，随着大模型成体系、规模化地增长，势必会出现诸如涌现、顿悟、幻觉等三种现象。
“顿悟”是大模型在数据训练量较少的情况下突然学会了其中的规律。“就像小孩学习一样，学一两遍不会，但学到了第五遍一下就会了。这是人脑学习的一种模式，人学到某个时间，突然开窍了。”陈润生进一步解释说，在传统的印象中，计算机不可能出现“顿悟”，但大模型可能会。
此外，“幻觉”与“涌现”是相对应的概念。大模型给出的结果如果是训练中没有提供的，但合乎逻辑且客观存在，那就是“涌现”；“幻觉”则是指大模型出现的错误或“胡说八道”的东西。
“这些现象或许预示，未来，人工智能可能具备超越人脑智能的能力。”但陈润生同时指出，就目前而言，大模型仅能在某些专业领域达到人类的智能水平，尚未达到人类的智慧水平。对于研究人员来说，如何与大模型合作、共生，提升科研效率，也成为值得研究的重要议题。“大模型可以成为科研人员的好助手，比如帮忙整理文献等。但最后如何处置一堆数据，还是离不开人的把关。”
发展大模型，仍要向“人脑”学习
如今，大模型正加快走进人们的生产、生活。
一方面，大模型行业正呈现出蓬勃发展态势。但另一方面，也有不少学者认为，也不能忽视大模型在耗能、伦理对齐等方面存在的明显短板。
据斯坦福人工智能研究所发布的《2023年AI指数报告》显示，GPT-3一次训练的耗电量为1287兆瓦时，大概相当于3000辆特斯拉电动汽车共同开跑、每辆车跑20万英里所耗电量的总和。而拥有约860亿神经元的人脑，功率仅为20瓦。
“有人认为，未来，人工智能领域的竞争实则是能源竞争，但我不这么认为。”作为佐证，陈润生援引了一组照片，分别为新生儿、三月龄幼儿和两岁儿童的脑部影像片。“可以看到，随着知识的快速增长，人脑中枢系统结构悄然变化，神经系统及神经网络的复杂性大大增加。”
“人类的神经网络结构远比目前大模型复杂得多，未来的智能计算还将参考‘人类智能’，也就是模拟人脑的运行机制。”他表示，大模型的发展绝非靠芯片越堆越多来实现，像人脑一般提高认知系统的时空复杂度，或许能进一步提高大模型的智能程度和应用范围。
随着人工智能的蓬勃发展，人类的角色正在发生转变。
“未来的工作环境将要求人们具备更强的创新能力、沟通技巧和跨学科知识背景。”中欧国际工商学院经济学与决策科学教授、中欧AI与管理创新研究中心主任方跃举例谈到，在商业领域，成功的企业将是那些能够有效地结合人工智能与人类智慧的企业。这就要求人类学会与机器协作，而不仅仅将其看作竞争对手。“我们也需要重新思考现有的教育体系和社会结构，培养出更多适合未来社会需求的人才。”
津公网安备12011002023007号