顛覆認(rèn)知的AI時(shí)代與產(chǎn)業(yè)機(jī)遇。
(相關(guān)資料圖)
編輯丨沃特敦
4月28日，清華論壇迎來(lái)了本校的兩位大神級(jí)人物。一位是科學(xué)家張亞勤，12歲就讀中科大少年班，之后擔(dān)任微軟亞洲研究院院長(zhǎng)和百度總裁，目前是清華智能產(chǎn)業(yè)研究院院長(zhǎng)。另一位是經(jīng)濟(jì)學(xué)家朱民，曾任IMF副總裁、中國(guó)人民銀行副行長(zhǎng)，現(xiàn)在是清華國(guó)家金融研究院院長(zhǎng)。兩顆最聰明的大腦圍繞當(dāng)前最火爆的話題ChatGPT展開了長(zhǎng)達(dá)100分鐘的對(duì)話。
創(chuàng)業(yè)邦經(jīng)授權(quán)刊發(fā)此次主題對(duì)話《顛覆認(rèn)知的AI時(shí)代與產(chǎn)業(yè)機(jī)遇》，內(nèi)容經(jīng)編輯整理。
朱民：我們先談?wù)勀愕闹悄墚a(chǎn)業(yè)研究院。三年了，你現(xiàn)在做的怎么樣，主要在做什么？
張亞勤：2019年底我離開百度，一直想做一個(gè)研究院，和當(dāng)年20多年前微軟亞洲研究院在某些方面相似，都是從事基礎(chǔ)研究。但這個(gè)研究要為產(chǎn)業(yè)服務(wù)，解決真正的問(wèn)題。另外，微軟研究院是企業(yè)做的，我希望研究是面向整個(gè)產(chǎn)業(yè)開放的。還有一點(diǎn)在于清華，有最優(yōu)秀的學(xué)生和老師。所以，研究院的縮寫AIR的意思也很簡(jiǎn)單，就是AI for industry research。這里I的話有三個(gè)含義，就一個(gè)是國(guó)際化（international），一個(gè)是AI，一個(gè)是產(chǎn)業(yè)（industry）。
現(xiàn)在我們有21位全職老師，還有博士生、博士后研究人員，還有學(xué)生一共200多人。目前研究院的主要研究還是人工智能。由于我們面向產(chǎn)業(yè)，所以選擇了我們認(rèn)為有很大機(jī)遇的三個(gè)方向：機(jī)器人和自動(dòng)駕駛、生命和生物科學(xué)，另外是物聯(lián)網(wǎng)，特別是面向雙碳的領(lǐng)域，我們叫綠色計(jì)算。
朱民：最新的突破在哪里？
張亞勤：我們一直從事這些算法，包括模型方面的研究，我們和很多企業(yè)合作，在語(yǔ)言模型，比如多模態(tài)、強(qiáng)化學(xué)習(xí)、聯(lián)邦學(xué)習(xí)，然后也做一些垂直模型，比如說(shuō)面向自動(dòng)駕駛機(jī)器人的，面向生命科學(xué)的。前幾天還開源了一個(gè)生物醫(yī)療的GPT，叫BioMap。在自動(dòng)駕駛方面，我們也有一個(gè)基礎(chǔ)決策感知的模型。
朱民：所以你的研究也是和現(xiàn)在崛起的ChatGPT和GPT大模型的趨勢(shì)是一致的。我們就聊聊大模型，這是現(xiàn)在最熱的事兒。ChatGPT當(dāng)然是驚艷，一出來(lái)以后又能畫畫，作詩(shī)、寫歌?？赡艽蠹衣犝f(shuō)了它做了一個(gè)貝多芬的音樂。
當(dāng)然，作為一個(gè)老貝多芬的愛好者，我覺得它做的不怎么樣，但它居然也是能裝模裝樣做作曲了，還有4個(gè)樂章，太搞笑了，但它確實(shí)影響很大，寫代碼做文件檢索都做的很好。關(guān)于它的爭(zhēng)論很多，有觀點(diǎn)認(rèn)為它已經(jīng)走向AGI，也有觀點(diǎn)認(rèn)為它還不成熟，技術(shù)上并沒有很大突破，只是商業(yè)模式用的好，路徑好，它很聰明。你是真的專家，你怎么看這件事？
張亞勤：你剛才講的是過(guò)去這2-3年，一個(gè)大的趨勢(shì)就是生成式AI。ChatGPT可能做的最成功，其它的也包括比如像DALL-E、stable diffusion，等等一系列的生成式AI。
ChatGPT推出之后對(duì)我的震撼還是挺大的。前段時(shí)間談到“我的GPT時(shí)刻”是什么樣的？我有三個(gè)想法，第一個(gè)我感到就是人類歷史上第一次我們有了一個(gè)智能體，然后通過(guò)了圖靈測(cè)試。
朱民：通過(guò)了圖靈測(cè)試，我們回頭再說(shuō)這一點(diǎn)，這個(gè)是個(gè)了不得的結(jié)論。
張亞勤：對(duì)，圖靈測(cè)試，咱們知道是圖靈1950年提出的，機(jī)器可以thinking，是可以思考的機(jī)器，然后提出了圖靈測(cè)試。它是我們做計(jì)算機(jī)科學(xué)這么多年夢(mèng)想的一個(gè)目標(biāo)。ChatGPT我認(rèn)為是第一個(gè)軟件智能體通過(guò)了圖靈測(cè)試。我太太是ChatGPT或者GPT這些產(chǎn)品系列的大粉絲，當(dāng)時(shí)我在看的時(shí)候，她說(shuō)ChatGPT也能幻想，也經(jīng)常說(shuō)錯(cuò)話，也會(huì)說(shuō)謊，我說(shuō)那和人類就更像了。
所以，第一點(diǎn)還是通過(guò)了統(tǒng)一測(cè)試，包括語(yǔ)言對(duì)話的引擎（conversational AI），其實(shí)對(duì)話引擎也很多年歷史了。1966年MIT第一個(gè)做出了對(duì)話的引擎ELIZA，這么多年有很多次迭代，到了Siri，到了Alex，到了Cortana，然后國(guó)內(nèi)有小度，有天貓精靈，有很多對(duì)話的產(chǎn)品，都是針對(duì)某一些領(lǐng)域或者聊聊天，或者某些領(lǐng)域。
朱民：包括微軟的小冰。
張亞勤：是的。包括小冰，都是對(duì)話引擎的產(chǎn)品。但ChatGPT在功能和通用性方面遠(yuǎn)遠(yuǎn)超過(guò)了早期的產(chǎn)品，它用了大規(guī)模Generative AI，這是我第一個(gè)感受。第二個(gè)感受，我認(rèn)為它是AI時(shí)代的一個(gè)新的操作系統(tǒng)，就像在PC時(shí)代Windows，移動(dòng)時(shí)代的iOS。一會(huì)我們可以再展開講。
朱民：我覺得這個(gè)比你的第一個(gè)結(jié)論更重要，因?yàn)檫^(guò)了圖靈測(cè)試，這是過(guò)去。如果是新操作系統(tǒng)的話，那是一個(gè)巨大的未來(lái)。
張亞勤：就會(huì)重寫、重塑、重建整個(gè)生態(tài)系統(tǒng)。第三點(diǎn)咱們?cè)瓉?lái)也討論過(guò)，我認(rèn)為它是我們從面向具體任務(wù)的AI走向通用AI的一個(gè)起點(diǎn)。雖然ChatGPT更多的是大語(yǔ)言模型，大基礎(chǔ)模型，但它開啟了一個(gè)亮光。因?yàn)槲覀兌嗌倌暌彩窃谕莻€(gè)方向走。這就是“我的ChatGPT時(shí)刻”。
我經(jīng)常跟我們的學(xué)生老師講，這么多年來(lái)AI，還有整個(gè)IT領(lǐng)域，出現(xiàn)了有好多熱詞，一會(huì)兒是區(qū)塊鏈、加密貨幣、比特幣；一會(huì)兒又是Web3.0、NFT、元宇宙。有些可能是真的，有些可能是個(gè)概念，但整個(gè)大語(yǔ)言模型，包括ChatGPT,GPT4.0，這是一個(gè)大的變革。
朱民：所以這次是真的讓你興奮了，讓一個(gè)科學(xué)家興奮就表明something is happening。所以這個(gè)還是挺有意思，圖靈測(cè)試過(guò)了，因?yàn)闄C(jī)器和人對(duì)話，當(dāng)然還有很多誤差，它會(huì)撒謊等等，因?yàn)樗莟oken system,這個(gè)都是在不斷完善，并且通過(guò)人類的反饋機(jī)制訓(xùn)練，我覺得Fine-tuning都會(huì)不斷提高，這個(gè)沒問(wèn)題。
張亞勤：你們聽朱民講，他在講算法，他完全不像是央行的副行長(zhǎng)。
朱民：這個(gè)是跟你學(xué)的。但是你大操作平臺(tái)可有意思了，因?yàn)楝F(xiàn)在ChatGPT出現(xiàn)了API，然后出現(xiàn)了插件，所以它逐漸可以把專業(yè)的東西放進(jìn)去，垂直系統(tǒng)，然后現(xiàn)在出現(xiàn)了plugins，plugins出來(lái)又是一個(gè)特殊的路，很多東西又可以往上放。所以，如果以后變成生態(tài)的話，真的是一個(gè)大的操作平臺(tái)，然后就會(huì)出現(xiàn)一個(gè)我們以前討論過(guò)的super app，整個(gè)的產(chǎn)業(yè)就被徹底顛覆了。這個(gè)在什么情景下會(huì)發(fā)生呢？
張亞勤：盡管目前有新的插件也好，API也好，或者新的應(yīng)用也好，本質(zhì)其實(shí)并沒有變化。大家都記得在PC上面本身也有很多應(yīng)用，Office就是一個(gè)大的超級(jí)應(yīng)用，到移動(dòng)時(shí)代的話，有的操作系統(tǒng)上面有應(yīng)用商店，上面也有很多超級(jí)應(yīng)用，微信、短視頻、淘寶、搜索等等，都是上面的超級(jí)應(yīng)用。
我覺得AI時(shí)代也會(huì)很像，有一個(gè)大模型作為操作系統(tǒng)，plugin也好，API也，在上面你就可以有APP。有很多APP可能需要有垂直的模型，因?yàn)橛行┬袠I(yè)比較深，比如自動(dòng)駕駛、生物計(jì)算等等，但這些垂直模型可以建立在橫向的大語(yǔ)言上，這個(gè)大語(yǔ)言不僅僅是語(yǔ)言，其實(shí)是多模態(tài)的，也包括視頻、圖像，語(yǔ)音等等。有了這個(gè)之后，你的垂直模型也好，包括你剛才講的，它都有更多的應(yīng)用。
你剛才提到一點(diǎn)很重要，現(xiàn)在大語(yǔ)言模型，或者說(shuō)我們的基礎(chǔ)模型，它自己是個(gè)工具，它也可以使用別的工具，它可以去使用比如說(shuō)Hugging Face各種開源的這些數(shù)據(jù)、模型，然后去執(zhí)行新的任務(wù)或者構(gòu)建新的應(yīng)用。同樣，我們也可以用不同的大模型，然后去構(gòu)建新的應(yīng)用。也就是說(shuō)，大模型可以使用你，你也可以使用大模型，彼此互相使用。
朱民：以后想象中的世界，因?yàn)橹悄芰?，機(jī)器就自己講話了，它已經(jīng)脫離人了。一旦你給了數(shù)據(jù)，機(jī)器自己生成，生成完又出現(xiàn)智能，然后它就可以自己交流，自行不斷地改進(jìn)，那是不是一種新的物種正在出現(xiàn)？
張亞勤：可以這么理解。
朱民：這又是一個(gè)很重要的概念，我們理解的物種都是電影里的外星人。如果把AI大模型看成一個(gè)物種的話，那就是大家討論的關(guān)于人類面臨的根本挑戰(zhàn)了。是這樣嗎？
張亞勤：首先是一種新的能力吧，叫物種也好，能力也好，比如說(shuō)現(xiàn)在GPT4plus，之后還有4.5、4.9、5.0。5.0主要的開發(fā)者是誰(shuí)呢？是4.0，所以它自我在開發(fā)，自我在迭代，自我在進(jìn)化，所以這是一種和人類一樣的、很強(qiáng)的能力。
但我并不認(rèn)為人類會(huì)被替代，我覺得AI還是一個(gè)工具，是我們的延伸。也就是說(shuō)，我們?nèi)祟?、我們碳基生命有這樣的一個(gè)智慧，我們可以發(fā)明東西，我們也可以去控制它，讓它按照我們的方向去演化。我是樂觀者。
朱民：對(duì)，你是樂觀者，我也是樂觀者，但最怕的是過(guò)分樂觀，我們要小心。這其實(shí)是很有意思的一件事，我們先不講人類和機(jī)器的對(duì)比，現(xiàn)有的人其實(shí)提出了哲學(xué)命題，或者提出了一個(gè)根本的問(wèn)題，就是AI是人的智能的一部分，還是人的智能之外的，一種新的或者人還沒有悟到的智能。你怎么看？
張亞勤：這是一個(gè)特別好的問(wèn)題。我認(rèn)為現(xiàn)在的大語(yǔ)言模型，它的很多智能是我們不知道的。我們可能有，但我們沒有認(rèn)識(shí)到的，因?yàn)槲覀兯J(rèn)識(shí)到的知識(shí)，我們所看到的所謂的智能，其實(shí)是我們?nèi)祟惡苌僖徊糠帧Ｈ缓?，機(jī)器把一部分我們有的但不知道的，找出來(lái)了。但它可能會(huì)有新的能力，但我不希望大家有一種想法，就是新能力會(huì)像科幻電影里說(shuō)的那樣把人替代了。未來(lái)的智能一定是Human Intelligence,一定是人類的智能和機(jī)器智能的一個(gè)融合，而且機(jī)器一定是我們的一個(gè)很強(qiáng)的延伸，它很多事做了我們可能做不了。就像汽車一樣的，汽車跑得比人快，它比人有更強(qiáng)的能力，但它并沒有替代人。
朱民：工業(yè)革命是擴(kuò)展了人的肌肉，現(xiàn)在是AI要擴(kuò)展人的智能，我覺得這是一個(gè)很大的判斷?，F(xiàn)在關(guān)于機(jī)器智能究竟是人的智能的發(fā)現(xiàn)，還是一種人的潛在不知道的智能的挖掘出現(xiàn)，或者是更新的一個(gè)我們根本就不知道的智能，所以你認(rèn)為是？
張亞勤：我覺得三者都有。
朱民：這個(gè)很有意思，所以從這意義上來(lái)說(shuō)，根本的一個(gè)fundamental的哲學(xué)問(wèn)題是，智能不只是人類獨(dú)有的。
張亞勤：是的，就看你怎么定義。比如生存的能力、繁殖的能力。繁殖能力很強(qiáng)的物種，最強(qiáng)的不是人，是細(xì)菌，是病毒，你像新冠那么小的一個(gè)病毒，可以給我們?cè)斐蛇@么大的麻煩，對(duì)吧。而且它上幾十億年就存在，它的壽命也一定會(huì)比我們?nèi)祟愐L(zhǎng)，所以我覺得我們智能有很多不同的維度，不同的方面。發(fā)展到現(xiàn)在，給我們提供了很多新的啟示，包括就是延伸我們。
我再講一下，就是說(shuō)我們可能還是要把智能分成幾個(gè)不同的層次，然后有些東西我們要有邊界。
這個(gè)又回到圖靈了，還是機(jī)器第一個(gè)層次是感知，就是我要聽得見，要能說(shuō)話。就是視覺、語(yǔ)音識(shí)別、語(yǔ)音合成、人臉識(shí)別，圖像識(shí)別，包括文字OCR都屬于這種感知層面的方面。現(xiàn)在機(jī)器已經(jīng)比人厲害了，機(jī)器識(shí)別人臉比人可能厲害，我覺得這個(gè)可能5年前基本上就和人是同樣一個(gè)水平了。
第二層次智能的話是可以思考，可以決策，可以推理，在這個(gè)認(rèn)知層面，現(xiàn)在的大語(yǔ)言模型出來(lái)之后，和人的距離就差距就越來(lái)越小。過(guò)幾年，在這個(gè)方面，就和人類差不多了?，F(xiàn)在大家看到說(shuō)ChatGPT考試比人還厲害，能考SAT。兩個(gè)星期前,我的一個(gè)朋友在北大教量子力學(xué)，量子學(xué)是很難的，她期中考試已經(jīng)高于班里的50%，它也沒有經(jīng)過(guò)任何專門的學(xué)習(xí)。所以說(shuō)機(jī)器在認(rèn)知方面也會(huì)和人類差不多。
另外還有幾個(gè)層次，我覺得是我們不應(yīng)該去觸碰的。我一直在講，我們做AI倫理也好，治理也好，比如說(shuō)它的個(gè)體能不能作為獨(dú)立個(gè)體？人工智能有沒有自我意識(shí)？它有沒有感情？這些方面我不認(rèn)為我們可以達(dá)到，但我也不認(rèn)為我們?nèi)祟悜?yīng)該做這樣的研究，就像基因編輯某些方面我們不應(yīng)該去觸碰。
另外就是人工智能的治理。人工智能需要一個(gè)邊界。咱們有信息社會(huì)、有物理世界、有生物世界。在這些世界，其實(shí)這些空間都在走向一種融合，新的數(shù)字化走向融合，但我們需要有一些邊界。比如ChatGPT可能先把它放到信息世界里面，然后如果真正去到了物理世界。自動(dòng)駕駛我們可能要小心點(diǎn)，還有金融系統(tǒng)。
我剛在新加坡開會(huì)，在兩個(gè)不同的場(chǎng)合。一個(gè)是WPP公司，做廣告策劃的。如果是做創(chuàng)意，我就鼓勵(lì)多用ChatGPT這樣的東西。但在銀行，我覺得你先別用，你可以用作為信息類的，但牽涉到核心金融系統(tǒng)，涉及交易的，還是要比較小心。
朱民：所以，科學(xué)家既有樂觀也有謹(jǐn)慎。從樂觀的方面，毫無(wú)疑問(wèn)這是個(gè)顛覆，但從謹(jǐn)慎的方面，我們還是要很小心地劃個(gè)邊界。在我們不知道的情況下，我們先謹(jǐn)慎，我覺得這個(gè)還是很有意思的。但這個(gè)邊界是會(huì)被不斷地突破的。你剛才講了一個(gè)特別重要的概念，就是工程應(yīng)用。人工智能現(xiàn)在越來(lái)越多地被認(rèn)為是工程學(xué)，你可以應(yīng)用大模型，大模型也可以應(yīng)用你的這個(gè)東西，所以它越來(lái)越變成一個(gè)工程了。如果從工程學(xué)角度看大模型，大模型的發(fā)展會(huì)怎么樣？
張亞勤：我覺得它肯定是會(huì)變得越來(lái)越準(zhǔn)確，然后變得越來(lái)越成熟，而且它進(jìn)化的速度也會(huì)越來(lái)越快。但是，在我們沒有很清楚它的成熟度之前，我們需要給它個(gè)劃邊界。
我相信對(duì)我們以后整個(gè)物理世界，比如說(shuō)機(jī)器人自動(dòng)駕駛，對(duì)于物聯(lián)網(wǎng)都會(huì)有很大的應(yīng)用，但我覺得根據(jù)你的需要不一樣，應(yīng)用不一樣，就更要謹(jǐn)慎一些。比如對(duì)于核心的任務(wù)（mission critical），我們還是要有更多的可控性，因?yàn)楝F(xiàn)在生成式AI，它生成什么東西我們并不完全知道。而且，不僅我們知道，我們甚至不知道為什么會(huì)發(fā)生這樣的事。我們只知道一部分。
朱民：所以這又涉及到我們現(xiàn)在大模型的根本概念，emergence「涌現(xiàn)」，這個(gè)是以前沒有的。因?yàn)樗_始有數(shù)據(jù)邏輯推演以后，它開始「涌現(xiàn)」一些非線性的發(fā)展。這個(gè)「涌現(xiàn)」怎么講？它未來(lái)的發(fā)展前景怎么樣？我覺得這是一個(gè)很重要的問(wèn)題。
張亞勤：朱民行長(zhǎng)講了一個(gè)特別重要的概念，這個(gè)都是比較專業(yè)的詞匯，叫做「涌現(xiàn)」emergence。
emergence確實(shí)目前是在這種大模型里面，當(dāng)模型的參數(shù)體量大到一定程度的時(shí)候，基本上是到了百億參數(shù)的時(shí)候，開始「涌現(xiàn)」，就是你可以看到它在準(zhǔn)確度還是可預(yù)測(cè)性都跳躍式提高。為什么這個(gè)時(shí)候出現(xiàn)「涌現(xiàn)」，具體這些數(shù)學(xué)模型或者因果關(guān)系，現(xiàn)在并不是很清楚。
但你可以這樣想，當(dāng)我的數(shù)據(jù)量體量大到一定程度的時(shí)候，參數(shù)到一定程度的時(shí)候，而且我的訓(xùn)練方法是正確的。這個(gè)很重要，數(shù)據(jù)是高質(zhì)量數(shù)據(jù)，我訓(xùn)練的方式是正確的，可以利用這么多數(shù)據(jù)，有好的方法時(shí)候。
如果用一個(gè)擬人化的來(lái)比喻，我們每天讀書，讀到一定的時(shí)候忽然就開竅了。靈光一閃，開始的時(shí)候，讀書只是填補(bǔ)個(gè)知識(shí)，但到了一定程度我就可以掌握這個(gè)規(guī)律了。比如我建的大模型，參與到一定程度之后，它把真正的架構(gòu)（Structure）找出來(lái)。
朱民：這里又提出一個(gè)重大哲學(xué)問(wèn)題。如果「涌現(xiàn)」是像靈光一閃那樣的跳躍式的變化。我們?nèi)说慕?jīng)歷都講有頓悟，但頓悟是有點(diǎn)智慧含義的，「涌現(xiàn)」是智慧嗎？
張亞勤：你可以這樣理解。如果擬人的話，就是參數(shù)到一定程度之后，它忽然就很準(zhǔn)確了，就像語(yǔ)音識(shí)別，貫通了。這個(gè)非常重要。如果你直接看的話，由于我數(shù)據(jù)量特別大，參數(shù)很多，因?yàn)樗鲱A(yù)訓(xùn)練的時(shí)候用的是這個(gè)叫自監(jiān)督學(xué)習(xí)，然后它自己是In-context learning，在它這個(gè)語(yǔ)料很大的時(shí)候，它要把里面一些mask出去，然后自己去訓(xùn)練自己，所以模型大到一定程度時(shí)候，它準(zhǔn)確率就比較高。
但是為什么會(huì)在那么多參數(shù)的時(shí)候會(huì)這樣，而且不僅僅ChatGPT，很多別的大的模型，不僅是openAI的，很多別的模型也有類似的這么一些現(xiàn)象了。
所以這個(gè)現(xiàn)象我不能講是這個(gè)靈光一閃，是哲學(xué)或者宗教的概念，但是我們現(xiàn)在并不清楚為什么，清楚一部分，但不清楚全部。所以這個(gè)是emergence.
然后包括另外一個(gè)是統(tǒng)一性，這也是現(xiàn)在GPT里面T很重要一部分。過(guò)去可能對(duì)不同的任務(wù)有不同的算法，現(xiàn)在有了transformer之后，不管你是語(yǔ)言也好，還是語(yǔ)音也好，還是圖像或者是視頻或者是蛋白質(zhì)，你都可以用token based里的token轉(zhuǎn)化。這跟人的大腦思維方式比較像，我們的neural，都是neural。
朱民：所以我們現(xiàn)在又往里走一步，現(xiàn)在如果回到深層的方法上面來(lái)看的話，兩三年前都有一種議論，說(shuō)深度學(xué)習(xí)已經(jīng)不行了，是嗎？
張亞勤：我沒有聽到。
朱民：大概四五年以前開始，有很多這樣的說(shuō)法，就是覺得深度學(xué)習(xí)，大數(shù)據(jù)的應(yīng)用開始出現(xiàn)了小數(shù)據(jù)。那么現(xiàn)在的新的工具transformer是一個(gè)foundation。這個(gè)是一個(gè)很重要的基本結(jié)構(gòu)。GCAI或者AIGC是一個(gè)很重要的方向approach，那么技術(shù)上來(lái)說(shuō)，你覺得transformer模式成型了？還是以后會(huì)有怎么樣的發(fā)展？因?yàn)槟闶强茖W(xué)家，咱們得想一想科學(xué)的問(wèn)題。
張亞勤：第一個(gè)我認(rèn)為transformer確實(shí)是挺了不起的，當(dāng)時(shí)2017年Vaswani在Google，當(dāng)時(shí)一開始是為了其實(shí)在做Google translate來(lái)做的這么一個(gè)算法。這個(gè)算法出現(xiàn)之后，確實(shí)是把整個(gè)深度學(xué)習(xí)的進(jìn)展推到更高的一個(gè)層次。但是，如果我們看一下transformer或者看一下包括現(xiàn)在大模型，其實(shí)它的效率還是比較低的。
我們?cè)俸痛竽X比一下，我們?nèi)说拇竽X經(jīng)過(guò)幾十萬(wàn)年的進(jìn)化，確實(shí)不得了，差不多不到三斤的大腦，然后有860多億個(gè)神經(jīng)元，每個(gè)神經(jīng)元差不多有1萬(wàn)個(gè)Synapse突觸，你如果把每個(gè)連接做一個(gè)相當(dāng)于參數(shù)的話，我們大腦比現(xiàn)在GPT4，我假定是1萬(wàn)億，比它要高上千倍。我們就三斤重，而且我們功耗30瓦，你這GPT功耗多少瓦，所以我覺得我們效率還是很高的。而且目前這種大模型，雖然讓很多工作變得更高效，但耗電和運(yùn)算的效率還是很差的。transformer當(dāng)然是很好的一種算法，但在計(jì)算方面確實(shí)十分耗能。
朱民：所以從能耗來(lái)說(shuō)還會(huì)有很大的突破的空間。
張亞勤：我認(rèn)為5年之后也許就會(huì)有一個(gè)不同的算法。
朱民：怎么叫不同的算法？
張亞勤：就也許就不是transformer算法，也許是，也許不是。
朱民：你會(huì)發(fā)明一個(gè)嗎？
張亞勤：我把希望寄托在我們的博士生上。
朱民：回到工程學(xué)，工程學(xué)就很有意思了，因?yàn)樗扔谝粋€(gè)輔助工具，它無(wú)所不能了。所以我覺得現(xiàn)在比較有意思的一點(diǎn)，用我的語(yǔ)言來(lái)說(shuō)，是大模型的脫虛向?qū)?。所謂虛就它離開了服務(wù)業(yè)，實(shí)，就是說(shuō)它進(jìn)入了物理世界，去操縱和管理物理世界。我覺得這是一個(gè)工程學(xué)的很重要的概念和一個(gè)很重要的應(yīng)用場(chǎng)景。
所以現(xiàn)在我們出現(xiàn)了AI for science，而且現(xiàn)在科學(xué)研究進(jìn)入了第四范式。那么就把整個(gè)科學(xué)研究的方法全部變掉了，是數(shù)據(jù)主導(dǎo)，不再是獨(dú)立的由根開始往上走，而是逆向發(fā)展，這個(gè)就很厲害了。最近的很多事，比如說(shuō)常溫超導(dǎo)，這個(gè)鹵是算出來(lái)的，最近的可控核聚變，可控是大模型控的。蛋白質(zhì)，現(xiàn)在我們已經(jīng)有了那么多三維的蛋白質(zhì)的結(jié)構(gòu)分析，你也做生命是吧？大模型在科學(xué)研究方式的方面，對(duì)它將來(lái)會(huì)怎么樣？
張亞勤：這是特別好的問(wèn)題，我稍微花半分鐘講一下范式這個(gè)定義，其實(shí)提出第四范式，包括最近提到的第五范式，都是微軟的科學(xué)家提出來(lái)的。范式從最早在亞里士多德，后面到了伽利略。牛頓是第一次把所謂的第一范式數(shù)學(xué)化方程式化，包括到Maxwell，包括薛定諤，愛因斯坦后面是方程式的第二范式。第三范式是計(jì)算機(jī)出來(lái)之后的事。后面大數(shù)據(jù)來(lái)了之后是圖靈獎(jiǎng)獲得者Jim Green提出的數(shù)據(jù)驅(qū)動(dòng)，就是第四范式。
最近微軟英國(guó)的科學(xué)家又提出第五范式，就是深度學(xué)習(xí)。作為科研的一個(gè)新范式，我認(rèn)為第四和第五基本上是不同階段，你可以都叫第四范式。
這里面有很多新的工具，比如剛才你講的工程學(xué)，新的工具可以使用，就是我們可以把我們方程式的東西，結(jié)合到我們觀察的，測(cè)量的數(shù)據(jù)里面來(lái)。比如我們現(xiàn)在可以生成大數(shù)據(jù)，用方程式來(lái)生成，加上我們觀測(cè)的數(shù)據(jù)把它結(jié)合起來(lái)，開始預(yù)訓(xùn)練，然后結(jié)合起來(lái)。
朱民：是。現(xiàn)在的科學(xué)研究上或者說(shuō)是第四范式也好，出現(xiàn)了兩種流的合作，一個(gè)是人的流，他把一些觀察到想象中的參數(shù)什么放進(jìn)去，一個(gè)是數(shù)據(jù)位自由，就機(jī)器深度學(xué)習(xí)，然后讓這兩種東西結(jié)合起來(lái)，是朝我們想象中的用預(yù)訓(xùn)練的模式來(lái)實(shí)現(xiàn)它的未來(lái)，所以這個(gè)很有意思。人工智能和人的智能開始合作，那么現(xiàn)在看的比較多的是材料科學(xué)，數(shù)字材料現(xiàn)在是很明顯，生物對(duì)蛋白，做three dimensional structure這個(gè)也是很多的。你覺得像物理或者數(shù)學(xué)這種根本的科學(xué)研究，在方法論上會(huì)被顛覆嗎？我覺得化學(xué)是很容易突破的。
張亞勤：我認(rèn)為會(huì)的，但是怎么顛覆我也不是很清楚。我那天開玩笑說(shuō)我現(xiàn)在比較保守了。我說(shuō)5年意義，我們所有的奧林匹克的冠軍，數(shù)學(xué)、物理包括所有的考試，冠軍一定是機(jī)器，從阿爾法狗開始，一定是機(jī)器。另外，我認(rèn)為AI可以證明一些我們沒有證明的事兒，哥德巴赫猜想等。
朱民：我覺得科學(xué)家還是很嚴(yán)謹(jǐn)?shù)?，哲學(xué)家可以在這個(gè)天空里思索。
張亞勤：新的方程式以后可能是AI發(fā)明的，這都有可能。
朱民：量子力學(xué)就會(huì)可能會(huì)有很大的突破，所以這是一個(gè)很大的事情。如果科學(xué)有這么大這么變化的話，反過(guò)來(lái)人類的進(jìn)化速度會(huì)大大加強(qiáng)。5年真的是一個(gè)很短的時(shí)間。
張亞勤：剛才你問(wèn)的特別好，就是科學(xué)的范式。其實(shí)如果看一下我們物理學(xué)，每一個(gè)科學(xué)都需要一種描述的語(yǔ)言。數(shù)學(xué)是物理學(xué)最好的描述的語(yǔ)言。我認(rèn)為AI整個(gè)來(lái)講，從我們這種發(fā)展的方向，不一定是GPT，也會(huì)成為一個(gè)好的描述的語(yǔ)言。當(dāng)科學(xué)的東西沒法去表示出來(lái)的時(shí)候，我就用一個(gè)大的模型加上一個(gè)參數(shù)去表示它，然后它就變成一種新的語(yǔ)言。
朱民：講到現(xiàn)在我們已經(jīng)走得很遠(yuǎn)了，天馬行空。那么落地到現(xiàn)在的話，大家很關(guān)心中國(guó)的大模型發(fā)展怎么樣？現(xiàn)在百度出了文心一言，現(xiàn)在我看能列出的大模型大概有幾十種了。
張亞勤：百模大戰(zhàn)。
朱民：當(dāng)然困難是很明顯的，第一個(gè)是，美國(guó)把芯片卡住了。那么算法當(dāng)然也受到很大的影響；數(shù)據(jù)也有一個(gè)質(zhì)量和規(guī)模的問(wèn)題；對(duì)語(yǔ)言也是個(gè)問(wèn)題，對(duì)中文和英文之間其實(shí)還是在自然語(yǔ)言處理的方面還是有不一樣的。你怎么看百模大戰(zhàn)中國(guó)的差距究竟有多大？我們?cè)趺锤桑?/p>
張亞勤：不想得罪人。（現(xiàn)場(chǎng)笑聲）
朱民：科學(xué)家沒問(wèn)題的。我先說(shuō)我的觀點(diǎn)，我不怕得罪人（現(xiàn)場(chǎng)笑聲）。我1月7號(hào)的時(shí)候我說(shuō)，大模型，中國(guó)落后兩年。
張亞勤：對(duì)，我覺得大模型方面肯定是落后的，具體落后多少我就不說(shuō)了。但是，目前這么多企業(yè)，包括BAT、華為、字節(jié)在內(nèi)的很多大公司都在做大語(yǔ)言模型，包括新創(chuàng)公司，大家都在做，最后就是充分競(jìng)爭(zhēng)。只有經(jīng)歷充分競(jìng)爭(zhēng)的企業(yè)才是好企業(yè)。而且中國(guó)的競(jìng)爭(zhēng)有中國(guó)的特點(diǎn)，這些人都是經(jīng)過(guò)互聯(lián)網(wǎng)時(shí)代的千錘百煉，經(jīng)歷過(guò)血腥的競(jìng)爭(zhēng)，知道怎么競(jìng)爭(zhēng)。第二點(diǎn)就是在競(jìng)爭(zhēng)的過(guò)程中，每個(gè)企業(yè)的人都很聰明，他自己會(huì)去定位，就讓市場(chǎng)去檢驗(yàn)它。政府就別管了，政府鼓勵(lì)競(jìng)爭(zhēng)就行。
我個(gè)人看的話，可能最后會(huì)有五六個(gè)大模型。所有的操作系統(tǒng)，大部分的話可能還是面向行業(yè)的很多垂直模型，它會(huì)結(jié)合大模型解決行業(yè)大的問(wèn)題，但在每個(gè)行業(yè)可能也需要細(xì)分。
你剛才提到芯片和數(shù)據(jù)，我稍微講一下。數(shù)據(jù)是問(wèn)題也不是問(wèn)題，就第一點(diǎn)你看目前大模型也沒有人把充分把自己的數(shù)據(jù)都用了，以及比如企業(yè)外面我們有很多這種公用的數(shù)據(jù)，然后每個(gè)企業(yè)剛才我講的大企業(yè)都有自己好多數(shù)據(jù)，他都沒有用完，可能用了很少一部分，因?yàn)闀r(shí)間不夠，這幾個(gè)月。然后第二點(diǎn)就是你看現(xiàn)在做多模態(tài)，剛才講的語(yǔ)言多模態(tài)里面多少視頻的數(shù)據(jù)，多少這些圖像的數(shù)據(jù)也都去使用。
還有一點(diǎn)。你看GPT用了很多中文的數(shù)據(jù)，用了很多法文的很多各種不懂語(yǔ)言的數(shù)據(jù)，咱們也可以用別的語(yǔ)言，我們完全可以用英文的數(shù)據(jù)，對(duì)吧。
這些數(shù)據(jù)能用就用，所以我認(rèn)為長(zhǎng)期不是大問(wèn)題，短期也不是大問(wèn)題。而且說(shuō)實(shí)話，數(shù)據(jù)不僅量要大，重要的是你怎么樣去清洗它，怎么樣把它變成高質(zhì)量的數(shù)據(jù)。其實(shí)做大語(yǔ)言模型也很有意思，就是數(shù)據(jù)太輕，太干凈也不行，還是需要一些有免疫力的，就像人身上需要一點(diǎn)有要和細(xì)菌和病毒共存的時(shí)候需要一點(diǎn)免疫力，所以怎么樣去獲得這個(gè)數(shù)據(jù)，其實(shí)是做大語(yǔ)言模型，1/3的工作是關(guān)于怎么樣把這些數(shù)據(jù)叫data engineering很重要。
算力的確是比較挑戰(zhàn)，如果咱們把中國(guó)所有的算力加在一塊，現(xiàn)在至少也有50萬(wàn)個(gè)，至少50萬(wàn)個(gè)A100這么一個(gè)體量加在一塊，你訓(xùn)練100個(gè)模型有點(diǎn)小問(wèn)題，但是訓(xùn)練5個(gè)模型是沒問(wèn)題的。另外一點(diǎn)，這個(gè)東西你也不是永遠(yuǎn)在用它，你在預(yù)訓(xùn)練的時(shí)候用它，用了之后你幾個(gè)月可能就不需要用這個(gè)東西了。
還有一點(diǎn)，現(xiàn)在很多的工作是怎么樣把這個(gè)模型簡(jiǎn)化，然后怎么樣小型化邊緣化。所以我認(rèn)為這些東西是有挑戰(zhàn)，但不能是我們兩三年之后沒做好的一個(gè)借口。我認(rèn)為我們一定會(huì)做的不錯(cuò)的。
然后還有一點(diǎn)就是中國(guó)自己也在做芯片，現(xiàn)在你看到有昆侖，汽車的地平線等等許多公司都在做這些芯片。
朱民：所以你還是樂觀的，算力算法和這個(gè)數(shù)據(jù)，我們還是有資源可以解決，是吧？但是大模型它有幾個(gè)特點(diǎn)，第一個(gè)是它進(jìn)入的門檻很高，它不是一個(gè)可以自由競(jìng)爭(zhēng)的世界，是第二個(gè)它有些地方具有天然的壟斷性，算是有壟斷性的，算法取決于你是不是開源。而且這個(gè)規(guī)模也使得進(jìn)去不那么容易。所以在這個(gè)情況下，那是一種市場(chǎng)充分競(jìng)爭(zhēng)，還是一種類似于寡頭競(jìng)爭(zhēng)。未來(lái)的中國(guó)發(fā)展大模型的路徑大概是個(gè)什么情況？
張亞勤：如果把大模型比喻成42公里的馬拉松，現(xiàn)在跑了5公里，目前是春秋戰(zhàn)國(guó)，大家要充分競(jìng)爭(zhēng)。等競(jìng)爭(zhēng)到一定程度，肯定就不可能有那么多大模型了。就像操作系統(tǒng)和云一樣，一開始有多少朵云？現(xiàn)在的云，不管美國(guó)也好，中國(guó)也好，最后可能就四五朵云。所以我認(rèn)為最后肯定是要收斂的。
朱民：你還是很樂觀，中國(guó)人會(huì)長(zhǎng)出自己的大腦模型。
張亞勤：對(duì)。但我想講一點(diǎn)，我們現(xiàn)在不能假設(shè)就是那幾個(gè)大公司的事兒，初創(chuàng)公司也有希望，OpenAI就是一個(gè)小公司。所以大家都有機(jī)會(huì)。但平臺(tái)的門檻很高。比如我們這樣的研究院，我們一開始就說(shuō)不要自己去做大型語(yǔ)言模型，我們也不會(huì)去買上萬(wàn)個(gè)GPU，很多工程的東西我們也不會(huì)去做，我們可以和企業(yè)去合作。
朱民：這就提出了很重要的一點(diǎn)。在我們追趕的道路上，第一個(gè)是算力算法數(shù)據(jù)，你有沒有底氣？第二個(gè)是市場(chǎng)準(zhǔn)入競(jìng)爭(zhēng)公平，這個(gè)結(jié)果會(huì)怎么樣？但形成生態(tài)合作共贏還是很重要的。你看大概會(huì)是怎么樣的一個(gè)生態(tài)呢？
張亞勤：比如說(shuō)N年多之后，4-5年之后會(huì)有幾個(gè)大的模型，就是可能主要在云上面，在云上面有大量算力的，有這么橫向的，我把它叫做AI的云的操作系統(tǒng)，在這個(gè)上面有很多的vertical很大的一些apps，而且我認(rèn)為有些apps會(huì)在一個(gè)云上一些APP在很多云上，有些souper apps可能它會(huì)調(diào)用不同的models的，剛才你講的工程化和工具化，你可以用你的操作系統(tǒng)可以用別的，別的APP，我也可以用我這個(gè)APP也可以用好多不同的模型，然后可以用open source模型，也可以用這些商業(yè)化的模型，還有一個(gè)open source，現(xiàn)在這是很重要一個(gè)力量，不在我們剛才講的這些里面。
朱民：你看現(xiàn)在美國(guó)出現(xiàn)了stability。對(duì)這樣一個(gè)平臺(tái)，作為一種生態(tài)的構(gòu)造形式的培訓(xùn)，像這樣的模式可采用。
張亞勤：我覺得都會(huì)，各種不同的模式都會(huì)發(fā)生。
朱民：這里又回到了平行模型和垂直模型的區(qū)別，我看現(xiàn)在的大模型現(xiàn)在主要是做美國(guó)和中國(guó)，但美國(guó)的模型還是平行的，廣義的模型多一些，中國(guó)現(xiàn)在來(lái)看是垂直模型比較多一些。
張亞勤：不能這么講，我覺得都有。橫向的模型很多，但是解決某一些問(wèn)題的也都有垂直模型。
朱民：所以現(xiàn)在市場(chǎng)競(jìng)爭(zhēng)的是橫向模型，現(xiàn)在是“百模大戰(zhàn)”，對(duì)競(jìng)爭(zhēng)的結(jié)果活下來(lái)的人會(huì)支撐垂直模型。
張亞勤：對(duì)，可以這樣講。垂直模型、以及面向一些任務(wù)總是要做的。橫向模型會(huì)幫你解決很多橫向的問(wèn)題，比如說(shuō)自動(dòng)駕駛長(zhǎng)尾的問(wèn)題。但是，它沒法去替代垂直模型。咱們回到操作系統(tǒng)這個(gè)比喻，操作系統(tǒng)里面安卓和iOS也很強(qiáng)大，它上面有商店，但是很多Super APP還在上面。
你不可能操作系統(tǒng)做所有的這些應(yīng)用，特別我們?nèi)绻嫦蚬I(yè)互聯(lián)網(wǎng)，它更細(xì)分，更加深度。就像在PC時(shí)代，微軟很強(qiáng)大，但也只能做個(gè)office，上面別的應(yīng)用還是要靠生態(tài)。我經(jīng)常講，生態(tài)操作系統(tǒng)如果算一的話，它整個(gè)生態(tài)是乘100倍，在上面它的價(jià)值是100倍。
朱民：這個(gè)世界不可能只有唯一，一定是一個(gè)生態(tài)的，在上面會(huì)產(chǎn)生更豐富的應(yīng)用場(chǎng)景，等等。
張亞勤：而且我覺得對(duì)以后垂直領(lǐng)域，或者對(duì)一些創(chuàng)業(yè)者其實(shí)是件好事。我看了很多言論說(shuō)大模型出來(lái)之后別創(chuàng)業(yè)了，都被大公司做了。我認(rèn)為不是這樣，我覺得恰恰相反。比如，現(xiàn)在做某些面向某些任務(wù)的時(shí)候，我更容易做了。再比如說(shuō)，過(guò)去我做一個(gè)什么事，我自己沒數(shù)據(jù)或者數(shù)據(jù)很少，我需要收集數(shù)據(jù)，現(xiàn)在很多這些數(shù)據(jù)已經(jīng)被預(yù)訓(xùn)練變成模型了，你就去靠那個(gè)模型，然后加上你自己這個(gè)領(lǐng)域的精準(zhǔn)數(shù)據(jù)，或者結(jié)合你自己的模型，你可以開發(fā)應(yīng)用出來(lái)。
這有點(diǎn)像云計(jì)算的時(shí)候，創(chuàng)業(yè)公司過(guò)去要買一大堆服務(wù)器，自己要有it方面的人。有了云之后，你買云服務(wù)就行了。你的算力、存儲(chǔ)，你的網(wǎng)絡(luò)能力都按需分配。所以，我覺得這是件好事，但創(chuàng)業(yè)公司可能要注意別做太簡(jiǎn)單的東西。如果太簡(jiǎn)單，大模型馬上就幫你做了。創(chuàng)業(yè)者稍微要做一些有門檻的事。
朱民：創(chuàng)業(yè)的門檻高了。