數控機械設備 1771-IBD 運行穩定

數控機械設備 1771-IBD 運行穩定

數控機械設備 1771-IBD 運行穩定

2023年，世人見證了ChatGPT在全球范圍的大火。以生成式人工智能為代表的新一代人工智能問世，改變了人工智能(AI)技術與應用的發展軌跡，加速了人與AI的互動進程，是人工智能發展史上的新里程碑。2024年，人工智能技術與應用的發展又會呈現出哪些趨勢?讓我們一同展望這些值得關注的重大趨勢。

趨勢一：從AI大模型邁向通用人工智能

2023年，ChatGPT開發者OpenAI被置于前所未有的聚光燈下，也使GPT-4后續版本的開發被推向了風口浪尖。據消息人士稱，OpenAI正在訓練下一代的人工智能，暫名“Q*”(讀作Q-star)。新的一年，OpenAI下一代產品可能發布。

據媒體爆料，“Q*”可能是次采用“從零開始”的方式訓練的人工智能。其特點是，智能不來自人類活動的數據，且其有能力修改自身代碼以適應更復雜的學習任務。前者使得人工智能能力的發展變得愈發不透明，而后者向來被看作是誕生人工智能“奇點”的必要條件。在人工智能發展領域，“奇點”特指機器擁有了自我迭代的能力，進而在短時間內迅猛發展，導致超出人類控制。

雖然一些報道稱，“Q*”目前還只能解決小學難度的數學問題，距離“奇點”還遠。但鑒于虛擬環境中人工智能迭代速度可能遠超想象，其仍然可能在不遠的將來自主發展出在各個領域均可超過人類水平的AI。2023年，OpenAI預言，各方面超越人類水平的人工智能在十年內就會出現;英偉達創始人黃仁勛表示，通用人工智能可能在五年內超越人類。

一旦通用人工智能得以實現，就可被用于解決各種復雜的科學難題，譬如尋找外星人與地外宜居星系、人工核聚變控制、納米或超導材料篩選、抗癌藥研發等。這些問題通常需要花費人類研究員數十年的時間來尋找新的解決方案，部分前沿領域的研究量已超出人力極限。而通用人工智能在自己的虛擬世界中擁有幾乎無限的時間和精力，這使得其在部分容易虛擬化的任務中，有可能成為人類研究員的替代。但屆時，人類如何監督這些從智能水平上超過人類的人工智能，確保其不會危害人類，又是一個值得思考的問題。

當然，我們也不應過分高估硅谷巨頭們的部分言論，因為在人工智能發展史上，已經歷三次“AI寒冬”，其中不乏宏大的技術愿景因各方面限制化為泡影的例子。但目前可以肯定的是，大模型技術仍然有著不小的上升空間。除GPT-4外，谷歌的“雙子座”(Gemini)，Anthropic的Claude2，目前都是僅次于GPT-4的大模型，國內的百度“文心一言”與阿里“通義千問”，也是國產大模型中的佼佼者。它們在新的一年中是否會發布更具革命性的產品，同樣值得期待。

趨勢二：合成數據打破人工智能訓練數據瓶頸

數據瓶頸指的是可用于訓練AI的高質量數據的有限性，合成數據有望打破這一瓶頸。

合成數據是在模仿真實數據的基礎上，由機器學習模型利用數學和統計科學原理合成的數據。關于什么是合成數據，有一個較為淺顯易懂的比喻：這就像是在給AI編寫專門的教材。例如，盡管英文課本的對話中出現的可能是“小明”“小紅”這樣的虛構人名，但并不影響學生們由此掌握英語，因此從某種意義上，對于學生而言，教材就可以看作一種經過編纂、篩選和處理的“合成數據”。

有論文表明，模型的規模至少要達到620億參數量后，才可能訓練出“思維鏈”能力，即進行分步驟的邏輯推理。但現實的尷尬在于，迄今為止人類產生的不重復的、可供訓練的優質數據并沒有這么多。使用ChatGPT等生成式人工智能以前所未有的數量產生高質量合成數據，未來的AI將由此獲得更高的性能。

除了對大量高質量數據的需求導致合成數據受到追捧以外，對數據安全的考量也是重要原因。近年來，各國紛紛出臺更嚴格的數據安全保護法律，使得客觀上利用人類產生的數據訓練人工智能變得更為繁瑣。這些數據中不僅可能隱含個人信息，其中的許多數據還受版權保護。在互聯網隱私與版權保護尚未形成統一標準與完善架構的當下，使用互聯網數據進行訓練，極易導致大量法律糾紛。而若考慮對這些數據進行脫敏，又面臨篩查識別準確率方面的挑戰。兩難之下，合成數據就成為惠而不費的一種選擇。

此外，使用人類數據進行訓練，還可能導致人工智能學到有害內容。一些諸如使用日用品制造炸彈、管制化學品的方法，另一些則包括許多人工智能本不應當出現的壞習慣，譬如像人一樣在任務執行過程中偷懶、為了取悅用戶而說謊、產生偏見和歧視。若改用合成數據，使人工智能在訓練中盡可能減少接觸有害內容，則有望克服以上使用人類數據訓練時附帶的缺點。

從以上分析中可以看出，合成數據可以說是頗具開創性的，有望解決此前發展人工智能與數據隱私保護不可得兼的問題。但與此同時，如何確保相關的公司和機構負責任地制作合成數據，如何制作出既符合本國文化與價值觀，又在規模和技術水平上足以媲美西方以英文網絡資料為中心的合成數據訓練集，也將成為中國面臨的一個頗具挑戰性的課題。

除此之外，合成數據帶來的一個重大變化是，來自人類社會的大數據或將不再是AI訓練所必需。在今后的數字世界中，人類數據的產生、存儲和使用仍將遵循人類社會的法則和秩序，包括維護國家數據安全、保守商業數據秘密和尊重個人數據隱私，而AI訓練所需的合成數據則采用另一套標準進行管理。

數控機械設備 1771-IBD 運行穩定