哥大讲座：专家深度剖析AI演进与AGI的未来挑战

随着人工智能（AI）技术的不断进步，人们开始不禁思考：AI是如何演变到今天的？当前最大的挑战又是什么？未来又将朝哪个方向发展？在2023年6月12日，哥伦比亚大学工程学院的讲座上，前谷歌工程总监、YouTube Shorts联合创始人、OpenAI前研究员以及Meta超级智能团队成员毕树超（Shuchao Bi）深入探讨了这些富有挑战性的议题。

本次演讲由哥伦比亚大学工程学院计算机科学系副教授俞舟引荐。在演讲结束后，俞舟表示，演讲内容激发了深思，对于未来的展望令人激动。

AGI的远方目标

尽管近年来AI领域取得了显著进展，毕树超依然认为，通用人工智能（AGI）的实现仍然遥不可及。他指出，AGI不仅仅是解决复杂的数学问题，它还需要具备跨领域的泛化能力，适应新任务并与环境进行高效互动。为实现AGI，单纯的技术规模扩展是不够的，关键在于数据的丰富性和学习算法的高效性。他强调，探索机制在科学发现中扮演了至关重要的角色，人类的科学进步常常源自灵感和迭代，在这一方面，能够不断搜索、探索并生成新假设的模型将是实现AGI的关键所在。

毕树超进一步提出，人类大脑和计算机学习机制之间并没有质的区别。他认为，神经元细胞不过是自然进化的产物，功能上类似于硅基计算机。因此，真正决定智能的，更可能是“规模”，而不是结构的复杂性。繁复的神经结构并未赋予大脑更高级的智能，反而在于我们与环境的互动以及从数据中获取的丰富经验。

数据：AGI的瓶颈

在谈到AGI实现的障碍时，毕树超指出，问题的关键在于数据的数量、质量和“智能密度”。尽管理论上拥有足够的算力与无限的数据，依然不足以构建出真正的AGI，许多尚未解决的难题依然存在：

1. 目前模型的应用领域依然受限于可验证结果，缺乏有效生成新输出的能力。

2. 当前模型的探索能力不足，未能有效利用随机探索来突破现有局限。

3. 与蒙特卡洛树搜索（Monte Carlo Tree Search）相比，语言模型在探索能力上存在短板。

因此，提升学习过程中的数据效率，成为实现AGI所需突破的关键。毕树超指出，人类知识的积累缓慢，印刷术的问世并没有立刻带来知识的普及，而是在近年才迎来数据的爆炸式增长。AI的潜力在于能有效加速这一过程，涵盖数据生成、理论验证以至知识的传播，使未来的“硅基智能”具备巨大潜力。

对知识探求的好奇心

在演讲的后半部分，毕树超重点强调了“好奇心”在知识发现过程中的重要性。未来的AI需要具备这一机制，去主动探索未知的领域。他提到，AI模型如果能够像AlphaFold那样高效工作，缩小搜索空间，并不断生成新数据，将大大提升智能的进程。

重现现实世界现象的精确模拟仍面临挑战，世界模型的构建仍待突破。毕树超指出，尽管目前对具身智能的探索还在初级阶段，但也正是这一方向所蕴含的无限可能，激励着研究者们追求更大的突破，他相信“灵感”并非人类的独有特权，机器同样具备探索和发现的潜能。

反思人类与AI的共生关系

对于人类与AI的未来关系，毕树超提出了值得深思的问题：AGI是否需要具身能力？假若AGI被定义为能够胜任所有经济价值任务的智能，其实并不一定需要具身能力，许多任务可由人类来协作支持AI完成。但这也带来隐忧——未来有可能演变成“人类仅仅是AI的操控者”，这需要我们逐步审视并警惕。

毕树超表示：“每隔几个月，科技都在取得前所未有的进步，这应当让我们重新审视那些曾被认为不可能的事情。”尽管依然存在不少未解难题，未来AI技术带来的机遇依然值得我们保持乐观。科学发现、智能进步的过程其实是一个开放的探索之旅，充满了不可预知的可能性。

通过毕树超的演讲，听众们有机会重新思考AI与AGI的关系，见证技术发展的未来与挑战。在这个变革的时代，我们亟需的，不仅是技术的进步，更需对人类、机器与智能的深刻理解与反思。未来的道路困难重重，但探索的火花将照亮前方的征程。