0
| 本文作者： 郭思 | 2023-08-31 10:09 |
編者按：2023 年 8月14日，第七屆GAIR全球人工智能與機(jī)器人大會(huì)在新加坡烏節(jié)大酒店正式開幕。論壇由GAIR研究院、雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))、世界科技出版社、科特勒咨詢集團(tuán)聯(lián)合主辦。
大會(huì)共開設(shè)10個(gè)主題論壇，聚焦大模型時(shí)代下的AIGC、Infra、生命科學(xué)、教育，SaaS、web3、跨境電商等領(lǐng)域的變革創(chuàng)新。此次大會(huì)是在大模型技術(shù)爆炸時(shí)代，首個(gè)出海的AI頂級(jí)論壇，也是中國人工智能影響力的一次跨境溢出。在第一天的“GPT時(shí)代的杰出貢獻(xiàn)者”專場上，Zoom CTO黃學(xué)東以“無限的人類聯(lián)系與生產(chǎn)力的前沿”為題發(fā)表了大會(huì)報(bào)告。
黃學(xué)東是美國國家工程院、美國藝術(shù)與科學(xué)院院士，IEEE/ACM Fellow。他指出，移動(dòng)電話、互聯(lián)網(wǎng)與 Facebook 分別用了 16 年、7 年與 4 年半才達(dá)到 1 個(gè)億的用戶量，但 ChatGPT 只用了 3 個(gè)月，由此可見其革命性。
如今，全球的大模型呈現(xiàn)「百模大戰(zhàn)」的局面，這無疑反映了科技圈對 AI 的敏銳與激情。但在黃學(xué)東看來，AI 在工業(yè)界的落地應(yīng)用應(yīng)考慮「集成式 AI」的實(shí)踐與可能。古語有云，「三個(gè)臭皮匠頂個(gè)諸葛亮」。
黃學(xué)東表示，這一思想在 AI 商業(yè)化落地中也有其用武之地。這也是黃學(xué)東離開其工作 30 年的老東家微軟、轉(zhuǎn)而加入 Zoom深耕人工智能應(yīng)用的機(jī)會(huì)。現(xiàn)在大模型發(fā)展存在百花齊放的局面，即參與者往往過分高估自家成果，而沒有面向外界進(jìn)行合理的整合。例如，此前，很多公司內(nèi)部的各項(xiàng) AI 模型如語音、計(jì)算機(jī)視覺、翻譯等功能都十分強(qiáng)大，但沒有像 OpenAI 一樣整合出一套統(tǒng)一的基礎(chǔ)模型ChatGPT。作為一家應(yīng)用型產(chǎn)品企業(yè)，Zoom 注重 AI 模型的集成與融通，用新一代聯(lián)邦學(xué)習(xí)融合了 OpenAI、Anthropic、Meta 等等多家模型的功能接口，由此完成比原有模型更好更強(qiáng)大的用戶落地服務(wù)。
在與潘毅院士的對話中，潘毅院士問及「未來人工智能將泛化出怎樣的能力，是否可以擁有像人類軍事家一樣的指揮能力」，黃學(xué)東院士則認(rèn)為，人們常常高估技術(shù)的短期效力，而低估其長期影響——瓦特在發(fā)明蒸汽機(jī)，麥克斯韋建立電磁理論時(shí)，都沒有想到會(huì)對未來產(chǎn)生如此大的效應(yīng)，今天大模型的發(fā)展也是如此，我們暫時(shí)只能看到短期影響，而大模型對于人類的影響可能會(huì)深遠(yuǎn)，而在那時(shí)候，一切皆有可能。“
以大模型為中心，多模態(tài)聯(lián)合發(fā)展的技術(shù)趨勢在未來兩年將會(huì)成為現(xiàn)實(shí)，GPT的出現(xiàn)并非一個(gè)偶然事件，而是一個(gè)歷史必然。在當(dāng)下，我們都應(yīng)該注重三個(gè)臭皮匠的聯(lián)合融合能力，這樣才能贏過更多的諸葛亮為人工智能應(yīng)用落地做貢獻(xiàn)。”黃學(xué)東院士答道。
以下為黃學(xué)東院士的現(xiàn)場演講以及與潘毅院士的對話內(nèi)容，雷峰網(wǎng)作了不改變原意的編輯及整理
接下來我跟大家分享一下我在微軟 30 多年的一些工作經(jīng)驗(yàn)和教訓(xùn)。首先給大家展示一張很有意思的圖片，這張圖（如下圖）描述了過去千年來，人類社會(huì)的進(jìn)步基本上是以技術(shù)來驅(qū)動(dòng)。其中一個(gè)重要的里程碑就是印刷術(shù)的發(fā)明，因?yàn)樵谥惺兰o(jì)時(shí)期，教會(huì)掌控一切。德國古登堡發(fā)明金屬活字印刷機(jī)，推動(dòng)《圣經(jīng)》的大規(guī)模印刷，人們對于《圣經(jīng)》的理解不需要通過教會(huì)來解釋。與此同時(shí)馬丁路德發(fā)明了新教，這兩件事基本上讓歐洲從中世紀(jì)進(jìn)入了現(xiàn)代文明。所以印刷術(shù)的發(fā)明極大地推動(dòng)了人類生產(chǎn)力的解放。
此后，蘇格蘭人瓦特發(fā)明了蒸汽機(jī)，有了蒸汽動(dòng)力以后，人們不再需要靠人工或者馬夫來進(jìn)行交通運(yùn)輸，解放了人類生產(chǎn)力，全球的 GDP 有了一個(gè)小小的進(jìn)步。
1873年，另外一個(gè)蘇格蘭人麥克斯韋（Maxwell）建立電磁理論，再次推動(dòng)了工業(yè)革命。后來,蘇格蘭人貝爾發(fā)明了電話，通訊行業(yè)有一個(gè)新的革命。而在今天，一個(gè)來自蘇格蘭愛丁堡大學(xué)的畢業(yè)生 Geoffrey Hinton推動(dòng)了人工智能的再次進(jìn)步。
所以在人類革命的過程中，除開德國人發(fā)明了金屬活字印刷機(jī)，從電磁理論、蒸汽機(jī)到人工智能，還有電報(bào)和電話的發(fā)明，蘇格蘭人對世界革命作出了非常巨大的貢獻(xiàn)。（當(dāng)然還包括亞當(dāng)斯密——另一個(gè)奠定了經(jīng)濟(jì)學(xué)的全球基礎(chǔ)的蘇格蘭人）。
我有幸在蘇格蘭求學(xué)過一段時(shí)間，博士學(xué)位在蘇格蘭完成，這段分享也回敬我個(gè)人在蘇格蘭所受的教育。微軟看到 GPT 4. 0 ，表現(xiàn)非常驚艷，就決定了做 Bing Chat。去年 11 月份，OpenAI 將 Chat GPT 放出來，實(shí)際上它是基于比較弱的GPT 3. 5系統(tǒng)。我在微軟工作期間是Azure AI 的CTO，在過去五年做了很多事情，大力推動(dòng)了人工智能的工業(yè)化落地，包括在業(yè)界實(shí)現(xiàn)第一個(gè)媲美人類的對話的語音識(shí)別系統(tǒng)，后來又做了可以媲美人類的機(jī)器翻譯系統(tǒng)，還有推出達(dá)到人類水平的計(jì)算機(jī)視覺系統(tǒng)，這些都是一步步往前走的。不過值得一提的是，這些都是用一個(gè)具體的模型來解決某一個(gè)具體問題。
如果要讓這個(gè)模型去做別的事兒，馬上就不行了。而GPT的成功之處就在于，它在某一個(gè)領(lǐng)域可以做得很好，換一個(gè)領(lǐng)域也可以做同樣的事情，所以盡管微軟自己的人工智能取得了不錯(cuò)的成就，并且都已產(chǎn)業(yè)化變成了API，讓大家可以訪問，但還是沒有到達(dá) ChatGPT 出來就一炮打紅的效果。GPT 一個(gè)模型可以干所有的事情，不僅僅如此，它只花了3個(gè)月就達(dá)到了1億的月活用戶，而互聯(lián)網(wǎng)用了7 年，移動(dòng)電話花了 16 年。GPT4.0 更牛。中國人很喜歡考試，隋朝就推出了科舉考試，有幾千年的考試文化基因，為了驗(yàn)證GPT 4. 0 的表現(xiàn)，我們可以讓GPT去考試看一看。
這個(gè)圖是美國律師證的考試，最右邊那個(gè)表格后面有個(gè)平均成績 68 分，這代表著一個(gè)人類考生在這個(gè)考試中能考68 平均分。法律考試其實(shí)很難，需要運(yùn)用到知識(shí)推理以及各種常識(shí)來評判法律上的諸多問題。
GPT 4.0參加這個(gè)考試，大大超過了平均人類考生的水平，達(dá)到75.7的高分，不僅如此，GPT 4.0也可以參加醫(yī)學(xué)考試，它能超過人類的水平。按照這個(gè)標(biāo)準(zhǔn)，如果 GPT 4.0參加高考，可能會(huì)把清華北大的學(xué)生都淘汰，這是一個(gè)人工智能發(fā)展史上的歷史性的時(shí)刻。
下面這張表總結(jié)了整個(gè) GPT4.0 產(chǎn)生過程的四個(gè)階段，第一個(gè)階段叫做 Pretraining，用到了現(xiàn)如今基本上能用到的所有數(shù)據(jù)。Pretraining的時(shí)候，大模型通過數(shù)據(jù)基本上看到了全互聯(lián)的知識(shí)和信息。為什么人類做題做不過GPT？因?yàn)镚PT記性好，而人的記性是有限的。然后再到算法層面，大語言模型這一點(diǎn)其實(shí)非常簡單，IBM 70 年代就做了這大語言模型，但是他做的時(shí)候比較簡單粗暴，只用了一個(gè)所謂的n-gram，就是讓機(jī)器看過去 n 個(gè)字，猜下一個(gè)字是什么東西。
他為什么要做這件事情？因?yàn)檎Z音識(shí)別歧義性很高。這個(gè)方法可以幫助提高語音識(shí)別的性能。所以今天的人工智能其實(shí)要?dú)w功于 IBM 的語音識(shí)別成果。
后來IBM 研究人員這些人把語音識(shí)別的技術(shù)拿去做機(jī)器翻譯，把那些傳統(tǒng)規(guī)則的方法基本上打得落花流水，一炮打紅，再一次證明統(tǒng)計(jì)方法就是牛。所謂今天的大語音模型不過就是把機(jī)器翻譯的技術(shù)用到預(yù)測未來應(yīng)該講什么話。這個(gè)解釋很簡單，人一聽就明白，也就是將大家提出的問題用機(jī)器的翻譯方法轉(zhuǎn)變?yōu)橄氲玫降拇鸢福╤istory to future）。
預(yù)訓(xùn)練大模型需要非常大的數(shù)據(jù)來進(jìn)行訓(xùn)練。如今因?yàn)橛姓麄€(gè)網(wǎng)絡(luò)的數(shù)據(jù)，所以模型的「大」根本不是問題。越大發(fā)現(xiàn)效率越高。當(dāng)然錢和時(shí)間也燒得嚴(yán)重。這個(gè)做完以后，還需要一些更高質(zhì)量的數(shù)據(jù)來微調(diào)語言模型，再進(jìn)一步跟人類的價(jià)值對齊。比如模型產(chǎn)生了不同的結(jié)果，一個(gè)機(jī)器翻譯系統(tǒng)翻譯出 10 個(gè)不同的結(jié)果人們需要來對比一下哪個(gè)結(jié)果最好，最符合人們的預(yù)期需求。
通過這些步驟，我們就得到了GPT一個(gè)非常驚艷的結(jié)果，一個(gè)模型可以基本搞定你想做的任何事情，這是個(gè)很了不起的工程成就和研究突破。過去沒有人覺得可以用一個(gè)很大的基礎(chǔ)模型來做那么多事情。OpenAI 超越了微軟自己的人工智能。在大模型出來之前，微軟基本上是語音方面有一個(gè)產(chǎn)品，視覺方面有一個(gè)，機(jī)器翻譯有一個(gè)，這些東西從單獨(dú)的性價(jià)比來說都比Open AI做要好，但是微軟內(nèi)部沒有搞出一個(gè)統(tǒng)一的模型能搞定所有東西，這也是GPT革命性突破之處。
現(xiàn)如今，GPT 4.0 還沒有第二個(gè)可以替代的方案，但是就像人一樣，人一驕傲就喜歡吹?；蛘呋孟?。GPT 4.0 也有幻想的問題。比如我問「What is Azure Cognitive Services Z-code and holistic representation towards integrative Al?」（什么是Azure認(rèn)知服務(wù) Z-code？）他回答沒有，一本正經(jīng)胡說八道。
所以我們現(xiàn)在還不敢完全相信GPT。歷史上很多類似的故事，有些人一旦做得很成功，變成神了，就沒人敢挑戰(zhàn)，這時(shí)候問題就會(huì)出現(xiàn)，GPT4.0 變成眾人眼中的神，也出現(xiàn)幻象問題了。我今天所說的言論，大家也應(yīng)該挑戰(zhàn)我。但估計(jì)我講的基本上都對，到現(xiàn)在為止潘主席還沒有把我趕下臺(tái)（笑）。接下來。我再簡單介紹一下微軟人工智能的歷史。
1995年，微軟視窗95在工業(yè)界是一個(gè)高光時(shí)刻，那時(shí)候很多小年輕還沒出生，當(dāng)時(shí)我們推出了 Speech API，是 Windows 95 的一部分，然后 2015 年，微軟與時(shí)俱進(jìn)推出了云服務(wù)API，當(dāng)時(shí)項(xiàng)目名字叫牛津計(jì)劃 （Oxford Project）。從微軟95的 SAPI 到Azure AI 的人工智能認(rèn)知服務(wù)API，整整花了 20 年。我十分有幸，在微軟不僅僅組織了微軟視窗95 SAPI的推出，也組織了微軟云Azure AI的推出。從 2015 年推出來到如今我離開微軟，整個(gè)微軟認(rèn)知服務(wù)部門已經(jīng)進(jìn)入商業(yè)盈利狀態(tài)。
所以各位如果想要找一個(gè)投資者說給你投錢，他說人工智能不一定會(huì)賺錢，你可以用微軟的例子反駁，當(dāng)然微軟也做了 30 年才開始賺錢(笑)。接下來這張圖總結(jié)了從 2018 年到 2023 年期間一些基礎(chǔ)模型的狀態(tài)，大家可以看到模型訓(xùn)練數(shù)據(jù)越大，參數(shù)越大性能往往也會(huì)越好。
在2019年左右，大家對GPT 1. 0 并不感冒。GPT 1.0 到 2.0，模型變大了很多，性能也提升非常多。但是還是沒多少人看得起GPT 2.0。此后從 GPT 2. 0 到 3. 5，模型繼續(xù)變大，GPT 3.5 確實(shí)可以做很多事情，但要真正跟其他的 AI 來PK，單獨(dú)性能基本上 PK不過。比如翻譯性能差不多，但是微軟在線服務(wù)比GPT便宜 10 倍。后面的 GPT 4.0，參數(shù)規(guī)模越來越大，越來越貴，性能越來越好。
所以未來兩年以內(nèi)的技術(shù)趨勢肯定是以大模型為中心，多模態(tài)聯(lián)合工作。下面這個(gè)視頻我給大家簡單介紹一下微軟AI現(xiàn)在可以達(dá)到的效果，畫面角落有一個(gè)數(shù)字人，神態(tài)和講話都和我一模一樣，這是用微軟現(xiàn)有的 API 做出來的。這個(gè)視頻是一段從網(wǎng)上抓下來的視頻，某一個(gè)游客的越野車開到非洲的森林里面，碰到了河馬，今天自動(dòng)駕駛汽車開到那肯定全遭殃，因?yàn)闆]有一個(gè)通用的計(jì)算機(jī)視覺模型。
所有這一切全是人工智能自動(dòng)生成，現(xiàn)在的AI已經(jīng)可以做到，將任何一段視頻放進(jìn)來，機(jī)器可以將視頻里面發(fā)生的事情總結(jié)下來，并用數(shù)字人的聲音完全描述剛剛發(fā)生的事情?，F(xiàn)在我剛剛離開微軟，在Zoom上了將近一個(gè)半月班，大家問我為什么要離開微軟去Zoom？我覺得 Zoom 是這個(gè)世界上最好的能連接人們的視頻通訊公司。
來新加坡之前，福布斯雜志對世界上所有的視頻會(huì)議應(yīng)用解決方案從 1 到 5分進(jìn)行了評比， Zoom得分 4. 9 分。相比之下，其它的軟件拿了3點(diǎn)多分，從這可以看出 Zoom 今天的江湖地位。Zoom是一個(gè)應(yīng)用公司。
Zoom的AI提出的就是「三個(gè)臭皮匠」理論，來自中國古語「三個(gè)臭皮匠，頂個(gè)諸葛亮」。其實(shí)不僅僅我這樣想，波音公司在生產(chǎn) 787 的時(shí)候也采用了同樣的方法，一個(gè)龐大的波音787 也是通過各個(gè)國家的零部件拼湊而來。今天Zoom整合了 GPT 4、Anthropic、Google和Meta等大語言模型。我們就要把這些眾多的「臭皮匠」拿過來，整合起來變成 Zoom 的 AI 模型，解決我們的實(shí)際問題。這是我們正在做的工作。未來大家很快能看到一個(gè)不僅僅是4. 9 分的Zoom,有可能是一個(gè)超越 5. 0分的Zoom，謝謝大家。，
潘毅：很高興跟老同學(xué)做對話。這個(gè)我們首先來聊一下黃院士最近的工作。黃院士，您剛剛所說把三個(gè)臭皮匠湊成一個(gè)諸葛亮，那么你認(rèn)為這個(gè)理論未來是否是一個(gè)重要的發(fā)展趨勢？
黃學(xué)東：為什么美國聯(lián)邦政府還算比較有效率？它最大的好處是有一個(gè)糾錯(cuò)機(jī)型。我們不能把所有的雞蛋放在一個(gè)籃子里面，放在一個(gè)籃子里很危險(xiǎn)，在今天，盡管你想雞蛋放到一個(gè)籃子也放不下，因?yàn)镚PT 4. 0 雖然現(xiàn)在是業(yè)界最強(qiáng)大的語言模型，但實(shí)際上它去做一個(gè)真正落地，它還是缺了一條腿。在這樣一個(gè)情況下，大模型公司百模大戰(zhàn)的現(xiàn)象當(dāng)然令人高興，但我們其實(shí)也不需要百模，我們只需要把四五個(gè)大語言模型拿過來聯(lián)邦整合，每一個(gè)人有自己的一個(gè)應(yīng)用場景，把臭皮匠捏起來，這樣的效果和成本肯定最好。Federated learning這是一個(gè)老的學(xué)術(shù)概念，但是Federated AI 2. 0，這是 Zoom 正在推的新概念。
據(jù)我所知，現(xiàn)在業(yè)界基本上還沒有人能把 Anthropic 、llama 2 和 GPT 4. 0 揉合在一起，這樣結(jié)合的模型能比GPT價(jià)格便宜，性能比所有模型都要好，因?yàn)樗麄兌际浅羝そ?，合在一起肯定超過諸葛亮。這也是我為什么要離開微軟來到 Zoom 的主要原因。Zoom做AI，不是為了寫詩，也不是要去寫代碼，Zoom有具體的應(yīng)用場景。（順帶提一句微軟的 Codex Git Hub 做的非常好。在座的程序員要小心，再過幾年GPT 5 出來的時(shí)候，程序會(huì)寫得更好。）
潘毅：微軟很強(qiáng)大，二十幾萬人，但是在中國和新加坡，還有很多很小的企業(yè)，他們沒有足夠的資金和GPU 。這些小公司怎么做到既考慮到自己的利益又能跟 GPT 配合起來？這方面，你有什么建議？
黃學(xué)東：所有的公司和學(xué)校都可以借鑒三個(gè)「臭皮匠」理論，因?yàn)樾」居泻芏嗄Ｐ?，其中最好的還是能把這個(gè)大模型通過「臭皮匠」模式整合起來，再利用自己的數(shù)據(jù)，做成一個(gè)「諸葛亮」，就像zoom一樣。我們要知道GPT的出現(xiàn)不是偶然現(xiàn)象，而是歷史的必然，我們要好好把握這個(gè)機(jī)會(huì)。
潘毅：現(xiàn)在人工智能這么普及， ChatGPT 這么廣泛，怎么解決數(shù)據(jù)的隱私問題？
黃學(xué)東：這個(gè)問題問的太好了，這也是 Zoom 最近碰到一個(gè)事情 。Zoom 現(xiàn)在已經(jīng)宣布，不會(huì)從任何會(huì)議（包括音頻、視頻和對話 等形式）里面拿取數(shù)據(jù)去訓(xùn)練人工智能模型。用戶在使用Zoom 的時(shí)候，可以絕對放心，所有的數(shù)據(jù)是安全的。Zoom 在做兩件事情，保護(hù)數(shù)據(jù)隱私，加快聯(lián)邦人工智能2.0落地，這是公司最重要的戰(zhàn)略決策。
潘毅：假如把人類頂尖軍事家的思想都放到 AI 里面去，今后 AI 能不能超越人類的指揮的能力？
黃學(xué)東：我們很難預(yù)測AI 發(fā)展速度有多快，人們通常會(huì)高估短期內(nèi)技術(shù)能做什么事情，但是低估了技術(shù)發(fā)展 10 年、 20 年后對社會(huì)的貢獻(xiàn)。借用我演講的第一張圖來回答，以 1000 年的視野來看，社會(huì)的進(jìn)步曲線呈指數(shù)級(jí)上升趨勢，在德國古登堡發(fā)明金屬活字印刷機(jī)的時(shí)，社會(huì)發(fā)展還比較緩慢，而在蒸汽機(jī)發(fā)明之時(shí)，人類文明有了一個(gè)很大的提高。但在今天，人工智能是一個(gè)絕對的加速器，其所帶來的社會(huì)進(jìn)步會(huì)超越了大部分人的想象。瓦特絕對沒有想象蒸汽機(jī)發(fā)明對社會(huì)進(jìn)步的貢獻(xiàn)。麥克斯威爾也絕對沒有想象電磁理論可以推動(dòng)社會(huì)如此大的進(jìn)步，包括這個(gè)貝爾發(fā)明的電話對社會(huì)的溝通也起到了他想象不到的巨大作用。人工智能現(xiàn)在只是一個(gè)非常非常早期的階段，人工智能加上基因工程技術(shù)加持之下，我們每個(gè)人都可以變成更好的自我，不僅活得長、活得幸福、活得快樂，而且可以心想事成，整個(gè)社會(huì)也會(huì)有光明的前景。
潘毅：接下來，我想提一個(gè)私人的問題，最近我在元宇宙方面首次提出來把生命帶入元宇宙，也就是把神經(jīng)的鏈接數(shù)字化，真正體現(xiàn)人的永生。因?yàn)楝F(xiàn)在數(shù)字細(xì)胞已經(jīng)產(chǎn)生了，那么你對于怎么體現(xiàn)這個(gè)數(shù)字人「神」態(tài)的問題以及對于元宇宙的發(fā)展有什么想法？
黃學(xué)東：我覺得其實(shí)現(xiàn)在 AI 已經(jīng)可以跟大家開玩笑，也會(huì)在特定情形下表現(xiàn)得害羞。所以我覺得情感計(jì)算這件事情，在我們可預(yù)見的 10 年之內(nèi)肯定會(huì)發(fā)生。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
