近期中國(guó)工程院院士、阿里云創(chuàng)始人王堅(jiān)與美國(guó)國(guó)家科學(xué)院、國(guó)家工程院、國(guó)家藝術(shù)與科學(xué)學(xué)院、物理學(xué)會(huì)四院院士特倫斯·謝諾夫斯基展開了一場(chǎng)精彩對(duì)話。兩位專家深入探討了人工智能的發(fā)展現(xiàn)狀、大語(yǔ)言模型的應(yīng)用與影響，以及如何將人工智能技術(shù)應(yīng)用于科學(xué)研究和教育領(lǐng)域，為大家呈現(xiàn)了人工智能的前沿觀點(diǎn)與未來(lái)發(fā)展方向。

人工智能已經(jīng)成為當(dāng)今最熱門的話題之一，然而很多人仍然覺得它遙不可及，事實(shí)上它早已悄然融入我們的生活，默默為我們的衣食住行提供助力。這種既遠(yuǎn)又近的感覺，恰恰是人工智能最特別的地方。

中央電視臺(tái)·央視頻特別節(jié)目《AI1001課》與中信出版集團(tuán)共同邀約到國(guó)內(nèi)外兩位人工智能領(lǐng)域的知名專家學(xué)者：阿里云創(chuàng)始人王堅(jiān)教授和《大語(yǔ)言模型》作者特倫斯·謝諾夫斯基教授，與我們共同走進(jìn)人工智能的世界，看看它如何影響當(dāng)下塑造未來(lái)。

01

大語(yǔ)言模型、三體與平權(quán)

主持人：談到人工智能，其實(shí)很多人最開始認(rèn)識(shí)到它，應(yīng)該是從一些科幻電影或者一些科幻小說(shuō)當(dāng)中。想問問王博士有沒有讓您記憶深刻的科幻電影或者科幻小說(shuō)。

王堅(jiān)：可能大家比較熟悉的就是《黑客帝國(guó)》。如果你記不得它是人工智能，但這個(gè)電影里邊肯定有個(gè)畫面大家不會(huì)忘掉，就是一串像代碼一樣的字符往下掉。這是那個(gè)時(shí)代最科幻的，甚至把那個(gè)時(shí)代的顏色也體現(xiàn)出來(lái)了——綠綠的，白白的，那樣就是未來(lái)。所有跟綠色有關(guān)都有自帶一種科技感和未來(lái)感。

最近幾年大家覺得比較科幻的就是《三體》，它反映了人們對(duì)一些今天還未知的、不存在的東西的追求。但實(shí)際上今天人工智能已經(jīng)開始深入到我們的生活，它不再是一個(gè)未來(lái)式的東西。尤其是今年年初DeepSeek給我們帶來(lái)巨大的驚喜。這半年以來(lái)有非常非常多的人工智能應(yīng)用上線。

除此之外，很多人都知道芯片是人工智能最基本的東西，如果我們沒有芯片，可能人工智能就沒法運(yùn)作。可是很少人知道另外一句話：在如今，如果沒有人工智能，芯片也造不出來(lái)。

所以如今芯片的復(fù)雜度已經(jīng)到了沒有人工智能做不了芯片。

如果去看谷歌這些企業(yè)就發(fā)現(xiàn)，他們花了很多精力在講人工智能怎么幫助我們?cè)O(shè)計(jì)下一代芯片。所以其實(shí)人類發(fā)展到今天，我們碰到的事情復(fù)雜度已經(jīng)非常非常大了，如果沒有一些更加先進(jìn)的工具來(lái)幫助我們，事實(shí)上我們很難做一些事情。

另外比如去年的這個(gè)巴黎奧運(yùn)會(huì)，我當(dāng)時(shí)跟奧委會(huì)開會(huì)聊奧林匹克的人工智能的議程的時(shí)候，我跟他們說(shuō)過(guò)這樣一句話：其實(shí)觀眾是沒有真正看到奧運(yùn)會(huì)精彩的鏡頭的，觀眾只看到了導(dǎo)演認(rèn)為的精彩的鏡頭，其實(shí)大部分的鏡頭可能從來(lái)沒人看過(guò)。所以去年奧運(yùn)會(huì)大家看到了很多因?yàn)橛辛巳斯ぶ悄懿乓姷降木淑R頭。所以人工智能其實(shí)比我們想象的有更多應(yīng)用場(chǎng)景。

主持人：可能在過(guò)去很多科學(xué)的術(shù)語(yǔ)跟老百姓其實(shí)沒有太多的關(guān)系，但現(xiàn)在人工智能時(shí)代來(lái)臨之后，跟人工智能有關(guān)的一些術(shù)語(yǔ)好像我們必須也要知道一下。在過(guò)去的一年的時(shí)間里面，媒體上不斷地出現(xiàn)各種各樣跟人工智能相關(guān)的詞語(yǔ)，比如像云計(jì)算、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大語(yǔ)言模型。您能不能快速地幫我們掃掃盲。

王堅(jiān)：第一個(gè)最關(guān)鍵的問題就是計(jì)算和智能的關(guān)系，人工智能是離不開計(jì)算的。云計(jì)算是今天為人工智能提供計(jì)算的最好的方式。聯(lián)合國(guó)去年寫過(guò)報(bào)告，認(rèn)為云計(jì)算現(xiàn)在不能夠讓所有人平權(quán)地去訪問，依舊是我們打造一個(gè)更具包容性的人工智能生態(tài)最大的障礙。

所以我想直接一點(diǎn)，如果沒有今天的云計(jì)算，可能就不會(huì)有今天的人工智能，盡管是兩個(gè)不同的技術(shù)，但是它們之間真是唇齒相依的關(guān)系。

第二件事情，我想先說(shuō)大語(yǔ)言模型。大語(yǔ)言模型是普通老百姓真正認(rèn)識(shí)到人工智能就在身邊，是觸手可及的一個(gè)非常重要的機(jī)會(huì)。因?yàn)榇笳Z(yǔ)言模型你每天都可以用�？梢岳斫獬山裉斓娜斯ぶ悄芫褪且源笳Z(yǔ)言模型為代表。

人工智能有很長(zhǎng)的過(guò)去，只有很短的歷史，大語(yǔ)言模型就是今天的人工智能。大語(yǔ)言模型也讓今天的人工智能跟以前的人工智能劃了一條分水嶺，是徹底不一樣了。

當(dāng)然中間有兩個(gè)非常重要的過(guò)渡。在技術(shù)發(fā)展的歷史上，那大語(yǔ)言模型依賴于神經(jīng)網(wǎng)絡(luò)的架構(gòu)。通俗來(lái)講，就是受大腦啟發(fā)出來(lái)的東西那就是神經(jīng)網(wǎng)絡(luò)本身的東西。中間又有一個(gè)很重要的問題是怎么能夠把數(shù)據(jù)很好地應(yīng)用，那深度學(xué)習(xí)就出來(lái)了。

所以從這個(gè)角度，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是建立在云計(jì)算的基礎(chǔ)上，為大語(yǔ)言模型做最重要的一個(gè)技術(shù)的儲(chǔ)備。在過(guò)去用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)其實(shí)醞釀了不同的技術(shù)的，但是很多沒有走到我們今天的大語(yǔ)言模型。所以這也是為什么大語(yǔ)言模型是有它獨(dú)立存在的條件。

如果再總結(jié)一下，云計(jì)算是所有東西的基礎(chǔ)，像基礎(chǔ)設(shè)施一樣的存在，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)是一個(gè)非常重要的基礎(chǔ)的方法，這個(gè)方法可能可以促成很多不同的新的東西誕生，但是其中最重要一個(gè)東西的誕生就是我們今天說(shuō)的人工智能，叫大語(yǔ)言模型。但是大語(yǔ)言模型又不是人工智能的全部的表現(xiàn)形式。

如果用汽車做個(gè)類比，大語(yǔ)言模型就是人工智能的引擎，至于你是造個(gè)跑車還是轎車，那大家都有各自的方法。

人工智能在今年破圈，或者是說(shuō)在最近幾年里面集中式的爆發(fā)，最重要是它真的做到了足夠好，它真的實(shí)現(xiàn)了通過(guò)了圖靈測(cè)試。

所以我覺得這是所有的技術(shù)的一個(gè)最基本的要求，就是你能不能好到一定程度真的能幫助人，而不是只是好到能夠跟人炫耀一下我有這個(gè)技術(shù)。

這背后的事實(shí)上有個(gè)很重要的契機(jī)是互聯(lián)網(wǎng)的發(fā)展，大語(yǔ)言模型是把整個(gè)互聯(lián)網(wǎng)裝到了一個(gè)模型里面。過(guò)去我們做搜索也是在互聯(lián)網(wǎng)上找東西，在過(guò)去幾十年互聯(lián)網(wǎng)積累的上面所有的東西被大語(yǔ)言模型裝到了一個(gè)口袋里，使得我們今天有機(jī)會(huì)真的能夠看到一個(gè)像人類智能一樣?xùn)|西的出現(xiàn)。所以我想這可能是它發(fā)展背后的一個(gè)非常非常重要的原因。

主持人：王博士，您現(xiàn)在所在的之江實(shí)驗(yàn)室發(fā)射了顆智能衛(wèi)星，在太空中進(jìn)行一個(gè)組網(wǎng)要把算力布置在太空當(dāng)中，這個(gè)項(xiàng)目還有一個(gè)非常動(dòng)聽的名字叫三體計(jì)算星座。讓人不禁聯(lián)想到劉慈欣的科幻小說(shuō)。

當(dāng)我們還在關(guān)注人工智能如何改善我們陸地生活的時(shí)候，你們?cè)趺聪氲桨讶斯ぶ悄芩蜕咸�？那么這件事情的意義是什么？

王堅(jiān)：這其實(shí)是個(gè)很大的話題，一是與我們對(duì)人工智能的認(rèn)知有關(guān)系，我自己覺得人類對(duì)太空的探索一定是我們很大一個(gè)窗口，像之江實(shí)驗(yàn)室是做前沿研究的實(shí)驗(yàn)室，在今天對(duì)地面很多場(chǎng)景的應(yīng)用，人工智能已經(jīng)到了一個(gè)相當(dāng)完善的境界了，我是非常有信心的，但是我們要問一個(gè)問題是下面的探索在哪里？那我覺得太空就是一個(gè)非常好的地方。

我想說(shuō)一個(gè)最簡(jiǎn)單的數(shù)據(jù)，盡管我們了解地球好像很多了，但事實(shí)上我們對(duì)地球是沒那么了解。來(lái)舉個(gè)最簡(jiǎn)單例子，事實(shí)上我們今天有那么多遙感衛(wèi)星在太空，大概只有不到百分之二十的數(shù)據(jù)被傳回到地面，非常地限制我們對(duì)地球本身的了解。

大家都知道，你不從外太空了解地球那就是盲人摸象。當(dāng)你發(fā)現(xiàn)只有不到20%的數(shù)據(jù)能傳回來(lái)，那就說(shuō)明什么，說(shuō)明天上沒有足夠的算力。

過(guò)去大家為什么覺得這件事情還沒那么迫切，因?yàn)檫^(guò)去算力到了天上也沒有更好的手段能真的了解地球做個(gè)模型出來(lái)。那人工智能恰巧在這個(gè)時(shí)候也相對(duì)成熟了，所以我想把算力搞到天上，把模型搞到天上，就變成了一個(gè)非常直接的命題。

在國(guó)際上也有一個(gè)非常好的想法，把它叫做地球智能。我們對(duì)地球的了解也到了另外一個(gè)水平上，不再只是我們拍幾張地球照片。今天如果不把在太空的衛(wèi)星互通互聯(lián)起來(lái)，是沒有辦法形成我們要的算力規(guī)模的。

所以中間有一個(gè)必要的過(guò)程就是太空中衛(wèi)星的互通互聯(lián)，但這個(gè)也是今天面臨的非常窘迫的現(xiàn)狀——現(xiàn)在天上有那么多衛(wèi)星，但衛(wèi)星之間是沒有關(guān)系的，它只能單一跟地面進(jìn)行通訊，甚至這些衛(wèi)星到了地面也互相沒有關(guān)系，這樣的話就受到了大大限制。

所以三體計(jì)算星座就是把算力送到太空，能夠做到讓衛(wèi)星互通互聯(lián)，最后把人工智能帶到太空，使得我們對(duì)地球的了解有一個(gè)全面支持可持續(xù)的發(fā)展。但是再往前走一步，其實(shí)地球上的所有表象也不是地球自己決定的，事實(shí)上是由太陽(yáng)決定，所以自然而然就會(huì)想到怎么了解太陽(yáng)。那今天有科學(xué)家就在設(shè)想我們應(yīng)該發(fā)射太陽(yáng)人造衛(wèi)星，是圍繞著太陽(yáng)轉(zhuǎn)的。

可以放太陽(yáng)人造衛(wèi)星的地方，大概是距離太陽(yáng)有一億五千萬(wàn)公里，離地球也有一億五千萬(wàn)公里。如果要傳回?cái)?shù)據(jù)來(lái)，技術(shù)上基本是不可行的。所以這個(gè)時(shí)候就需要完整的部署一個(gè)太空計(jì)算的系統(tǒng)。當(dāng)然是人最后要走出地球到火星上去的，那就更加需要這個(gè)系統(tǒng)。

所以我想這樣其實(shí)是讓我們對(duì)技術(shù)的未來(lái)會(huì)更有信心，當(dāng)然倒過(guò)來(lái)講這樣的技術(shù)嘗試對(duì)推動(dòng)我們本身的發(fā)展有非常大的作用。

主持人：那有多少衛(wèi)星才算是可以把這個(gè)系統(tǒng)串起來(lái)呢？

王堅(jiān)：作為一個(gè)實(shí)驗(yàn)室最基本的大概需要一千顆衛(wèi)星，唯一的辦法就是大家一起做，所以要?jiǎng)?chuàng)造一個(gè)新的機(jī)制才能做這樣的創(chuàng)新，那么這個(gè)機(jī)制就反映在我們這個(gè)星座的名字上，叫三體。那么三體從科學(xué)的含義當(dāng)然是來(lái)自牛頓的一個(gè)表達(dá)。在在宇宙在太空里面。只有兩個(gè)物體它們之間關(guān)系是有確定的解的，但有第三個(gè)物體的時(shí)候這個(gè)事就變得無(wú)限復(fù)雜。我們想做的是在這樣一個(gè)環(huán)境下，我們真的能不能跟成百上千的企業(yè)合作去完成這樣一件事情，所以我們就把它叫做三體。

所以這個(gè)計(jì)劃看上去最后還是要所有人的力量加起來(lái)。我們?cè)趪?guó)際上講的這句話的時(shí)候還是很打動(dòng)別人的——我們想最后三體計(jì)算星座可以把每一顆衛(wèi)星，分享給世界上的每一個(gè)人。

在這個(gè)軌道中的衛(wèi)星，也許它并不是專門做這件事情的，但我們打上去的那幾顆星是專門做這件事情，需要要借助更多的衛(wèi)星來(lái)組成這個(gè)網(wǎng)絡(luò)。而且衛(wèi)星恨不得你就是一個(gè)國(guó)家才有一顆，或者大公司有一顆，但我們所以我們希望以后每一個(gè)個(gè)體都可以在這樣的一個(gè)計(jì)劃里，這樣整個(gè)社會(huì)的創(chuàng)造力是會(huì)被大大地激發(fā)出來(lái)。

所以今天我們談到人工智能的時(shí)候我們經(jīng)常跟另外一個(gè)詞叫“平權(quán)”放在一起。其實(shí)它是一個(gè)分享的過(guò)程如果我們不是站在自己的角度而是站在社會(huì)創(chuàng)造力的角度，我們?cè)谶@個(gè)地球上的每一個(gè)人的創(chuàng)造力才能被充分地發(fā)揮出來(lái)，所以我想“三體”這個(gè)命名也有這個(gè)含義。

02

如何防止人工智能毀滅人類？“母愛”

主持人：接下來(lái)我們進(jìn)一步深度學(xué)習(xí)就要請(qǐng)出我們的另一位嘉賓。讓我們歡迎美國(guó)國(guó)家科學(xué)院、國(guó)家工程院、國(guó)家醫(yī)學(xué)院以及藝術(shù)與科學(xué)學(xué)院的四院院士，索爾克研究所弗朗西斯·克里克講席教授、計(jì)算神經(jīng)生物學(xué)實(shí)驗(yàn)室主任特倫斯·謝諾夫斯基教授。

兩位身上有很多共通的地方，第一個(gè)兩位都是跨學(xué)科的破界的專家：王教授是心理學(xué)的教授，特倫斯一位是腦神經(jīng)科學(xué)的教授，但是他們都不約而同的在人工智能的領(lǐng)域?qū)崿F(xiàn)了重大的突破，而且他們都是大型的科研實(shí)驗(yàn)室的負(fù)責(zé)人。在努力創(chuàng)新的路上他們也都曾經(jīng)在質(zhì)疑聲中咬牙堅(jiān)持，最終用他們的實(shí)力贏得認(rèn)可。接下來(lái)我們與兩位一起聊一聊這些同頻共振背后的這些故事。

謝諾夫斯基教授，您的專業(yè)背景是神經(jīng)科學(xué)，那么您如何看待腦科學(xué)與人工智能的融合？我們對(duì)大腦的認(rèn)知比如對(duì)情緒和意識(shí)這類概念的理解，又能如何幫助我們推動(dòng)人工智能的發(fā)展。

謝諾夫斯基：我們希望理解人類智能，而情緒顯然在其中發(fā)揮著作用，但并非所有人類情緒都是積極的，比如憤怒或者嫉妒。要知道我們未必希望在人工智能身上復(fù)制人類所有的特質(zhì)，無(wú)論是好的還是壞的。杰弗里?辛頓是我多年的好友兼合作伙伴，他最近提出了一個(gè)問題是我們?cè)撊绾畏乐谷斯ぶ悄軞缛祟�，他建議我們可以將“母愛”這一情感融入人工智能。核心思路是嬰兒出生后母親會(huì)將注意力集中在嬰兒身上，而這種情感源于激素調(diào)節(jié)與情緒作用。他認(rèn)為這種情感是非常值得融入人工智能的積極情緒。總體而言“人工智能”這一概念的誕生很大程度上正是受到了人類大腦結(jié)構(gòu)的啟發(fā)。

主持人：王博士的背景是心理學(xué)，那這心理學(xué)跟人工智能它又是怎么結(jié)合到一塊的？

王堅(jiān)：其實(shí)心理學(xué)跟大腦也有很多關(guān)系，包括大家熟悉的一些基本概念，比如說(shuō)像工作記憶，其實(shí)都是跟心理學(xué)有關(guān)系。所以我經(jīng)常講心理學(xué)應(yīng)該是人工智能的物理學(xué)，關(guān)于人工智能一些最基本的東西我覺得其實(shí)都是從心理學(xué)過(guò)來(lái)。

在達(dá)特茅斯開會(huì)的學(xué)者里邊有好幾位是心理學(xué)家，所以從第一天他們之間的關(guān)系就變得密不可分。實(shí)際上是不同學(xué)科的科學(xué)家共同創(chuàng)造出一個(gè)新的一個(gè)學(xué)科。事實(shí)上我一致認(rèn)為很難講人工智能是不是一個(gè)學(xué)科，而更像是不同的科學(xué)家都在創(chuàng)造的新領(lǐng)域。謝諾夫斯基這樣的教授來(lái)，其實(shí)也反映了這樣一點(diǎn)。

03

算法、算力與數(shù)據(jù)

主持人：我們一談到人工智能就會(huì)談到“三駕馬車”：算法、算力還有數(shù)據(jù)。所以我們今天先從這個(gè)算法來(lái)聊一聊。謝諾夫斯基教授作為神經(jīng)網(wǎng)絡(luò)領(lǐng)域的先驅(qū)，您認(rèn)為Transformer架構(gòu)為何能相較傳統(tǒng)方法具備如此顯著的優(yōu)勢(shì)呢？

謝諾夫斯基：首先Transformer是深度學(xué)習(xí)的一種變體，它屬于前饋神經(jīng)網(wǎng)絡(luò)。它的目標(biāo)非常簡(jiǎn)單，就是通過(guò)海量文本數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)一個(gè)核心功能預(yù)測(cè)句子中的下一個(gè)詞。

沒錯(cuò)，就是預(yù)測(cè)“下一個(gè)詞”。這種訓(xùn)練方式被稱為自監(jiān)督學(xué)習(xí)。現(xiàn)在這個(gè)架構(gòu)還額外增加了一個(gè)模塊。生物進(jìn)化中也常出現(xiàn)這種情況，以某種動(dòng)物的基礎(chǔ)大腦為核心，在此之上新增功能模塊，而非完全拋棄原有結(jié)構(gòu)從零開始。

Transformer新增的這個(gè)模塊就是自注意力機(jī)制，它是前饋鏈路中的重要組成部分，作用是在句子的不同詞語(yǔ)之間建立關(guān)聯(lián)，包括詞語(yǔ)間的聯(lián)系、詞語(yǔ)本身的含義等。我認(rèn)為這正是Transformer架構(gòu)中真正關(guān)鍵的創(chuàng)新之處。

主持人：除了算法然后就是算力，為什么算力對(duì)人工智能這么重要？今天我們看到每個(gè)國(guó)家都要發(fā)展人工智能，而且他們只要說(shuō)到提到人工智能就必提算力。為什么它這么重要的一件事？

王堅(jiān)：它其實(shí)跟人工智能發(fā)展有關(guān)系。從今天我們有的以神經(jīng)元受啟發(fā)的這個(gè)方法來(lái)講，其實(shí)剛才謝諾夫斯基介紹的點(diǎn)非常有意思。那個(gè)時(shí)候我讀研究生二年級(jí)，其實(shí)我們用了一個(gè)教科書，我想謝諾夫斯基教授應(yīng)該比較熟悉，我們叫PDP（并行分布式處理），講并行計(jì)算。那里邊講的都是神經(jīng)網(wǎng)絡(luò)的東西，那個(gè)時(shí)候我們?cè)趺丛谒愎?jié)點(diǎn)上的權(quán)重，我們就是在用筆算。那個(gè)時(shí)候輸出節(jié)點(diǎn)只有三個(gè)，中間的隱藏層只有兩個(gè)節(jié)點(diǎn)，所以你基本上靠一支筆都可以算，規(guī)模很小。而且那時(shí)候也有程序，在DOS（磁盤操作系統(tǒng)）下面的程序。所以我想那個(gè)時(shí)候最重要的一件事情就是規(guī)模不夠大。

這個(gè)規(guī)模什么時(shí)候可以大到一定程度，就是辛頓跟他的幾個(gè)學(xué)生做AlexNet的時(shí)候。所以他們發(fā)表了那篇著名的文章，第一次把數(shù)據(jù)、算法跟算力放在一起了。但在那個(gè)時(shí)候的規(guī)模也還沒有那么大，只是辛頓的學(xué)生亞歷克斯在他自己的寢室里，在自己的電腦上插了兩塊GPU卡（顯卡）。但對(duì)那時(shí)的做研究的來(lái)講已經(jīng)是一個(gè)很大的算力。

就像謝諾夫斯基講到，當(dāng)Transformer有了自注意力的機(jī)制的時(shí)候，這個(gè)模型對(duì)算力的需是大大地增加，所以我想這中間就是很明顯的證明了為什么算力那么重要。因?yàn)閿?shù)據(jù)足夠大了模型足夠復(fù)雜了，模型對(duì)算力的需求就大大地增加了，我們又找到了GPU（顯卡）這么一條路，所以就造成了我們今天事實(shí)上對(duì)算力的需求是成百萬(wàn)倍的增加。

主持人：有了算法有了算力，還有一個(gè)最重要的資產(chǎn)就是數(shù)據(jù)。在今天我們談到數(shù)據(jù)的時(shí)候，幾乎已經(jīng)把它上升到經(jīng)濟(jì)學(xué)的生產(chǎn)資料范疇里了。其實(shí)王堅(jiān)教授做的很多的事情，包括像城市大腦，它背后就必須要海量數(shù)據(jù)來(lái)支持。能不能給我們講講這個(gè)數(shù)據(jù)是怎么幫我們解決一些原來(lái)解決不了的問題？

王堅(jiān)：其實(shí)數(shù)據(jù)就是一定是規(guī)模達(dá)到一定程度的時(shí)候，會(huì)發(fā)生質(zhì)的變化。我覺得互聯(lián)網(wǎng)是一個(gè)最典型的案例了。今天有大語(yǔ)言模型的存在，就是因?yàn)榛ヂ?lián)網(wǎng)上的文本的數(shù)據(jù)其實(shí)是足夠大的。

第二點(diǎn)是今天大語(yǔ)言模型只談到了文本的數(shù)據(jù)或者互聯(lián)網(wǎng)上文本的數(shù)據(jù)，這為什么我們叫它是語(yǔ)言模型。那事實(shí)上在過(guò)去的幾百年，科學(xué)研究也積累了很多數(shù)據(jù)。但很多數(shù)據(jù)不是文本。這部分事實(shí)上還像寶藏一樣沒有被觸及。

所以可以想象今天人工智能涉及到的數(shù)據(jù)，也只是我們這個(gè)地球擁有數(shù)據(jù)的很少的一部分。這既說(shuō)明了在模型這個(gè)角度還有很多的可能性，也說(shuō)明它可能未來(lái)對(duì)算力的要求會(huì)更高。

04

對(duì)AI禮貌有用嗎？

大語(yǔ)言模型是否存在幻覺？

主持人：今天也想為大家介紹兩本謝諾夫斯基先生的書：《深度學(xué)習(xí)》和《大語(yǔ)言模型》。我聽到一個(gè)很有意思的故事，您當(dāng)年寫《深度學(xué)習(xí)》的時(shí)候花了大約2年時(shí)間才完成，但您最新一本關(guān)于《大語(yǔ)言模型》的書只用了1年就寫完了。所以想請(qǐng)教您具體是如何利用人工智能提升寫作效率的呢？

謝諾夫斯基：首先我將ChatGPT用作實(shí)例，換句話說(shuō)我實(shí)際用它做實(shí)驗(yàn)進(jìn)行測(cè)試。并且在書中每一項(xiàng)測(cè)試都配有專屬的標(biāo)注框，這樣讀者就能清楚區(qū)分哪些內(nèi)容是ChatGPT的輸出。哪些是我本人的表述。

除此之外我還做了一件比較特別的事，目前我還沒在其他地方看到有人這么做：在每章的結(jié)尾我會(huì)把整章內(nèi)容發(fā)給ChatGPT，然后要求它為普通讀者總結(jié)本章內(nèi)容，結(jié)果非常出色。

說(shuō)實(shí)話它總結(jié)得比我自己寫得還要好，而且這本書的審稿人也反饋對(duì)他們而言這些總結(jié)比章節(jié)原文更容易理解。

主持人：我想有不少人正在使用ChatGPT或其他類似的應(yīng)用，您有沒有什么關(guān)于提示詞的使用技巧可以和大家分享一下呢？

謝諾夫斯基：當(dāng)你與ChatGPT或者DeepSeek或其他任何大型語(yǔ)言模型交互時(shí)，必須明確告訴它要扮演什么角色，因?yàn)檫@些模型已經(jīng)吸收了各類作者、各行業(yè)從業(yè)者，比如醫(yī)學(xué)、法律領(lǐng)域的角色特質(zhì)。理論上你可以向它提出任何領(lǐng)域的問題，所以你得明確指令，比如你現(xiàn)在是全球頂尖的癌癥醫(yī)學(xué)專家，請(qǐng)針對(duì)這個(gè)醫(yī)學(xué)問題給出解答。你需要清晰地說(shuō)明自己的問題以及對(duì)回答的預(yù)期，越明確越好。

其次有一點(diǎn)讓我特別意外，這是我從一篇文章里看到的，你會(huì)驚喜地發(fā)現(xiàn)如果你很禮貌，你得到的回復(fù)質(zhì)量會(huì)高很多。這就像與人交流一樣，如果你的態(tài)度生硬，在模型這個(gè)角度還有很多的可能性，得到的回應(yīng)也會(huì)很敷衍。

但如果你能積極反饋表達(dá)認(rèn)可，那對(duì)方給出的回應(yīng)質(zhì)量也會(huì)顯著提升。

主持人：我很好奇您剛才提到的對(duì)人工智能保持禮貌這個(gè)技巧，因?yàn)橛腥藭?huì)提出不同觀點(diǎn)。有部分人覺得這樣做會(huì)占用過(guò)多的tokens（詞元）反而可能影響回答質(zhì)量。您覺得這里的權(quán)衡點(diǎn)在哪里？

謝諾夫斯基：我認(rèn)為用占用過(guò)多tokens來(lái)解釋這個(gè)問題是不準(zhǔn)確的。其實(shí)當(dāng)你對(duì)人工智能表現(xiàn)禮貌時(shí)，本質(zhì)上是激活了它更多的功能模塊，就像人類大腦一樣不同區(qū)域負(fù)責(zé)不同功能，而社交互動(dòng)是人類大腦的重要功能之一，我們的前額葉皮層就負(fù)責(zé)處理人際交互相關(guān)的活動(dòng)。

有意思的是研究發(fā)現(xiàn)大語(yǔ)言模型也存在類似人類前額葉皮層的功能模塊，所以如果你希望像與人交流一樣與人工智能互動(dòng)，就需要用對(duì)待人的方式去對(duì)待它。

主持人：教授我還有一個(gè)關(guān)于大語(yǔ)言模型的問題。我知道大語(yǔ)言模型存在幻覺的情況，但您之前提出過(guò)一個(gè)觀點(diǎn)，認(rèn)為這種幻覺也可以被看作是一種創(chuàng)造力的體現(xiàn)，您能具體談?wù)勥@一點(diǎn)嗎？

謝諾夫斯基：首先我認(rèn)為從某種意義上來(lái)說(shuō)幻覺這個(gè)詞用得并不恰當(dāng)，它會(huì)給人錯(cuò)誤的印象。并不是說(shuō)大語(yǔ)言模型像服用了致幻藥物一樣產(chǎn)生了意識(shí)混亂，完全不是這樣的。所謂的“幻覺輸出”實(shí)際上邏輯性非常強(qiáng)，表述也很精準(zhǔn)，同時(shí)還具備很強(qiáng)的創(chuàng)造性。

就像我之前說(shuō)的你可以讓它寫一首詩(shī)，這首詩(shī)里會(huì)包含新穎的元素。順便提一句現(xiàn)在很多作家也在借助它來(lái)輔助創(chuàng)作，如果它沒有創(chuàng)造性，作家們就不會(huì)對(duì)它感興趣了。

王堅(jiān)：我和謝諾夫斯基的想法很接近。今天幾乎所有在批評(píng)語(yǔ)言模型那些詞，以前都是用在人的身上，這說(shuō)明人也是有這些弱點(diǎn)，但人的弱點(diǎn)不是人不該有的東西，而只是他弱點(diǎn)。所以我一直覺得其實(shí)這個(gè)事情不值得大驚小怪。

另外如果這樣的一個(gè)特性在人工智能上表現(xiàn)出來(lái)，事實(shí)上給了我們更多的機(jī)會(huì)去研究它。如果在人的身上可能還不太好研究，但是因?yàn)樵谶@個(gè)人工智能上，我們有更多機(jī)會(huì)去了解它。盡管我不能完全贊同這個(gè)“幻覺”就是創(chuàng)造力，因?yàn)樵谛睦韺W(xué)里面這是兩個(gè)不同的事情。但是不管怎么樣我覺得這是一個(gè)非常有意思的現(xiàn)象，我覺得至少是不值得擔(dān)心的一個(gè)現(xiàn)象。

關(guān)于數(shù)據(jù)這件事情，我覺得非常有意思。謝諾夫斯基教授也在說(shuō)數(shù)據(jù)質(zhì)量的問題，可是我們還是要承認(rèn)數(shù)據(jù)本身無(wú)所謂質(zhì)量的好壞，可是數(shù)據(jù)最后的質(zhì)量是人決定的，也是人決定了用什么樣的數(shù)據(jù)去確認(rèn)模型。

主持人：您認(rèn)為大語(yǔ)言模型的未來(lái)發(fā)展方向是怎樣的呢

謝諾夫斯基：首先我覺得大語(yǔ)言模型在數(shù)據(jù)量和模型規(guī)模方面似乎正逐漸接近一個(gè)瓶頸。目前還不清楚單純?cè)龃竽Ｐ鸵?guī)模是否能讓性能持續(xù)提升，或許讓模型的覆蓋范圍更全面會(huì)更好。不過(guò)我們發(fā)現(xiàn)關(guān)鍵不在于數(shù)據(jù)量本身，而在于數(shù)據(jù)的質(zhì)量。也就是說(shuō)現(xiàn)在如果直接從網(wǎng)絡(luò)上抓取數(shù)據(jù)會(huì)得到各種各樣無(wú)關(guān)的內(nèi)容，這些內(nèi)容可能沒什么幫助，甚至與人類價(jià)值觀相悖，但如果對(duì)數(shù)據(jù)進(jìn)行篩選，讓數(shù)據(jù)更有針對(duì)性且更純凈，當(dāng)然這需要投入大量精力，不過(guò)現(xiàn)在已有多家公司證明這樣做不僅能讓模型輸出更好的結(jié)果，還能縮小模型規(guī)模。所以這才是我們需要努力的方向。

我們需要獲取更高質(zhì)量的數(shù)據(jù)，而且不僅需要覆蓋全球的全面數(shù)據(jù)，還需要針對(duì)特定領(lǐng)域的專屬數(shù)據(jù)，比如醫(yī)學(xué)、法律等領(lǐng)域。就像人類有各領(lǐng)域的專家一樣，未來(lái)我們也會(huì)有各領(lǐng)域的人工智能專家。

05

AI時(shí)代孩子應(yīng)該學(xué)什么？

主持人：如果放在一個(gè)更長(zhǎng)遠(yuǎn)的一個(gè)未來(lái)，當(dāng)人工智能進(jìn)一步的發(fā)展進(jìn)入到我們生活的方方面面，我們的孩子以后怎么辦？我們的孩子還需要學(xué)習(xí)具體的知識(shí)嗎？未來(lái)我們應(yīng)該怎么去培養(yǎng)我們的孩子，在人工智能無(wú)處不在的時(shí)代里他們應(yīng)該具備什能力。

王堅(jiān)：我覺得這個(gè)可能是一個(gè)今天沒辦法有準(zhǔn)確答案的問題。首先孩子比我們學(xué)得快，孩子對(duì)這個(gè)問題怎么想可能是超出我們想象，甚至超過(guò)創(chuàng)造技術(shù)的這些人的想象。所以我覺得這個(gè)可能很難有一個(gè)很好的答案。

但我們還是可以回到一個(gè)最基本的面上去討論。圖靈曾經(jīng)說(shuō)過(guò)一句話，他就說(shuō)人的大腦，加上一張紙、一支筆和一個(gè)橡皮擦，再加上一定的規(guī)則，就是一臺(tái)通用機(jī)器。所以大家可以設(shè)想一下，其實(shí)我們的大腦如果沒有一張紙、一支筆的話，其實(shí)我們的創(chuàng)造力是釋放不出來(lái)的。今天我們有了人工智能，有了像大語(yǔ)言模型這樣的東西，是另外意義上的一張紙一支筆，把我們?nèi)说膭?chuàng)造力給釋放出來(lái)。我們真正怎么把小孩的創(chuàng)造力給釋放出來(lái)，可能就會(huì)變成一個(gè)非常重要的問題。

有了紙和筆以后，可能有的小孩字還是寫歪的，有的字還是寫潦草。有人能寫出一篇很好的詩(shī)，可能有的人解一個(gè)很好的算術(shù)題。我想可能人工智能幫助我們也是從這個(gè)角度幫助，它不會(huì)讓人變得更加一樣，而會(huì)讓創(chuàng)造力變得更加不一樣，創(chuàng)造出不同的價(jià)值。

謝諾夫斯基：我想接著聊聊“多樣性”這個(gè)概念。如果你觀察整個(gè)生物學(xué)領(lǐng)域，就會(huì)發(fā)現(xiàn)沒有兩個(gè)人是完全相同的，你身體里也沒有兩個(gè)完全相同的細(xì)胞。生物學(xué)本質(zhì)上是一門研究多樣性的科學(xué)，而孩子們也具有很強(qiáng)的多樣性。任何一個(gè)有兩個(gè)孩子的家長(zhǎng)都會(huì)意識(shí)到這一點(diǎn)。

每個(gè)學(xué)生使用人工智能的方式都會(huì)有所不同，我們不能用統(tǒng)一的模式去要求他們，必須給孩子足夠的空間。他們天生好奇，會(huì)主動(dòng)接觸各種事物，像玩玩具一樣探索，還擁有豐富的想象力，我認(rèn)為人工智能本質(zhì)上會(huì)為他們提供新的工具、新的與世界互動(dòng)的方式，幫助他們產(chǎn)生更好的想法。

我舉個(gè)例子，現(xiàn)在有一些國(guó)際象棋程序水平已經(jīng)能達(dá)到人類頂尖棋手的級(jí)別，甚至能和國(guó)際象棋世界冠軍抗衡。在我這一代最偉大的國(guó)際象棋冠軍是一位成長(zhǎng)于小鎮(zhèn)的挪威人叫馬格努斯?卡爾森。過(guò)去國(guó)際象棋大師通常在大城市的象棋俱樂部里對(duì)弈，那他是如何成為世界冠軍的呢？他的方法是和國(guó)際象棋程序?qū)摹＿@確實(shí)這讓國(guó)際象棋變得“大眾化”了。也就是說(shuō)你不必身處紐約、莫斯科或北京這樣的大城市，也能通過(guò)與程序?qū)奶嵘逅嚒?/p>

現(xiàn)在這種情況也會(huì)發(fā)生在孩子們身上，他們會(huì)和人工智能互動(dòng)探索，無(wú)論他們身處世界的哪個(gè)角落，不管是在這里還是在非洲。

王堅(jiān)：謝諾夫斯基講的是國(guó)際象棋其實(shí)很有意思的。其實(shí)中國(guó)下圍棋的人很多了，對(duì)很多小孩他一生是沒有機(jī)會(huì)跟九段的棋手下棋的，但是有了圍棋的這個(gè)程序以后，他就會(huì)有機(jī)會(huì)跟一個(gè)九段的棋手下棋。

2017年5月在中國(guó)烏鎮(zhèn)柯潔對(duì)戰(zhàn)AlphaGo

所以這個(gè)其實(shí)幫助了人類很多東西，它的意義不是它比人下得好下得壞，而是它給所有的人創(chuàng)造出很多不同的機(jī)會(huì)，會(huì)讓更多的小孩飛速進(jìn)步。

06

從大語(yǔ)言模型到大型科學(xué)模型

主持人：那我們現(xiàn)在再回歸到那個(gè)您兩位科學(xué)家的身份以及你們現(xiàn)在正在帶領(lǐng)的這個(gè)大型實(shí)驗(yàn)室的科研工作。比如說(shuō)像在之江實(shí)驗(yàn)室，我們現(xiàn)在在做哪些跟人工智能相關(guān)的一些比較有意思前沿的研究呢？

王堅(jiān)：我們看大語(yǔ)言模型其實(shí)要分成兩部分，一個(gè)就是我們今天看到的大語(yǔ)言模型，另外一個(gè)是要它下面的作為支持大語(yǔ)言模型架構(gòu)。這個(gè)架構(gòu)今天可能大家比較熟悉的就是Transformer，但是不管怎么樣它是個(gè)大語(yǔ)言模型，它的呈現(xiàn)效果就是用大量的文本。

那么之江實(shí)驗(yàn)室希望專注在怎么讓人工智能技術(shù)能幫助科學(xué)發(fā)現(xiàn)，所以我們?cè)谧鲆粋�(gè)非常重要的事情，我把它叫做大型科學(xué)模型。

其中一個(gè)很重要的差別就是你能不能夠用除了文本以外的科學(xué)數(shù)據(jù)，比如說(shuō)光學(xué)觀察、地學(xué)的數(shù)據(jù)，這些數(shù)據(jù)都不是傳統(tǒng)意義上的文本。

我跟天文學(xué)家跟地學(xué)家討論的時(shí)候，他們告訴我如果要讀懂一篇天文學(xué)或者地學(xué)論文，你讀不懂圖的話，是讀不懂這篇論文的。所以就說(shuō)明我們?cè)诔宋谋疽酝�，還有非常多東西要做。

所以如何把科學(xué)數(shù)據(jù)能夠放入我們今天大語(yǔ)言模型的框架下，這是一個(gè)非常大的挑戰(zhàn)。

這個(gè)挑戰(zhàn)如果從數(shù)據(jù)角度解讀，就是怎么為科學(xué)數(shù)據(jù)做分詞（tokenization）。這就是之江實(shí)驗(yàn)室目前非常關(guān)注的在大科學(xué)基礎(chǔ)模型上真正幫助科學(xué)發(fā)現(xiàn)。

謝諾夫斯基：科學(xué)界正在經(jīng)歷一場(chǎng)變革，正如大家已經(jīng)知道的，2024年的諾貝爾化學(xué)獎(jiǎng)授予了利用人工智能解決某一難題的研究。這個(gè)難題是生物學(xué)家曾認(rèn)為永遠(yuǎn)無(wú)法攻克的，那就是蛋白質(zhì)折疊問題。

在你身體的每個(gè)細(xì)胞里都存在數(shù)千種不同的蛋白質(zhì)，蛋白質(zhì)的功能由其折疊形成的三維結(jié)構(gòu)決定，而通過(guò)第一性原理來(lái)計(jì)算這種三維結(jié)構(gòu)在計(jì)算層面上曾是不可行的。但可以通過(guò)利用已有的晶體結(jié)構(gòu)數(shù)據(jù)訓(xùn)練一個(gè)網(wǎng)絡(luò)，去預(yù)測(cè)新的蛋白質(zhì)結(jié)構(gòu)。

現(xiàn)在我們知道了每個(gè)物種中蛋白質(zhì)的功能，還能直觀看到它們的三維結(jié)構(gòu)。例如現(xiàn)在設(shè)計(jì)藥物不僅速度更快。準(zhǔn)確性也更高，這都要?dú)w功于人工智能。未來(lái)幾十年里這將對(duì)醫(yī)學(xué)產(chǎn)生巨大影響，而這只是科學(xué)界眾多案例中的一個(gè)。

人工智能正在切實(shí)改變?nèi)祟惱矛F(xiàn)有理論解決實(shí)際問題的方式，這些問題的解決將在我們生活的方方面面提供幫助。

王堅(jiān)：這個(gè)例子恰恰就是我講的大科學(xué)模型的最基本的出發(fā)點(diǎn)，撇開對(duì)生物科學(xué)的貢獻(xiàn)，這里面還有一個(gè)非常非常重要的貢獻(xiàn)，就是怎么把蛋白質(zhì)的數(shù)據(jù)能夠很好地放到一個(gè)模型里面去，這是傳統(tǒng)的文本模型很難完成的事情。

所以我想是不是能夠有一個(gè)更加通用的，可以把科學(xué)的數(shù)據(jù)跟現(xiàn)在人工智能模型結(jié)合的方法。

這是一個(gè)非常大的挑戰(zhàn)，而且它一旦跑通之后潛力是巨量的。

我跟幾個(gè)天文學(xué)家合作，他們說(shuō)過(guò)一句很有意思的話。因?yàn)槲覀兘?jīng)常講“一張圖勝過(guò)千言萬(wàn)語(yǔ)”他們后面加了一句話“一段光譜對(duì)勝過(guò)千萬(wàn)張圖”。所以這光譜就是科學(xué)數(shù)據(jù)。

07

堅(jiān)守科研初心，相信自己的直覺

主持人：我們還有一樣?xùn)|西要您看，這張照片大概是在三四十年前拍攝的吧？照片里還有杰弗里?辛頓。您還記得當(dāng)時(shí)和辛頓教授在討論什么內(nèi)容嗎？

謝諾夫斯基與辛頓

謝諾夫斯基：是的，這是我在哈佛醫(yī)學(xué)院做博士后的時(shí)候，在我公寓門口拍的。具體到那個(gè)瞬間的對(duì)話我已經(jīng)記不太清了，但我們當(dāng)時(shí)正在一起研究一個(gè)叫“約束滿足”的課題。比如在視覺研究中圖像不同部分的拼接方式是存在約束條件的，就像人臉的輪廓，這在研究中被稱為“圖像分割”。

我們當(dāng)時(shí)正嘗試通過(guò)手動(dòng)設(shè)計(jì)小型神經(jīng)網(wǎng)絡(luò)來(lái)解決這類問題，那就是我們研究的起點(diǎn)，也是思考視覺問題的核心開端—思考視覺系統(tǒng)是如何工作的。

我們對(duì)視覺系統(tǒng)的工作原理其實(shí)毫無(wú)頭緒，因?yàn)檫@一切都是在潛意識(shí)層面發(fā)生的，所以這就需要一種全新的研究方法，而這也為現(xiàn)代人工智能的發(fā)展奠定了基礎(chǔ)，讓我們開始從大腦內(nèi)部尋找靈感。

主持人：您和辛頓教授在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的合作經(jīng)歷過(guò)一段被質(zhì)疑的時(shí)期，您個(gè)人是如何度過(guò)那個(gè)階段的呢？

謝諾夫斯基：其實(shí)從某種意義上來(lái)說(shuō)我們當(dāng)時(shí)是在開辟一個(gè)新的研究方向，這也印證了年輕研究者的價(jià)值。當(dāng)時(shí)人工智能領(lǐng)域的主流觀點(diǎn)是采用邏輯符號(hào)和規(guī)則，但我們提出不應(yīng)該這樣，我們必須參考人類大腦的組織方式。大腦具有高度并行的結(jié)構(gòu)，神經(jīng)元之間存在大量連接，而其核心關(guān)鍵就在于“學(xué)習(xí)”機(jī)制。當(dāng)時(shí)我們吸引了很多年輕研究者加入，所以我們是一股從基層崛起的力量。

我打個(gè)比方，我們就像恐龍腳下那些不起眼的小型哺乳動(dòng)物。王堅(jiān)教授提到過(guò)在加州大學(xué)圣地亞哥分校開展的并行分布式處理研究，順便說(shuō)一句，辛頓當(dāng)時(shí)就在那里做博士后，我是在他組織的一個(gè)小型研討會(huì)上認(rèn)識(shí)他的。

所以科學(xué)的進(jìn)步往往就是這樣從一小群有著不同想法的研究者開始，朝著獨(dú)特的方向探索。

王堅(jiān)：其實(shí)就在幾周前我還在中國(guó)見到了辛頓，我和他聊起了那段時(shí)期的研究，他對(duì)當(dāng)時(shí)的情況還有書中提到的那段歲月依然記得非常清楚，那段時(shí)光真的太難忘了，感謝您寫的《深度學(xué)習(xí)》這本書，它是我早期學(xué)術(shù)生涯的重要啟蒙。

其實(shí)我一直認(rèn)為，堅(jiān)持你相信的就是要專注，相信你堅(jiān)持的就是要有耐心。而這個(gè)耐心如果回到人工智能的話，就像謝諾夫斯基講的。我經(jīng)常跟別人開玩笑說(shuō)你要做一件事情，如果你自己沒想好你能不能堅(jiān)持至少干十年的話，那我的建議就是你不要干這些。那特別是對(duì)創(chuàng)新可能是一個(gè)更加基本的道理了。

幾個(gè)星期以前碰見辛頓我就跟他講起發(fā)生的事情，他說(shuō)的第一句話就是：你看，當(dāng)年談的這些事情今天都發(fā)生了，可是這已經(jīng)是過(guò)去了。所以我就覺得十年都是一個(gè)很短的數(shù)字，所以才會(huì)有這個(gè)堅(jiān)持你相信的，相信你堅(jiān)持的。

主持人：那么謝諾夫斯基教授，您作為腦科學(xué)家能否教教我們?cè)撊绾斡?xùn)練自己的大腦，從而更好地理解或?qū)嵺`深度學(xué)習(xí)呢？

謝諾夫斯基教授：我認(rèn)為教育領(lǐng)域?qū)⒊蔀槿斯ぶ悄茏钪匾膽?yīng)用方向。我們知道幫助孩子學(xué)習(xí)的最佳方式是與優(yōu)秀的教育者進(jìn)行一對(duì)一互動(dòng)，這類教育者既專業(yè)又了解孩子的特點(diǎn)。但目前的課堂上往往有幾十個(gè)能力各異的孩子，是很難針對(duì)每個(gè)孩子提供個(gè)性化指導(dǎo)。不過(guò)如果我們?yōu)槊總�(gè)孩子配備人工智能輔導(dǎo)老師，就能極大地助力他們的學(xué)習(xí)，而且這種模式未來(lái)會(huì)在全球范圍內(nèi)普及，所以我認(rèn)為這就是教育的未來(lái)方向。

為此我也盡了自己的努力，我在Coursera平臺(tái)上開設(shè)了一門名為《學(xué)會(huì)如何學(xué)習(xí)》的在線課程，全球已有200多個(gè)國(guó)家的600萬(wàn)人參與了這門課程，學(xué)員年齡從10歲到90歲不等。這門課程的設(shè)計(jì)基于我們對(duì)人類大腦的認(rèn)知以及提升學(xué)習(xí)能力的方法，而且這是一門免費(fèi)的在線課程。我的合作伙伴芭芭拉?奧克利是世界級(jí)的教育專家，而我則在幕后負(fù)責(zé)解釋她給出的學(xué)習(xí)建議背后涉及的大腦運(yùn)作機(jī)制，也就是大腦如何處理這些學(xué)習(xí)方法，并利用我們對(duì)大腦的認(rèn)知幫助人們成為更優(yōu)秀的學(xué)習(xí)者。

主持人：我最后還有一個(gè)問題要給到兩位，關(guān)于給我們的年輕人的一些建議，如何在這個(gè)人工智能時(shí)代能夠保持不可替代的競(jìng)爭(zhēng)力和創(chuàng)造力，我們的年輕人需要擁有那些思維或者能力？

王堅(jiān)：我覺得用深度學(xué)習(xí)的一句話，我覺得我們還是需要深度的思考，今天我們所有的面臨的技術(shù)好像讓我們就不需要思考了，但事實(shí)上深度思考還是非常重要的。

我記得互聯(lián)網(wǎng)剛出來(lái)的時(shí)候《大西洋月刊》曾經(jīng)寫過(guò)一篇文章，說(shuō)互聯(lián)網(wǎng)的出現(xiàn)會(huì)不會(huì)讓人變得更加淺�。渴聦�(shí)上我今天不好說(shuō)有沒有這個(gè)答案，但是我想這樣的問題會(huì)一直伴隨著我們技術(shù)的發(fā)展，所以我想我們還是應(yīng)該更加深入地思考問題。更加有批判性。批判性思維是最重要。

謝諾夫斯基：我的建議是相信自己的直覺，當(dāng)專家告訴你某件事不可能時(shí)，不要輕易相信。因?yàn)樵?0世紀(jì)80年代我們就處于這樣的境地，當(dāng)時(shí)也有人說(shuō)我們正在嘗試的事情是不可能實(shí)現(xiàn)的。我想王博士也提到過(guò)，那就是堅(jiān)持不懈。像ChatGPT這樣看似一夜成功的成果，背后其實(shí)是四十年的不懈努力，所以堅(jiān)持是成功的關(guān)鍵。

主持人：在我們節(jié)目快要結(jié)束的時(shí)候，教授您能為觀眾推薦幾本關(guān)于人工智能的好書嗎？

謝諾夫斯基：其實(shí)我非常推薦我自己寫的書，現(xiàn)在市面上的人工智能相關(guān)書籍非常多，有很多實(shí)用類書籍教大家怎么使用ChatGPT，這類書現(xiàn)在很受歡迎。但如果是剛?cè)腴T的學(xué)生或者想了解現(xiàn)代人工智能起源歷史的人，我認(rèn)為更重要的書籍是我寫的《深度學(xué)習(xí)》。這本書出版于2018年，雖然聽起來(lái)已經(jīng)過(guò)去很久了，但實(shí)際上現(xiàn)在仍在重印。

另外還有一本我強(qiáng)烈推薦的書。大型語(yǔ)言模型其實(shí)只是模擬大腦頂部大腦皮層的模型，而大腦還有數(shù)百個(gè)其他功能區(qū)域，如果你們對(duì)大腦其他部分的工作原理感興趣，我強(qiáng)烈推薦我和帕特?邱吉爾合著的《計(jì)算大腦》。這本書出版于1982年，它原本是為普通讀者寫的，向大家解釋大腦的工作方式，也面向工程師群體，同時(shí)還介紹了當(dāng)時(shí)新興的學(xué)習(xí)算法。我們將這些算法引入了神經(jīng)科學(xué)領(lǐng)域，所以這本書會(huì)是一個(gè)很好的起點(diǎn)。

王堅(jiān)：我建議大家趁這個(gè)時(shí)候去讀一些最基礎(chǔ)的心理學(xué)的大學(xué)教科書。因?yàn)橛行┳罨镜牡览砥鋵?shí)在教科書里面都說(shuō)的很清晰，這樣少了我們很多無(wú)謂的一些爭(zhēng)論。

>End

本文轉(zhuǎn)載自“中信出版社”，原標(biāo)題《王堅(jiān)對(duì)話AI奠基人謝諾夫斯基：如何防止人工智能毀滅人類？也許是“母愛”》。

為分享前沿資訊及有價(jià)值的觀點(diǎn)，太空與網(wǎng)絡(luò)微信公眾號(hào)轉(zhuǎn)載此文，并經(jīng)過(guò)編輯。

未按照規(guī)范轉(zhuǎn)載及引用者，我們保留追究相應(yīng)責(zé)任的權(quán)利

部分圖片難以找到原始出處，故文中未加以標(biāo)注，如若侵犯了您的權(quán)益，請(qǐng)第一時(shí)間聯(lián)系我們。

HISTORY/往期推薦

充滿激情的新時(shí)代，

充滿挑戰(zhàn)的新疆域，

與踔厲奮發(fā)的引領(lǐng)者，

卓爾不群的企業(yè)家，

一起開拓，

一起體驗(yàn)，

一起感悟，

共同打造更真品質(zhì)，

共同實(shí)現(xiàn)更高價(jià)值，

共同見證商業(yè)航天更大的跨越！

——《太空與網(wǎng)絡(luò)》，觀察，記錄，傳播，引領(lǐng)。

·《衛(wèi)星與網(wǎng)絡(luò)》創(chuàng)始人：劉雨菲

·《衛(wèi)星與網(wǎng)絡(luò)》副社長(zhǎng)：王俊峰

·微信公眾號(hào)（ID：satnetdy）團(tuán)隊(duì)

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監(jiān)：董濘

專業(yè)攝影：馮小京、宋偉

設(shè)計(jì)部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業(yè)務(wù)部：王錦熙、瑾怡

原創(chuàng)文章轉(zhuǎn)載授權(quán)、轉(zhuǎn)載文章侵權(quán)、投稿等事宜，請(qǐng)加微信：15910858067

商務(wù)合作；展覽展廳設(shè)計(jì)、企業(yè)VI/CI及室內(nèi)設(shè)計(jì)、企業(yè)文化建設(shè)及品牌推廣；企業(yè)口碑傳播及整體營(yíng)銷傳播等，請(qǐng)加微信：13811260603

雜志訂閱，請(qǐng)加微信：wangxiaoyu9960

·衛(wèi)星與網(wǎng)絡(luò)各分部：

成都分部負(fù)責(zé)人：沈淮

長(zhǎng)沙分部負(fù)責(zé)人：賓鴻浦

西安分部負(fù)責(zé)人：郭朝暉

青島分部負(fù)責(zé)人：江偉

·衛(wèi)星與網(wǎng)絡(luò)總部負(fù)責(zé)人：農(nóng)燕

·會(huì)議活動(dòng)部負(fù)責(zé)人：喬顥益、許克新、董今福

· 投融資及戰(zhàn)略層面合作：劉雨菲

·本平臺(tái)簽約設(shè)計(jì)公司：一畫開天（北京）文化創(chuàng)意設(shè)計(jì)有限公司

· 航天加（深圳）股權(quán)投資基金管理負(fù)責(zé)人：楊艷