AI革命真實(shí)不虛，但通往終局的地圖，連繪制它的人都一無(wú)所知。近日，Yann LeCun、李飛飛、黃仁勛、Geoffrey Hinton、Bill Dally，以及Yoshua Bengio六位AI領(lǐng)域的頂尖人物，因共獲伊麗莎白女王工程獎(jiǎng)而齊聚一堂，展開了一場(chǎng)關(guān)于人工智能的巔峰對(duì)話。

人類群星閃耀之時(shí)！

當(dāng)這6個(gè)人聚在一起，坐而論道的時(shí)候，你就知道事情并不簡(jiǎn)單！

這一次訪談非常寶貴，能把這6位AI天團(tuán)巨佬湊在一起。

本周，英偉達(dá)CEO黃仁勛、Meta首席AI科學(xué)家Yann LeCun，以及頂尖計(jì)算機(jī)科學(xué)家Yoshua Bengio、Geoffrey Hinton、李飛飛和Bill Dally共同榮獲本年度伊麗莎白女王工程獎(jiǎng)。

在這次訪談中，大佬們各自分享了自己職業(yè)生涯中的頓悟時(shí)刻。

這些「啊哈」時(shí)刻不僅給他們指明了研究方向，也徹底改變了人類社會(huì)科技的前進(jìn)方向。

并且這次6個(gè)人都圍繞一個(gè)核心問(wèn)題展開激辯：

我們?nèi)祟悾钦娴奶幱谝粓?chǎng)真實(shí)的AI產(chǎn)業(yè)革命之中？還是AI是一個(gè)即將破裂的，史上最大的泡沫？

四十年等待，只為一個(gè)「頓悟」時(shí)刻

主持人說(shuō)他們是這個(gè)星球上最杰出、最有影響力的6個(gè)人。

這絕非夸大其詞。

這場(chǎng)AI革命從何而來(lái)？

答案不是某個(gè)天才的靈光一閃，而是一群人的漫長(zhǎng)堅(jiān)守。

思想的火花，在40年前就已點(diǎn)燃。

AI教父Geoffrey Hinton回憶起1984年，他用當(dāng)時(shí)極其簡(jiǎn)陋的計(jì)算機(jī)，訓(xùn)練一個(gè)微型模型來(lái)預(yù)測(cè)序列中的下一個(gè)詞。

「我發(fā)現(xiàn)它竟然能學(xué)到詞語(yǔ)的含義！」他說(shuō)。

這，就是今天所有大語(yǔ)言模型最原始的雛形。

一個(gè)在黑暗中被點(diǎn)亮的、穿越了40年時(shí)光的想法。

Yann LeCun則坦言，自己年輕時(shí)是個(gè)「懶惰」的工程師，不想一行行編程去創(chuàng)造智能，而是著迷于「讓機(jī)器自己學(xué)會(huì)智能」。

這個(gè)看似偷懶的想法，正是機(jī)器學(xué)習(xí)的核心哲學(xué)。

但光有想法還不夠，革命需要燃料和引擎。

時(shí)間來(lái)到2006年，當(dāng)時(shí)還是年輕教授的李飛飛發(fā)現(xiàn)，所有算法都受困于一個(gè)問(wèn)題：數(shù)據(jù)太少了。

一個(gè)孩子在成長(zhǎng)中會(huì)看到海量的信息，而我們的機(jī)器卻在數(shù)據(jù)荒中挨餓。

于是，她和團(tuán)隊(duì)做了一件在當(dāng)時(shí)看來(lái)無(wú)比瘋狂的事——耗時(shí)三年，手動(dòng)標(biāo)注了1500萬(wàn)張圖片，創(chuàng)建了名為ImageNet的數(shù)據(jù)集。

這桶「燃料」被澆灌到AI領(lǐng)域后，瞬間引燃了整個(gè)行業(yè)。

與此同時(shí)，在英偉達(dá)，黃仁勛和他的同事們也在打造一臺(tái)越來(lái)越強(qiáng)大的「引擎」。

他們最初為游戲設(shè)計(jì)的GPU，意外地被發(fā)現(xiàn)是進(jìn)行深度學(xué)習(xí)計(jì)算的完美工具。

2010年，一個(gè)歷史性的早餐上，斯坦福的吳恩達(dá)教授告訴英偉達(dá)的科學(xué)家Bill Dally，他用了16000個(gè)CPU在網(wǎng)上識(shí)別貓。

Bill Dally和同事回去后，用僅僅48個(gè)GPU就復(fù)現(xiàn)了實(shí)驗(yàn)。

那一刻，他頓悟了：「我們應(yīng)該為深度學(xué)習(xí)制造專門的GPU?！?/p>

這些故事串在一起，就是一部AI誕生的「前傳」：

思想的火花在AI寒冬中，早已點(diǎn)燃，只待數(shù)據(jù)的燃料和算力的引擎到位，一場(chǎng)革命便無(wú)可阻擋。

六人頓悟時(shí)刻（精華版）

Yoshua Bengio

• 讀到Hinton早期論文。直覺：或許有如物理定律般的簡(jiǎn)單原則解釋智能、建造智能機(jī)。

• ChatGPT出現(xiàn)兩年半后警覺：機(jī)器理解語(yǔ)言、有目標(biāo)、卻難控。若更聰明或被濫用怎么辦？于是轉(zhuǎn)向安全與對(duì)策研究。

Bill Dally

• 90年代末「內(nèi)存墻」頓悟：用「流」連接內(nèi)核，做更多算術(shù)、少訪存。為GPU計(jì)算奠基。

• 2010年與吳恩達(dá)早餐：Google用16000 CPU找「貓」。受其啟發(fā)，2011年與同事用48 GPU復(fù)現(xiàn)。

• 結(jié)果驚人：下決心讓GPU專用于深度學(xué)習(xí)，并持續(xù)優(yōu)化。

Geoffrey Hinton

• 1984年做小型語(yǔ)言模型：用反向傳播預(yù)測(cè)下一個(gè)詞。模型自動(dòng)學(xué)到詞義特征及交互。思想與今天的LLM相同，只是很小、樣本僅100。

• 阻礙在于算力與數(shù)據(jù)不足。但當(dāng)時(shí)并不自知。

Jensen Huang（黃仁勛）

• 2010年左右同時(shí)收到多倫多、紐約大學(xué)、斯坦福的深度學(xué)習(xí)的早期信號(hào)。發(fā)現(xiàn)用「框架、結(jié)構(gòu)化表示」開發(fā)軟件，與芯片設(shè)計(jì)高度類比，可擴(kuò)展。

• 頓悟：一旦算法在單卡并行奏效，就能擴(kuò)到多卡、多機(jī)、數(shù)據(jù)中心。剩下的就是工程推演：數(shù)據(jù)多大、網(wǎng)絡(luò)多大、能解什么問(wèn)題。

Fei-Fei Li（李飛飛）

• 2006–2009年頓悟：難點(diǎn)不只在算法，而在數(shù)據(jù)。由此構(gòu)建ImageNet：1500萬(wàn)圖、2.2萬(wàn)類，眾包標(biāo)注。大數(shù)據(jù)驅(qū)動(dòng)機(jī)器學(xué)習(xí)。

• 2018年任Google Cloud AI首席科學(xué)家：AI是「文明級(jí)技術(shù)」，影響所有行業(yè)與個(gè)體?；厮固垢９矂?chuàng)HAI，提出「以人為本的AI」。

Yann LeCun（楊立昆）

• 本科即著迷「訓(xùn)練而非編程」的智能觀。1985結(jié)識(shí)Hinton，從多層網(wǎng)絡(luò)可訓(xùn)練性切入。

• 與Hinton曾辯論：監(jiān)督vs無(wú)監(jiān)督/自監(jiān)督。

• ImageNet的成功一度讓全域轉(zhuǎn)向監(jiān)督。

• 2016–2017再次強(qiáng)調(diào)自監(jiān)督；LLM是典范。下一步是視頻等非語(yǔ)言數(shù)據(jù)，自監(jiān)督仍是關(guān)鍵挑戰(zhàn)。

狂熱的當(dāng)下，我們正身處泡沫之中嗎？

好了，歷史講完，回到當(dāng)下最尖銳的問(wèn)題：

英偉達(dá)市值沖上云霄，全世界都在談?wù)揂I，這一切到底是真實(shí)的價(jià)值，還是又一個(gè)互聯(lián)網(wǎng)泡沫？

對(duì)此，黃仁勛給出了一個(gè)堪稱絕妙的回答。

在21世紀(jì)初的互聯(lián)網(wǎng)泡沫時(shí)期，整個(gè)行業(yè)鋪設(shè)了巨量的光纖，但其中絕大多數(shù)都是未被點(diǎn)亮的「暗光纖」，需求遠(yuǎn)遠(yuǎn)跟不上建設(shè)。

而今天，幾乎你能找到的每一塊GPU，都在被點(diǎn)亮并投入使用。

為什么？因?yàn)锳I從根本上改變了「價(jià)值」的生產(chǎn)方式。

老黃表示，我們正在創(chuàng)造一個(gè)全新的行業(yè)，一個(gè)智能工廠。

過(guò)去的軟件是「工具」，你買來(lái)使用即可。

而AI，第一次，成為了「生產(chǎn)力」本身。它不是內(nèi)容，而是實(shí)時(shí)生成的智能。

你不能提前生產(chǎn)好智能，再把它存起來(lái)。

每一次你問(wèn)ChatGPT問(wèn)題，它都在為你「生產(chǎn)」答案。

這個(gè)生產(chǎn)過(guò)程，需要巨大的計(jì)算能力，就像工廠需要機(jī)器和電力一樣。

因此，我們需要價(jià)值數(shù)千億美元的「AI工廠」（數(shù)據(jù)中心），來(lái)服務(wù)于一個(gè)建立在智能之上的、價(jià)值數(shù)萬(wàn)億美元的全新產(chǎn)業(yè)。

我們正處在構(gòu)建這個(gè)產(chǎn)業(yè)的初期，怎么會(huì)是泡沫呢？

換句話說(shuō)，這是繼農(nóng)業(yè)革命、工業(yè)革命之后，一場(chǎng)全新的「智能革命」的基建時(shí)期。

我們正處在為新世界鋪設(shè)水電煤氣管道的階段，而需求，才剛剛開始。

不過(guò)李飛飛和LeCun當(dāng)場(chǎng)還進(jìn)行了一場(chǎng)「辯論」。

李飛飛強(qiáng)調(diào)AI仍然是一個(gè)非常年輕的領(lǐng)域，除了語(yǔ)言之外，還存在廣闊的「空間智能」等前沿領(lǐng)域有待開拓。

Yann LeCun則指出，泡沫在于「認(rèn)為當(dāng)前的大語(yǔ)言模型范式最終能夠發(fā)展到人類水平的智能」這一想法，他個(gè)人并不相信，并認(rèn)為需要根本性的突破。

終極的未來(lái)，「人類級(jí)AI」還有多遠(yuǎn)？

這是整場(chǎng)對(duì)話最精彩的高潮。

當(dāng)被問(wèn)及「我們離那種與人類相當(dāng)?shù)闹悄苓€有多遠(yuǎn)」時(shí)，桌邊的六位大腦，給出了六幅截然不同的未來(lái)圖景。

「 務(wù)實(shí)派 」 黃仁勛

這個(gè)問(wèn)題不重要，而且它已經(jīng)發(fā)生了。

已有足夠「通用智能」轉(zhuǎn)化為大量有用應(yīng)用。

是否「人類級(jí)」并不重要；關(guān)鍵是持續(xù)應(yīng)用解決重大問(wèn)題。

他認(rèn)為，我們已經(jīng)擁有了足夠強(qiáng)大的AI，可以解決大量現(xiàn)實(shí)問(wèn)題。

糾結(jié)于一個(gè)學(xué)術(shù)上的「奇點(diǎn)」定義沒(méi)有意義。

技術(shù)正在以驚人的速度進(jìn)步，我們應(yīng)該專注于應(yīng)用它。

「 協(xié)作派 」Bill Dally

這壓根就是個(gè)錯(cuò)誤的問(wèn)題。

他說(shuō)，我們的目標(biāo)從來(lái)不是創(chuàng)造AI來(lái)取代人類，而是「增強(qiáng)」人類。

就像飛機(jī)一樣，它會(huì)飛，但它和鳥的飛行方式完全不同。

AI將是我們強(qiáng)大的助手，幫助我們處理我們不擅長(zhǎng)的事（比如記住22000種物體），讓我們能專注于創(chuàng)造、共情等獨(dú)屬于人類的領(lǐng)域。

AI 擅長(zhǎng)分類、解難題；人類擅長(zhǎng)創(chuàng)造、共情、社交。

是否「人類級(jí)」并不確定，但助力巨大。

「 開拓派 」 李飛飛：

她認(rèn)為我們甚至還沒(méi)搞懂「智能」的全貌。

機(jī)器將在部分維度「超人」（如識(shí)別 2.2 萬(wàn)物體、翻譯百種語(yǔ)言），但不會(huì)與人類智能同形。

像飛機(jī)會(huì)飛，但不像鳥。

人類智能仍是核心。

她提醒我們，人類的智能遠(yuǎn)不止語(yǔ)言。

我們?cè)诳臻g感知、與物理世界互動(dòng)方面的能力，是今天最強(qiáng)的AI也望塵莫及的。

她說(shuō)，AI作為一門學(xué)科才70多年，而物理學(xué)已經(jīng)400多年了。

「還有廣闊的前沿等待我們?nèi)フ鞣??！?/p>

「 懷疑派 」Yann LeCun

靠現(xiàn)在這條路，走不到終點(diǎn)。

不會(huì)是單一時(shí)刻。不同能力會(huì)漸進(jìn)擴(kuò)展。未來(lái) 5–10 年或出新范式，整體會(huì)比想象更久。

他直言不諱地指出，當(dāng)前的大語(yǔ)言模型范式，無(wú)法通向真正的人類級(jí)智能。

我們需要一些「根本性的突破」，才能造出哪怕和貓一樣聰明的機(jī)器人。

「我們?nèi)匀蝗笔Я四承┓浅Ｖ匾臇|西。」

「 預(yù)言派 」Geoffrey Hinton

他給出了一個(gè)具體的時(shí)間——20年。

這位AI教父用一個(gè)非常具體的標(biāo)準(zhǔn)定義了問(wèn)題：「多久以后，你和一臺(tái)機(jī)器辯論，它永遠(yuǎn)都能贏你？」

他的答案是：「我相當(dāng)肯定，在20年內(nèi)我們會(huì)做到?！?/p>

「 敬畏派 」Yoshua Bengio

充滿不確定性，但警惕指數(shù)級(jí)加速。

他認(rèn)為最終AI可做「幾乎人類能做的一切」。

但時(shí)間高度不確定，人類應(yīng)做好預(yù)案。

他認(rèn)為未來(lái)難以預(yù)測(cè)，但有一個(gè)「游戲規(guī)則改變者」——當(dāng)AI開始具備自己研究AI的能力時(shí)。

那時(shí)，AI將成為自己的「加速器」，自我迭代的速度可能會(huì)遠(yuǎn)超我們的想象。

AI時(shí)代杰出的6個(gè)人

雖然這些大佬都無(wú)人不知，無(wú)人不曉，但還是簡(jiǎn)單介紹一下他們。

這六位大佬覆蓋了從硬件、體系結(jié)構(gòu)、并行計(jì)算、基礎(chǔ)理論與算法到大規(guī)模視覺數(shù)據(jù)等多個(gè)維度，他們的貢獻(xiàn)協(xié)同推動(dòng)了今日AI與工程系統(tǒng)的巨大飛躍。

Jensen Huang，黃仁勛，英偉達(dá)聯(lián)合創(chuàng)始人兼首席執(zhí)行官。從3D圖形時(shí)代起便領(lǐng)導(dǎo)英偉達(dá)，并推動(dòng)了人工智能計(jì)算平臺(tái)的轉(zhuǎn)型。

Yann LeCun，楊立昆，法國(guó)計(jì)算機(jī)科學(xué)家，現(xiàn)任Meta首席AI科學(xué)家，長(zhǎng)期兼任紐約大學(xué)（NYU）教授。他是現(xiàn)代深度學(xué)習(xí)史上的重要人物之一。

Geoffrey Hinton，杰弗里·辛頓，被譽(yù)為「深度學(xué)習(xí)之父/人工智能教父」之一。老爺子可以說(shuō)是現(xiàn)在AI領(lǐng)域第一人，任何介紹都多余。

Yoshua Bengio，約書亞·本吉奧，加拿大計(jì)算機(jī)科學(xué)家、蒙特利爾大學(xué)教授、蒙特利爾學(xué)習(xí)算法研究所（MILA）科學(xué)主任，被稱作深度學(xué)習(xí)的關(guān)鍵人物之一。

Fei-Fei Li，李飛飛，在計(jì)算機(jī)視覺、大規(guī)模數(shù)據(jù)集建設(shè)和以人為本的AI方面影響深遠(yuǎn)。主導(dǎo)創(chuàng)建了著名的大規(guī)模視覺數(shù)據(jù)庫(kù)ImageNet。

Bill Dally，比爾·達(dá)利，美國(guó)計(jì)算機(jī)科學(xué)家、教育家，曾任麻省理工學(xué)院教授、斯坦福大學(xué)系主任，后加入英偉達(dá)擔(dān)任首席科學(xué)家和高級(jí)副總裁。他在高性能并行計(jì)算機(jī)體系結(jié)構(gòu)、互聯(lián)網(wǎng)絡(luò)、路由/同步/通信機(jī)制等方面做出基礎(chǔ)性研究。

參考資料：

https://www.youtube.com/watch?v=0zXSrsKlm5A

文章來(lái)源：新智元。