人工智能大模型時代的機遇和挑戰

戴新宇

一、什么是智能？什么是人工智能？

（一）人類對自身智能的認知仍然有限

整個人類的發展歷史，其實就是一個進化的歷史。幾百萬年前環境的變化驅動了人類的進化，從類人猿到直立行走，到會使用工具，到進入工業化時代，到今天的智能化時代，都是環境的改變驅動人類的進化，進化驅動大腦的發育，發育驅動大腦的進化。

人的智能是從哪里來？或者說人的智慧從哪里來？人類慢慢知道大腦是人類智能的中樞控制系統。因為大腦有神經系統，可以控制我們的思維，控制我們的行動，控制我們的學習能力等。大腦是思維的一個中樞系統，但是真正讓人類進化和改變世界其實是靠我們這雙手，手是智能的外化。也就是說，實際上是手使用工具，大腦只是思維和思考，真正去執行，去使用技術，還是依賴我們這雙手。從使用簡單的智能工具，到使用工業革命之后的機械化工具，到現在使用互聯網和移動互聯網，都離不開這雙手。

驅動人類智能進化的核心是語言。我們今天講的大模型，其實最早就是大語言的模型，是多模態的模型。語言也是智能的關鍵。生物也有智能，包括低等生物都有智能，但是所謂的人類的高級智能，是因為我們有語言。語言是我們交流的工具、知識的載體，或者是傳遞的載體，它是智能進化的一個關鍵，它讓我們表達、交流，驅動技術的發展。

其實從人類有意識開始，大家就在想，能不能用人工去模擬我們的智能？古典哲學家有一個基本的假設，所謂的人工智能能不能實現？人類的思考過程、思維過程，大腦怎么運作的？能不能符號化、機械化？因為只有符號化、機械化，人才能用機器替代它。但是很可惜的是，人類其實對自身智能的認知非常有限。現在腦科學的研究僅僅停留在大腦有各種各樣的區域，這些區域有的控制我們的記憶，有的控制我們的學習能力，有的控制我們的推理能力，有的控制我們的語言能力，各個區域有一定分工。人類大腦雖然有800億到900億的神經元，這個神經元驅動我們大腦的整個思維過程，但是大象可能有2000多億的神經元，但它為什么沒有人聰明？科學家說人類更多的神經元是集中在大腦的皮質層，皮質層幫助我們有很強的學習能力、推理能力等。所以，我們對人類智能的認知還是非常有限，我們并不清楚大腦是怎么工作的。

（二）從功能主義角度去模擬人類的智能

那么人工智能假設就有問題了，我們不知道大腦怎么工作的，怎么對它做符號化、機械化呢？其實沒有關系，我們從功能主義的角度去模擬人工智能。首先，我們不要求對人類的認知過程、人腦的運轉機理有完整的了解，我們試圖用符號化、機械化的方式模擬這些能力就可以了。

人類有哪些智能呢？人類有感知能力，有各種感官系統，通過眼睛、耳朵、皮膚，我們可以感知到外部的世界，獲取外部世界的信息；我們有抽象能力、記憶能力、學習能力等，再進一步高級智能，我們有推理能力、決策能力、語言能力、類比能力、創造能力等，這是人類智能的各種能力。盡管我們現在對人類的認知機理不是那么清楚，但是并不妨礙我們去設計各種各樣的人工智能系統，去仿真或者模擬這樣的能力。

馬文·閔斯基是人工智能奠基者之一，1956年達特茅斯人工智能會議的創始人之一，他認為“人工智能就是讓機器來完成那些由人來做則需要智能的科學”。就是某一件事如果要人來做，需要某種能力才能完成，通過機器來做，那就是人工智能。

其次，我們不要求人工智能全面地達到人類的智能水平。如果全面地研究腦科學，研究人腦怎么工作的，怎么全面地去做仿真，我們現在達不到（這個能力），只能去做模擬，所以我們不需要全面達到。其實全面達到也是有問題的，現在很多人說人工智能威脅論，真的全面達到可能會產生威脅。所以我們只要它做事就可以了，不需要它具有意識，不需要它具有情感。當然這個情感、意識等，很多科學家也在做相關研究了。

鳥類也有智能，它的腦袋只有幾克重量，但鳥的智能水平也挺高，它在樹林穿梭絕對不會碰到一片樹葉，而我們的無人機現在避障還沒有鳥那么靈活。鳥會做路線規劃，會做食物辨別，等等，有很強的智能。我們并不知道鳥的大腦的工作原理，不知道它怎么避障，但是并不妨礙我們現在可以做出自主巡航的大飛機。所以我們可以做一個類比，一個是生物智能，一個是人工智能。

我們要用機器去實現人工智能。機器實現人工智能有哪些要素呢？比如人類有學習能力，那人工智能有學習能力，包括深度學習能力；人類有聽力，有語言表達能力，所以人工智能可以語音識別、語音合成；人類有眼睛，那人工智能有計算機視覺，可以采集各種外部數據；人類有語言交流表達能力，所以人工智能有一個研究領域叫自然語言處理；人可以做專家，人工智能以后會有專家系統，可以做決策，做推理；人可以做規劃，比如路線規劃，那導航就是一個人工智能系統，幫我們做路線規劃；人可以運動，機器人就是仿造人類的運動能力。

二、人工智能大模型簡介

（一）人工智能進入大語言模型時代

我們通常說1956年是人工智能的元年，經過快70年的發展，其實人工智能已經賦能我們生活的方方面面。我們每天都在接觸人工智能的產品，雖然我們有的時候并沒有意識到它的存在，但都在享用人工智能賦能我們生活帶來的便利。

人工智能還可以賦能各個行業，即人工智能+X，這個X可能是金融行業、教育行業、電力行業、法律行業等，包括我們今天的傳媒主題。

最近半年，人工智能有一個顛覆性的動作，就是人工智能進入大模型時代。這個大模型技術，其實過去幾年一直在發展。2022年11月30日，OpenAI發布了ChatGPT，引起了全社會的震撼。ChatGPT為什么影響這么大？因為每一個人都可以使用它，每一個人都可以感受到它的強大。我們可以跟它聊天，跟它討論問題，詢問它一些信息，它可以跟我們的生活息息相關。它本質上是一個自然語言對話方式的人機交互系統。

我們一直想讓機器跟人類實現自由的交互。ChatGPT在發布2個月后，全球達到了1億用戶。有數據對比，在全球范圍內，TikTok 9個月達到了1億用戶，Facebook幾十個月達到了1億用戶，而手機用了15年達到了1億用戶。再往前推，傳統的固定電話，用了75年才達到了1億用戶。所以ChatGPT這個人機對話系統帶給大家的震撼力是非常強的。

哲學家維特根斯坦說：語言的邊界就是世界的邊界，知識的邊界。我們從小到大的學習過程，其實也是不停地跟父母、跟老師、跟同學、跟朋友的交流過程，我們學到了各種知識，了解了這個世界。整個學習過程是用語言交流完成的。其實ChatGPT就是做這么一件事情，當它把整個語言的知識都學會，它就能夠了解世界的邊界，了解知識的邊界。

更通俗地去解釋這件事，就是人和機器要互動，要交互。ChatGPT最終完善的版本，應該是完全懂人話，說人話。現在它是能懂點人話，會說點人話。它通過語言交流學到了各種知識，了解了這個世界之后，它在一定程度上學會了思考，有一些通用能力，一些創造力。大模型就是這樣。

（二）GPT類大模型

ChatGPT，CHAT是聊天，GPT是什么？ChatGPT是一個人工智能的對話系統，一個互動系統，GPT的英文是Generative Pre-trained Transformer，是生成式的模型。第一個叫Generative（生成），它一個字一個字蹦出來，就像我們說話一樣的，叫生成式。然后它是一個預訓練的Transformer，是一個網絡結構，它本質上是語言大模型，實際上是一個詞語接龍的游戲。ChatGPT的參數規模是1750億個參數，預訓練的目的就是準確預測下一個接龍單詞是什么。基于海量的數據，經過預訓練，ChatGPT擁有相當量級的參數規模，模型能力已經很強大，剩下的是怎么進一步馴化它。

互聯網上有很多的數據，大模型也好，人工智能也好，數據是基本要素之一。數據經過預測模型，預訓練之后可以得到一個能力很強大的魔獸，但是這個魔獸有的時候不知所措，它不知道每個時間點該完成什么樣的任務，進一步經過指令學習，我們可以對它做訓練和分工，比如扔給它一堆文字，你幫我翻譯一下，它就做中英翻譯；你幫我寫一段代碼，它就做代碼的生成；你幫我去寫一個新聞稿，它去寫新聞稿。當我們把這樣成千上萬的數據喂給它，它就知道什么時候該干什么，你只要有一個正確的指令給它，它就知道下一步該做什么，但是這個時候我們還不敢用它，因為有的時候它會亂說，它說的內容不符合我們人類的價值觀。所以下一步，我們要用人類反饋強化學習。我們要訓練它說出我們想聽的話，說出符合人類價值觀的話。我們國內的各個大模型也在經過這幾步的訓練。

（三）大模型時代走向通用人工智能

在過去幾十年，人工智能各個方面已經有了巨大的發展，有了各種各樣的能力，但是之前是專用人工智能，比如說圖像識別，它只能識別人臉，識別路況。現在是通用人工智能，ChatGPT可以做各種任務，可以寫作、聊天、問答、翻譯、編程，甚至可以參加考試。我們通過語言的訓練來強化它的學習能力，它可以把任務之間的邊界給打破，這也造就了現在大模型的學習能力強。它會現學現用，會舉一反三，甚至有推理能力。它還有一定的創造能力，所謂AIGC，就是幫助人類生成各種各樣的內容，這個內容的生成不能是簡單的重復，還要有創造。其實，懂人話和說人話，是從感知智能到認知智能的一個巨大發展。

微軟有一篇文章稱ChatGPT是通用人工智能的火花。我們并不能說ChatGPT就是通用人工智能的唯一路徑，但是起碼它點燃了一個火花，或者說可能的一條路徑出現了。ChatGPT+X，就是ChatGPT在各個行業做一些應用和探索，比如跟傳媒行業的結合。

三、大模型賦能傳媒行業內容生成、交互方式

（一）ChatGPT+X：賦能傳媒

1.內容生成（AIGC）

內容生成并不是剛剛有的，過去十年一直做這個事情，只不過現在大家對AIGC這個概念提得更多了。其實內容生成主要是數據源在哪兒。數據源有官方數據庫、專業數據公司，企業數據庫、互聯網數據、社交媒體、論壇等。2014年美聯社推出WordSmith，2015年騰訊推出DreamWriter，2016年新華社推出快筆小新。2022年11月30日，ChatGPT出來之后，很多人開始迅速用它創作，其實是快速做了一個推進。當然這里也會帶來一些問題，比如假新聞，甚至多模態的創作生成的圖片是AI生成的，我們怎樣審核，這是一個非常重要的課題。

2.新的交互方式

大模型時代最大的推動，是交互方式的改變。人在幾百萬年的進化過程中，人和人交流，人和人互動，對人類社會的發展起到巨大的作用。計算機誕生之后，人也在跟機器自然地互動，而且這幾十年的發展，人機互動進入了一個新的階段，最早的人機互動是鼠標鍵盤、電腦系統，但是我們一直希望人和機器可以用自然語言做交互，這是最順暢的。我把它歸結為幾個時代：第一個時代是互聯網時代，人機交互是用百度、谷歌，人主動去檢索，我們稱為主動搜索的時代。第二個是移動互聯網時代，機器會主動地推個性化的信息給不同的用戶，機器主動發起，人類是被動的，所以是被動的內容推薦時代。第三個是大模型時代，我們真的實現人機的互動，雙向的交互，大模型時代最核心的就是多輪的對話交互。這種交互方式的改變給傳媒業帶來什么變化？

（二）人機雙向交互——視頻媒體的視角

人機交互的方式變化以后，從媒體視角來看，AIGC怎樣創作用戶喜歡的內容？怎么滿足用戶個性化的需求？內容怎么傳遞給用戶？從內容角度來看，用戶在內容選擇上，經歷了選頻道—關鍵詞搜索—個性化推薦幾個時代，和人機交互的演變過程是一樣的。從傳播角度來看，用戶經歷了名主播—大眾主播—數字人主播，下一個階段是什么？下一步就是人機雙向交互。用戶跟主播做交互，但是主播就一個，怎么能夠響應那么多用戶的需求？所以主播也會分身，有數字分身，不同的用戶需求不一樣，主播的數字分身可以與不同用戶交互。還有就是用戶之間也變成雙向交互，有點類似于元宇宙的概念。

四、大模型的挑戰

（一）大模型時代的挑戰

大模型還是存在不足，一是沒有可解釋性，缺少透明的機制。它中間的神經網絡是一個黑盒子，你也不知道它怎么預測下一次。二是違背事實的一本正經的胡說八道，缺少可控機制。我們說ChatGPT可以懂人話，可以說人話，但是我們希望它不亂說話。三是無法應對復雜的系統任務，缺少符號推理的機制。人是有一些結構化知識的，怎么結合，這個也是一個問題。四是模型無法實時更新，ChatGPT的大模型不能快速更新它的參數，它有一些方法可以去快速更新，但是沒有辦法把它整個模型做一個更新，所以它缺少在線學習機制。五是深層次的編碼機制，語言編碼和圖像編碼的差異，缺少理論支撐。

還有一個很大的挑戰，新的技術帶來新的國家安全和社會管理風險。用戶隱私怎么保護，生成的內容版權怎么界定，生成的內容是不是符合倫理，我們在用它的時候有沒有審查機制，怎樣保證整個AI系統的安全性，會不會被攻擊等等。

（二）大模型時代的發展趨勢

大模型時代短期內的發展趨勢，一個是通用大模型，像垂直領域的大模型，比如傳媒大模型，貼合傳媒業務，還有一個是語言對話系統，往人工大腦方向發展。

AIGC的發展方向，從語言文本，到音視圖文，再到動作行為，最終的發展趨勢，人類社會往人機共生的社會發展，媒體行業有什么新業態，可以進一步思考和探討。