來源：美股IPO

這是一個(gè)人類 AI 群星閃耀時(shí)的時(shí)刻——黃仁勛、李飛飛、杰弗里·辛頓（Geoffrey Hinton）、約書亞·本吉奧（Yoshua Bengio）、楊立昆（Yann LeCun）、比爾·戴利（Bill Dally），罕見同臺(tái)參與同一個(gè)圓桌討論 AI。之所以能聚在一起，是因?yàn)樗麄兞双@得了 2025 年伊麗莎白女王工程獎(jiǎng)。當(dāng)?shù)貢r(shí)間 11 月 5 日，六人在圍繞該獎(jiǎng)項(xiàng)的一場(chǎng)英國 AI 活動(dòng)上進(jìn)行了一場(chǎng)圓桌對(duì)談。

圖 | 從左到右：諾貝爾獎(jiǎng)得主杰弗里·辛頓（Geoffrey Hinton）、圖靈獎(jiǎng)得主約書亞·本吉奧（Yoshua Bengio）、圖靈獎(jiǎng)得主楊立昆（Yann LeCun）、英偉達(dá) CEO 黃仁勛、美國斯坦福大學(xué)教授李飛飛和英偉達(dá)首席科學(xué)家兼高級(jí)副總裁比爾·戴利（Bill Dally）（來源：https://www.ft.com/content/5f2f411c-3600-483b-bee8-4f06473ecdc0）

對(duì)談中，他們六位針對(duì)當(dāng)前 AI 發(fā)展是否存在泡沫發(fā)表了自己的觀點(diǎn)，同時(shí)均認(rèn)為 AI 將逐漸接近人類智能。

黃仁勛表示過去的軟件本質(zhì)上是工具，是首次被人們使用的自動(dòng)化手段。而 AI 是增強(qiáng)人類能力的智能，因此它關(guān)乎勞動(dòng)、關(guān)乎工作，并且它確實(shí)在發(fā)揮著實(shí)際作用。在黃仁勛看來，人類正處在智能構(gòu)建的起步期。并指出一個(gè)基本事實(shí)是，目前 AI 還未普及到大多數(shù)人。他認(rèn)為在不久的將來，我們?nèi)粘５膸缀跛行袨椋谝惶熘械拿繒r(shí)每刻，都會(huì)以某種方式與 AI 相伴。這意味著，人類需要完成從今天使用率尚低、到未來使用率幾乎不間斷的巨大跨越，而這背后的擴(kuò)展工程是顯而易見的。

李飛飛指出，AI 還是一個(gè)非常年輕的領(lǐng)域。即便對(duì)比現(xiàn)代物理學(xué)，AI 的歷史也不足七十年，從艾倫·圖靈（Alan Turing）算起也才七十五年左右。所以，前方還有太多新領(lǐng)域等待出現(xiàn)。她認(rèn)為，機(jī)器的某些能力將超越人類智能，而另一些機(jī)器智能則永遠(yuǎn)不會(huì)與人類智能趨同或等同。因?yàn)樗鼈兊脑O(shè)計(jì)初衷就與人類不同，是為不同的目的而生的。

辛頓認(rèn)為假如問他“與機(jī)器進(jìn)行辯論，它需要多久才能永久性地勝出”這個(gè)問題，他認(rèn)為這必定會(huì)在二十年內(nèi)成為現(xiàn)實(shí)。人類目前尚未達(dá)到這一水平，但辛頓認(rèn)為在二十年內(nèi)必將實(shí)現(xiàn)。但他同時(shí)指出，如果將 AGI 定義為在辯論中總能勝過人類，那么人類很可能在不到二十年的時(shí)間內(nèi)達(dá)成這個(gè)目標(biāo)。

約書亞認(rèn)為人類不該繼續(xù)使用“大語言模型”這個(gè)稱呼，因?yàn)樗鼈兊墓δ芤堰h(yuǎn)超語言范疇。并指出人類無法預(yù)言未來幾年或十年的具體技術(shù)樣貌，但趨勢(shì)是可以把握的。為此，約書亞認(rèn)為人類應(yīng)當(dāng)保持一種真正的不可知論立場(chǎng)，避免做出過于夸張的斷言，因?yàn)槲磥淼目赡苄允情_放且多樣的。他還表示目前自己正著手聯(lián)絡(luò)國際專家，共同追蹤 AI 的進(jìn)展、方向、潛在風(fēng)險(xiǎn)以及應(yīng)對(duì)之道。

Yann LeCun 認(rèn)為 AI 泡沫確實(shí)存在——它體現(xiàn)在一種信念上，即認(rèn)為當(dāng)前的大語言模型范式將被直接推升至人類水平智能。在人類造出真正具備人類所觀察到的（不僅是人類，還包括動(dòng)物）那種智能的機(jī)器之前，人們還需要取得一些根本性的突破。

作為英偉達(dá)的首席科學(xué)家，Bill Dally 指出 AI 應(yīng)該填補(bǔ)人類能力的空白。人類識(shí)別不了 22,000 種物品，大多數(shù)人也解決不了那些甲基雙性問題，這些就可以交給 AI 來做。當(dāng)人類能騰出精力，去從事那些更具人性特質(zhì)的工作：比如創(chuàng)造、共情，以及人際互動(dòng)。

圖 | AI 群星閃耀時(shí)：六位 AI 領(lǐng)軍人物進(jìn)行圓桌訪談（來源：https://www.ft.com/content/5f2f411c-3600-483b-bee8-4f06473ecdc0）

以下為對(duì)談實(shí)錄，DeepTech 做了不改變?cè)獾木庉嫞?/p>

六人暢談人生關(guān)鍵時(shí)刻

主持人：各位好，無論您身處下午還是早晨。我很高興能受托介紹圍坐在這張桌旁的杰出人物們，在我看來他們是當(dāng)今世界上最為出色、也最具影響力的六位人物。并且，我認(rèn)為這絕非夸大其詞。他們就是 2025 年伊麗莎白女王工程獎(jiǎng)的得主。這個(gè)獎(jiǎng)項(xiàng)正是為了表彰這幾位獲獎(jiǎng)?wù)邔?duì)當(dāng)今 AI 技術(shù)所產(chǎn)生的獨(dú)特影響。我希望聽聽你們每個(gè)人的經(jīng)歷：在你們的職業(yè)生涯里，有沒有那樣一個(gè)靈光乍現(xiàn)的瞬間，讓你感覺從此改變了自己工作的軌跡？那個(gè)真正觸動(dòng)你的個(gè)人覺醒時(shí)刻是什么？它又是怎樣影響到這項(xiàng)技術(shù)發(fā)展的？可以先從你開始嗎，Yoshua？

Yoshua Bengio：有兩個(gè)關(guān)鍵節(jié)點(diǎn)讓我記憶猶新。第一個(gè)是我研究生時(shí)期，正苦于尋找一個(gè)有吸引力的研究課題。當(dāng)我讀到 Geoffrey 的早期論文時(shí)，感覺豁然開朗。我內(nèi)心非常激動(dòng)，覺得其中可能蘊(yùn)藏著像物理學(xué)定律一樣優(yōu)美而基本的原則，能指引我們理解智慧的本質(zhì)，并最終建造出智能機(jī)器。而第二個(gè)時(shí)刻，大概是兩年半前 ChatGPT 橫空出世的時(shí)候。它給了我當(dāng)頭一棒，讓我不禁反思：我們到底在做什么？如果我們開發(fā)出能懂語言、有自己目標(biāo)但我們卻管不住的機(jī)器，會(huì)發(fā)生什么？如果它們比我們更聰明呢？如果有人濫用這種力量呢？正是這種強(qiáng)烈的危機(jī)感，促使我下定決心，徹底扭轉(zhuǎn)了我的研究軌道和職業(yè)道路，盡我所能去應(yīng)對(duì)這個(gè)問題。

Bill Dally：我和約書亞的經(jīng)歷也有些相似之處。那是在 20 世紀(jì) 90 年代末，當(dāng)時(shí)我在斯坦福大學(xué)主要在研究如何突破所謂的“內(nèi)存墻”難題——即從內(nèi)存中獲取數(shù)據(jù)所需的能耗與時(shí)間，遠(yuǎn)遠(yuǎn)高于數(shù)據(jù)計(jì)算本身。后來我萌生了一個(gè)想法：將計(jì)算組織成由數(shù)據(jù)流連接的核心模塊。這樣就能在執(zhí)行大量算術(shù)運(yùn)算的同時(shí)，大幅減少對(duì)內(nèi)存的訪問。這個(gè)思路，實(shí)際上為后來被稱為“流處理”、并最終發(fā)展為 GPU 計(jì)算的技術(shù)奠定了基礎(chǔ)。所以在我們最初構(gòu)建它的時(shí)候，就意識(shí)到它不僅能夠用于圖形處理，更可以應(yīng)用于通用的科學(xué)計(jì)算領(lǐng)域。而我的第二個(gè)關(guān)鍵時(shí)刻，是某次在斯坦福與我的同事安德魯·安格（Andrew Ang）共進(jìn)早餐時(shí)。他當(dāng)時(shí)在谷歌工作，正利用一項(xiàng)名為“神經(jīng)網(wǎng)絡(luò)”的技術(shù)，在互聯(lián)網(wǎng)上尋找貓的圖片——而且動(dòng)用了 16,000 個(gè) CPU。他成功說服了我，讓我相信這是一項(xiàng)非常出色的技術(shù)。于是，我聯(lián)合其他人利用英偉達(dá)的 48 塊 GPU 重現(xiàn)了整個(gè)實(shí)驗(yàn)。在親眼見證結(jié)果的那一刻，我內(nèi)心無比堅(jiān)定：這就是英偉達(dá)應(yīng)該全力以赴的事業(yè)。我們必須調(diào)整 GPU 的設(shè)計(jì)方向，使其更好地服務(wù)于深度學(xué)習(xí)。原因很清楚，這項(xiàng)技術(shù)的用武之地遠(yuǎn)不止于在互聯(lián)網(wǎng)上找貓，它擁有廣闊的應(yīng)用前景，能滲透到各行各業(yè)?？梢哉f，正是那個(gè)時(shí)刻，我們正式啟動(dòng)了將 GPU 深度優(yōu)化、專門用于深度學(xué)習(xí)的進(jìn)程。(編者注：“互聯(lián)網(wǎng)上找貓”指 2012 年谷歌用 1.6 萬 CPU 訓(xùn)練神經(jīng)網(wǎng)絡(luò)，讓機(jī)器從海量視頻幀中自主識(shí)別出貓臉，后成為深度學(xué)習(xí)里程碑事件。）

主持人：具體是在什么時(shí)候？又是指的什么事情呢？

Bill Dally：那次早餐是在 2010 年。如果我沒記錯(cuò)，我們是在次年，也就是 2011 年重復(fù)了那個(gè)實(shí)驗(yàn)。

主持人：Geoffrey，輪到你給我們講講了。

Geoffrey Hinton：對(duì)我來說一個(gè)非常關(guān)鍵的時(shí)刻發(fā)生在大約 1984 年。當(dāng)時(shí)我嘗試運(yùn)用反向傳播算法，讓模型學(xué)習(xí)預(yù)測(cè)一個(gè)單詞序列中的下一個(gè)詞。這本質(zhì)上是一個(gè)小型語言模型。實(shí)驗(yàn)發(fā)現(xiàn)，這個(gè)模型能夠自主學(xué)習(xí)到一些關(guān)于詞語含義的有趣特征。也就是說，僅僅輸入一串符號(hào)序列，它就能依據(jù)某種內(nèi)部規(guī)律，學(xué)習(xí)如何將單詞轉(zhuǎn)換為一組特征。這組特征不僅能捕捉單詞的語義，還能通過特征間的相互作用，來預(yù)測(cè)下一個(gè)單詞的特征表現(xiàn)。事實(shí)上，這個(gè)在 1984 年末構(gòu)建的小型語言模型，我認(rèn)為它就是當(dāng)今大語言模型的雛形。其核心原理是相通的。盡管它規(guī)模很小，訓(xùn)練量也只有 100 次，但已經(jīng)揭示了基本范式。

主持人：然而，我們卻歷經(jīng)了整整四十年，才最終實(shí)現(xiàn)今天的突破。

Geoffrey Hinton：是的，我們愣是花了四十年才走到這兒。原因很簡單：那時(shí)候要算力沒算力，要數(shù)據(jù)沒數(shù)據(jù)，而且我們壓根沒意識(shí)到這個(gè)問題。我們當(dāng)時(shí)怎么也想不通，為什么光靠那個(gè)好點(diǎn)子，就是行不通。

主持人：這番回顧也讓我們自然而然地想到了黃仁勛。正如剛才所說，我們?cè)L達(dá)四十年受限于計(jì)算能力的匱乏。而如今，恰是您正在親手解決這個(gè)問題。能否請(qǐng)您和我們分享一下，在您這段旅程中，那些讓您豁然開朗的關(guān)鍵時(shí)刻？

黃仁勛 ：就我的職業(yè)生涯來說，我是第一代能夠運(yùn)用更高級(jí)別的抽象表達(dá)和設(shè)計(jì)工具來設(shè)計(jì)芯片的工程師。這一背景，讓我對(duì)軟件開發(fā)的新趨勢(shì)非常敏感。

大約在 2010 年，我?guī)缀跬瑫r(shí)接觸了來自加拿大多倫多大學(xué)、美國紐約大學(xué)和斯坦福大學(xué)三個(gè)不同實(shí)驗(yàn)室的研究。他們不約而同地向我展示了一種后來被證明是深度學(xué)習(xí)早期的技術(shù)——即利用框架和結(jié)構(gòu)化設(shè)計(jì)來創(chuàng)建軟件，并且該軟件被證明極其高效。這引出了我的第二個(gè)發(fā)現(xiàn)：通過再次使用框架、更高層次的抽象以及像深度學(xué)習(xí)網(wǎng)絡(luò)這樣的結(jié)構(gòu)化模式，我們就能開發(fā)出強(qiáng)大的軟件。我意識(shí)到，設(shè)計(jì)芯片與構(gòu)建這些模式非常相似。當(dāng)時(shí)我就在想，我們或許能創(chuàng)造出一種軟件和能力，它能像過去幾十年芯片擴(kuò)展那樣，持續(xù)地進(jìn)化與發(fā)展。

主持人：您認(rèn)為芯片助力大語言模型規(guī)?；l(fā)展的關(guān)鍵轉(zhuǎn)折點(diǎn)在什么時(shí)候？畢竟您提到的 2010 年，距今已相隔十五年了。

黃仁勛：英偉達(dá)架構(gòu)的核心優(yōu)勢(shì)在于：一旦一個(gè)算法能在單個(gè) GPU 上高效并行運(yùn)行，那么它就能幾乎無礙地?cái)U(kuò)展到多個(gè) GPU、多個(gè)系統(tǒng)，乃至多個(gè)數(shù)據(jù)中心。其內(nèi)在邏輯是相通的。當(dāng)我們意識(shí)到能夠有效地實(shí)現(xiàn)這種擴(kuò)展后，問題的關(guān)鍵就變成了：我們究竟能將這種能力推向多遠(yuǎn)？我們擁有多少數(shù)據(jù)？網(wǎng)絡(luò)的規(guī)模能有多大？模型能捕捉多少維度？最終能解決何種復(fù)雜的問題？正是在那個(gè)階段，我發(fā)現(xiàn)深度學(xué)習(xí)的核心價(jià)值已由模型的有效性所證明，這無疑是一個(gè)巨大的亮點(diǎn)。而此后的大部分工作，本質(zhì)上都屬于工程上的延伸與拓展。

主持人：飛飛，跟我們講講你的重要時(shí)刻。

李飛飛：我也有兩個(gè)關(guān)鍵時(shí)刻想分享。大約在 2006 到 2007 年間，我正從博士生轉(zhuǎn)變?yōu)槟贻p的助理教授。作為第一代專注于機(jī)器學(xué)習(xí)的博士生，我閱讀了 Yoshua 和 Geoffrey 等學(xué)者當(dāng)時(shí)的論文，并深深著迷于解決視覺識(shí)別問題——即讓機(jī)器理解日常圖片中物體含義的能力。我們當(dāng)時(shí)一直受困于機(jī)器學(xué)習(xí)代碼的泛化問題：模型在學(xué)習(xí)了有限數(shù)量的樣本后，能否成功識(shí)別出全新的、從未見過的樣本？我嘗試了從基礎(chǔ)網(wǎng)絡(luò)、支持向量機(jī)到神經(jīng)網(wǎng)絡(luò)等各種算法。最終，我和我的學(xué)生意識(shí)到，缺失的關(guān)鍵要素是數(shù)據(jù)。我們觀察到，如同人類這樣的智能生物，在早期發(fā)展階段都經(jīng)歷了海量數(shù)據(jù)的洗禮，而我們的機(jī)器卻處于數(shù)據(jù)匱乏的狀態(tài)。于是，我們決定在當(dāng)時(shí)做一件看似瘋狂的事情：花費(fèi)三年時(shí)間，創(chuàng)建一個(gè)互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)集。這個(gè)數(shù)據(jù)集包含了由全球互聯(lián)網(wǎng)用戶手工標(biāo)注的 1,500 萬張圖像，涵蓋 22,000 個(gè)類別。因此，對(duì)我而言，那個(gè)頓悟的時(shí)刻就是認(rèn)識(shí)到：是大數(shù)據(jù)在驅(qū)動(dòng)機(jī)器學(xué)習(xí)的未來。

主持人：而如今，它已成為所有算法模型的基石。

李飛飛：沒錯(cuò)，這如今已成為 AI 規(guī)?；傻囊徊糠?。我的第二個(gè)頓悟時(shí)刻發(fā)生在 2018 年。當(dāng)時(shí)我擔(dān)任谷歌云的首位 AI 首席科學(xué)家，我們的工作涵蓋了從醫(yī)療保健、金融服務(wù)到娛樂、制造，乃至農(nóng)業(yè)與能源等所有垂直行業(yè)。在所謂的“Alex 瞬間”圖像以及 AlphaGo 出現(xiàn)幾年之后，我正是在那時(shí)意識(shí)到了關(guān)鍵問題。在擔(dān)任谷歌首席科學(xué)家期間，我認(rèn)識(shí)到這項(xiàng)技術(shù)的影響力將達(dá)到“文明級(jí)別”，它會(huì)觸及每個(gè)人和所有行業(yè)。面對(duì)人類邁向 AI 時(shí)代的歷史進(jìn)程，我們必須思考：什么樣的指導(dǎo)原則能讓我們?cè)诖罅?chuàng)新的同時(shí)，確保這項(xiàng)強(qiáng)大的技術(shù)最終能造福所有人？這個(gè)想法促使我重返斯坦福任教我們隨后創(chuàng)立了以人為本人工智能研究院（HAI，Stanford Human-Centered AI Institute），其核心就是構(gòu)建一個(gè)框架，將人性和人類價(jià)值放回技術(shù)進(jìn)步的中心。（編者注：李飛飛所提到的“Alex 瞬間”指的是一個(gè)名為 AlexNet 的深度卷積神經(jīng)網(wǎng)絡(luò)在 2012 年的 ImageNet 圖像識(shí)別競(jìng)賽中取得了遠(yuǎn)超傳統(tǒng)方法的成績，準(zhǔn)確率實(shí)現(xiàn)巨大突破。）

主持人：所以，我們既要發(fā)展技術(shù)，也要審視其影響并思考未來走向。這正是我們大家發(fā)揮作用的地方。

您（Yann LeCun）是否愿意為我們做一個(gè)總結(jié)？請(qǐng)不必客氣，盡情講講吧。

Yann LeCun：早在本科時(shí)期，我就對(duì)廣義智能領(lǐng)域中的 AI 問題非常著迷，并發(fā)現(xiàn) 20 世紀(jì)五六十年代的研究者，其核心工作是“訓(xùn)練”機(jī)器而非“編程”機(jī)器。這個(gè)想法讓我深深入迷，或許是因?yàn)槲易杂X不夠聰明或不夠勤勉，無法從零開始直接構(gòu)建出一臺(tái)智能機(jī)器。那么，最好的方式豈不是讓機(jī)器能夠自我訓(xùn)練、自我演進(jìn)？這不正如同生命體中智能的構(gòu)建方式嗎？它是自組織的。因此，我覺得這個(gè)概念極具吸引力，但當(dāng)時(shí)卻找不到志同道合的人。我從工程專業(yè)畢業(yè)，一直在從事一些低成本設(shè)計(jì)，同時(shí)也計(jì)劃攻讀研究生。我始終找不到任何從事相關(guān)研究的人，但與一些對(duì)此感興趣的人保持著聯(lián)系，例如他們發(fā)現(xiàn)了 Geoffrey 的論文。到了 1983 年我開始讀研時(shí)，他已成為我最想見到的學(xué)者。最終，我們?cè)趦赡旰蟮靡砸娒?。我?1985 年一起吃了頓午飯，基本上是一見如故，聊得非常投機(jī)。當(dāng)時(shí)我在一個(gè)他做主旨報(bào)告的會(huì)議上發(fā)表了一篇法文論文，而他居然成功讀懂并理解了我文中的數(shù)學(xué)內(nèi)容——那篇文章講的是一種用于訓(xùn)練多層網(wǎng)絡(luò)的傳播方法。要知道，從 20 世紀(jì) 60 年代開始，大家就清楚一個(gè)局限：我們沒法訓(xùn)練多層模型。這成了我那時(shí)心心念念要解決的問題，后來也變成了他的執(zhí)念。之后我寫了一篇提出解決方案的論文，他讀懂了里面的數(shù)學(xué)。我們就是這樣結(jié)緣并開始合作的。

主持人：而這正是讓你踏上這段旅程的原因。

Yann LeCun：確實(shí)如此。因此，當(dāng)你掌握了訓(xùn)練此類復(fù)雜系統(tǒng)的能力后，自然會(huì)思考下一個(gè)問題：如何構(gòu)建它們，使其能夠執(zhí)行識(shí)別圖像等有實(shí)際意義的任務(wù)。早在 20 世紀(jì) 80 年代末我擔(dān)任博士后期間，我和 Geoffrey 曾有過一場(chǎng)辯論。我當(dāng)時(shí)認(rèn)為，唯一可行的路徑是經(jīng)過精心設(shè)計(jì)的、在監(jiān)督學(xué)習(xí)范式下運(yùn)行的機(jī)器學(xué)習(xí)。即你向機(jī)器展示一張圖片，并告訴它正確答案。但他對(duì)此表示反對(duì)，他認(rèn)為要想取得真正的進(jìn)展，就必須超越監(jiān)督學(xué)習(xí)。有段時(shí)間，我并未充分重視這個(gè)觀點(diǎn)。直到 2000 年代中期，當(dāng)我和 Yoshua 開始合作，并致力于重新喚起學(xué)界對(duì)深度學(xué)習(xí)的興趣時(shí)，我們實(shí)際上是將重點(diǎn)押注在了無監(jiān)督學(xué)習(xí)等相關(guān)方向上。

主持人：它本質(zhì)上是一個(gè)自我強(qiáng)化的過程。

Yann LeCun：這并非強(qiáng)化學(xué)習(xí)。它的本質(zhì)是從結(jié)構(gòu)化數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，而無需針對(duì)任何特定任務(wù)來訓(xùn)練機(jī)器。自然語言模型雖然被訓(xùn)練來預(yù)測(cè)下一個(gè)單詞，但這本身并非一個(gè)真正的任務(wù)目標(biāo)。這只是系統(tǒng)為了學(xué)習(xí)一種優(yōu)質(zhì)的數(shù)據(jù)表征，或者說為了捕捉數(shù)據(jù)內(nèi)在規(guī)律所采用的一種方式。

主持人：系統(tǒng)里面有沒有一個(gè)東西在管著它？抱歉我得說得專業(yè)點(diǎn)，就是有沒有一個(gè)根本的機(jī)制，能判斷它現(xiàn)在這樣跑是對(duì)的，好讓它一直保持在正軌上？

Yann LeCun：如果你能正確預(yù)測(cè)出下一個(gè)單詞，那么這本身便證明了預(yù)測(cè)的正確性。

Geoffrey Hinton：所謂強(qiáng)化學(xué)習(xí)里的獎(jiǎng)勵(lì)，打個(gè)比方，就像是你對(duì)系統(tǒng)說“干得漂亮”一樣。

Yann LeCun：說實(shí)話，這得“歸咎”Geoffrey。如你所知，飛飛構(gòu)建了大型標(biāo)注數(shù)據(jù)集 ImageNet，這使得我們可以采用監(jiān)督學(xué)習(xí)來訓(xùn)練系統(tǒng)。而實(shí)際結(jié)果是，這個(gè)網(wǎng)絡(luò)的性能遠(yuǎn)超我們預(yù)期。于是，我們當(dāng)時(shí)便暫時(shí)擱置了整個(gè)關(guān)于自監(jiān)督學(xué)習(xí)的項(xiàng)目計(jì)劃，因?yàn)楸O(jiān)督學(xué)習(xí)的方法已經(jīng)表現(xiàn)得如此出色。當(dāng)然，我們也琢磨出了一些提升性能的小技巧。但在某種程度上，我們確實(shí)引導(dǎo)了整個(gè)行業(yè)和研究界將重心放在了深度學(xué)習(xí)、監(jiān)督學(xué)習(xí)等方向上。直到幾年后，大約在 2016、2017 年左右，大家才意識(shí)到這無法達(dá)成我們的終極目標(biāo)，并開始轉(zhuǎn)向自監(jiān)督學(xué)習(xí)。是的，這確實(shí)是說明范式轉(zhuǎn)變的一個(gè)絕佳例證。而我們當(dāng)前的工作，是將其應(yīng)用于視頻、傳感器數(shù)據(jù)等新型數(shù)據(jù)。然而，像自然語言模型這類架構(gòu)在處理此類數(shù)據(jù)上其實(shí)并不擅長，這將是未來幾年我們面臨的新挑戰(zhàn)。

AI 泡沫是否存在？

主持人：這正好將我們引向了當(dāng)前的情勢(shì)。我想大家都觀察到一個(gè)現(xiàn)象：以前對(duì) AI 完全不關(guān)心的人，現(xiàn)在都興致勃勃。一時(shí)間，所有人都涌向這個(gè)領(lǐng)域。它早已超越技術(shù)革新本身，演變成了一個(gè)巨大的商機(jī)，甚至成為了大國博弈的戰(zhàn)略焦點(diǎn)。每個(gè)人都在努力探究其真正本質(zhì)，圍繞著它不斷思索。我此刻首先想請(qǐng)教黃仁勛，也希望在座各位都能審視一下此刻：特別是英偉達(dá)，它幾乎天天占據(jù)新聞?lì)^條，并且成為了全球最有價(jià)值的公司。這說明市場(chǎng)存在著真實(shí)的需求。

您是否憂慮，我們正走向一個(gè)因普遍理解不足而過于急躁的階段，最終會(huì)導(dǎo)致泡沫破裂，經(jīng)歷一番調(diào)整后才能恢復(fù)正常？如若不然，與當(dāng)年的互聯(lián)網(wǎng)泡沫相比，如今人們對(duì) AI 需求最顯著、也是最未被理解的差異到底是什么？

黃仁勛：在互聯(lián)網(wǎng)泡沫時(shí)期，鋪設(shè)的絕大多數(shù)光纖都被閑置，這意味著行業(yè)的供給遠(yuǎn)遠(yuǎn)超過了實(shí)際需求。而如今，幾乎每一塊能找到的 GPU 都在全負(fù)荷運(yùn)行。因此，我認(rèn)為退一步理解“AI 究竟是什么”至關(guān)重要。對(duì)許多人而言，AI 就是 ChatGPT 或圖像生成，這沒錯(cuò)，但這些都只是它的具體應(yīng)用。過去幾年，AI 取得了巨大進(jìn)步，它不僅能夠記憶和歸納，更具備了推理與有效思考的能力，并能通過研究來確立觀點(diǎn)。它現(xiàn)在可以生成答案，完成更有價(jià)值的任務(wù)，效果也出色得多。此外，那些能構(gòu)建對(duì)其他企業(yè)有用工具的公司，例如我們正在使用的 Cursor 等 AI 編程軟件公司，它們盈利能力很強(qiáng)，我們也大量使用其產(chǎn)品。在醫(yī)療健康等領(lǐng)域，AI 也顯示出極大的效用。AI 的能力已經(jīng)實(shí)現(xiàn)了質(zhì)的飛躍。其結(jié)果是，我們正同時(shí)目睹兩個(gè)指數(shù)級(jí)變化：一是生成答案所需的計(jì)算量急劇增加，二是這些 AI 模型的使用量本身也在指數(shù)級(jí)增長。這兩條指數(shù)曲線對(duì)計(jì)算資源構(gòu)成了巨大需求?，F(xiàn)在，當(dāng)你退后一步，會(huì)從根本上追問：今天的 AI 與過去的軟件行業(yè)有何本質(zhì)不同？過去的軟件是預(yù)先編譯好的，且所需的計(jì)算量不大。但為了讓 AI 發(fā)揮作用，它必須具備上下文感知能力。目前它已能產(chǎn)生智能，而你無法提前制作并儲(chǔ)存這種智能——那被稱為“預(yù)制內(nèi)容”。智能必須實(shí)時(shí)產(chǎn)生。因此，我們所在的這個(gè)行業(yè)，要生產(chǎn)高需求且真正有價(jià)值的產(chǎn)品，所需的計(jì)算量是空前巨大的。我們?cè)谝粋€(gè)需要“工廠”的行業(yè)中創(chuàng)造價(jià)值。這就是為什么我常提醒自己：AI 需要工廠來生產(chǎn)這些“智能標(biāo)記”。這是前所未有的情況，計(jì)算機(jī)本身成為了工廠的核心。我們需要投入數(shù)千億美元來建設(shè)這些工廠，以服務(wù)于未來價(jià)值數(shù)萬億美元的產(chǎn)業(yè)?；仡欉^去的軟件，它們本質(zhì)上是工具，是首次被人們使用的自動(dòng)化手段。而 AI，是增強(qiáng)人類能力的智能。因此，它關(guān)乎勞動(dòng)，關(guān)乎工作，并且它確實(shí)在發(fā)揮著實(shí)際作用。在我看來，我們正處在智能構(gòu)建的起步期。一個(gè)基本事實(shí)是，目前 AI 還未普及到大多數(shù)人?？梢灶A(yù)見，在不久的將來，我們?nèi)粘５膸缀跛行袨?，在一天中的每時(shí)每刻，都會(huì)以某種方式與 AI 相伴。這意味著，我們需要完成從今天使用率尚低、到未來使用率幾乎不間斷的巨大跨越，而這背后的擴(kuò)展工程是顯而易見的。

主持人：假設(shè)大語言模型的進(jìn)展放緩，您認(rèn)為 GPU 和您打造的基礎(chǔ)設(shè)施，是否仍能適應(yīng)新的技術(shù)范式并保持其價(jià)值？您回答之后，我也非常希望聽到在座其他人的想法。

黃仁勛：大語言模型屬于 AI 技術(shù)的一部分。但 AI 的范疇是包含各類模型系統(tǒng)的廣闊天地，大語言模型只是其中一個(gè)重要的成員?，F(xiàn)在已經(jīng)有了一些模型系統(tǒng)和必要的技術(shù)，可以讓 AI 從現(xiàn)在的樣子變得更具生產(chǎn)力，或者說讓它更“能干”。無論我們給它起什么名字，未來都還有大量的技術(shù)等待我們?nèi)ヌ剿骱烷_發(fā)。

主持人：在座各位誰有想說的？

Yoshua Bengio：我認(rèn)為我們不該繼續(xù)使用“大語言模型”這個(gè)稱呼，因?yàn)樗鼈兊墓δ芤堰h(yuǎn)超語言范疇。是的，它們確實(shí)從語言模型起步，預(yù)訓(xùn)練是其基礎(chǔ)。但最近，技術(shù)在質(zhì)上有了飛躍，正朝著“智能體”的方向發(fā)展：能夠通過多輪對(duì)話，與環(huán)境、與人實(shí)時(shí)互動(dòng)，完成目標(biāo)，甚至與底層計(jì)算設(shè)施深度交互。它和三年前完全不可同日而語。我們無法預(yù)言未來幾年或十年的具體技術(shù)樣貌，但趨勢(shì)是可以把握的。為此，我正著手聯(lián)絡(luò)國際專家，共同追蹤 AI 的進(jìn)展、方向、潛在風(fēng)險(xiǎn)以及應(yīng)對(duì)之道?，F(xiàn)在，許多基準(zhǔn)測(cè)試的趨勢(shì)已經(jīng)清晰可辨。過去的技術(shù)驗(yàn)證非常成功，但這不代表未來沒有挑戰(zhàn)。期望落空會(huì)帶來金融風(fēng)險(xiǎn)，這一點(diǎn)我承認(rèn)。但從長遠(yuǎn)發(fā)展來看，我完全同意其重要性。不過，我們?nèi)孕璞３智逍选?/p>

主持人：那么，目前在座的其他人怎么看？

Bill Dally：當(dāng)前的趨勢(shì)在一定程度上解釋了現(xiàn)狀。首先，模型正變得越來越高效。以注意力機(jī)制的演進(jìn)的為例：從普通注意力到分組查詢注意力，再到多頭注意力...... 如今人們可以用少得多的計(jì)算成本，獲得相同甚至更優(yōu)的效果。這從某種程度上催生了新的需求：許多曾經(jīng)因成本過高而無法實(shí)現(xiàn)的應(yīng)用，現(xiàn)在變得足夠便宜，從而使得 AI 能夠涉足更廣泛的領(lǐng)域。與此同時(shí)，AI 模型本身的能力也在持續(xù)進(jìn)步?；蛟S它會(huì)隨著 Transformer 架構(gòu)的優(yōu)化而提升，或許會(huì)有全新的架構(gòu)出現(xiàn)。但技術(shù)發(fā)展的方向是明確的：我們必將擁有能力更卓越、且同樣高效的模型。實(shí)際上，它們比那些功能專一的方案更有價(jià)值，因?yàn)樗鼈兏`活，也能更好地隨著模型一起進(jìn)化。最關(guān)鍵的一點(diǎn)是，我認(rèn)為我們對(duì) AI 的應(yīng)用探索還只是冰山一角。人類生活的幾乎每一個(gè)角落，無論是職業(yè)生涯還是日?，嵤?，都能借助 AI 變得更好。我想，我們可能連它最終需求的 1% 都還沒碰到。隨著 AI 不斷進(jìn)步，應(yīng)用場(chǎng)景只會(huì)越來越多。所以，我認(rèn)為這里根本談不上泡沫。就像黃仁勛說的，我們正描繪一條多重指數(shù)增長的曲線，而現(xiàn)在僅僅是開端，這條路會(huì)一直延伸下去。

主持人：在某種程度上，英偉達(dá)對(duì)此已經(jīng)適應(yīng)了。因?yàn)闊o論范式如何變化，涌現(xiàn)出何種新型 AI 或架構(gòu)，那些最核心的硬件構(gòu)件始終是需要的。飛飛有什么想說的嗎？

李飛飛：我的確認(rèn)同從市場(chǎng)層面來看，它有其自身規(guī)律，有時(shí)會(huì)自我修正。但如果我們關(guān)注長期趨勢(shì)，必須意識(shí)到 AI 還是一個(gè)非常年輕的領(lǐng)域。我們環(huán)顧這個(gè)房間，墻上寫有物理學(xué)方程。物理學(xué)已有四百多年歷史。即便對(duì)比現(xiàn)代物理學(xué)，AI 的歷史也不足七十年，從艾倫·圖靈（Alan Turing）算起也才七十五年左右。所以，前方還有太多新領(lǐng)域等待出現(xiàn)。我們知道，黃仁勛常談及大語言模型和智能體，它們大多以語言為核心。但即便反思人類智能本身，能力也遠(yuǎn)不止語言。我一直關(guān)注空間智能，它研究的是感知與行動(dòng)的結(jié)合。在此方面，人類和動(dòng)物展現(xiàn)出的感知、推理、互動(dòng)和創(chuàng)造力，遠(yuǎn)超語言所能涵蓋的范疇。今天最頂尖的語言或大語言模型，在基礎(chǔ)空間智能測(cè)試中依然表現(xiàn)不佳。由此可見，作為一門科學(xué)與學(xué)科，我們面前還有廣闊的疆域需要征服和探索。這也意味著，未來將開啟更多樣的應(yīng)用可能性。

主持人：您（Yann LeCun）在公司任職，所以同時(shí)擁有研究和商業(yè)的雙重角度。您是否相信這一切 AI 發(fā)展現(xiàn)狀都是合理的，并且能看得明白其背后的根源？還是覺得我們正面臨一個(gè)不確定的十字路口，必須找到新的方向？

Yann LeCun：我認(rèn)為有幾種觀點(diǎn)支持我們并未處于泡沫之中，但至少也存在一種觀點(diǎn)認(rèn)為我們正身處泡沫。這確實(shí)是另一個(gè)需要探討的問題。從某種角度說，結(jié)局并非注定。因?yàn)榛诖笳Z言模型，尚有大量應(yīng)用有待開發(fā)。大語言模型是當(dāng)前的主導(dǎo)范式，其中蘊(yùn)含著巨大的潛力可供挖掘。這正是 Bill 所提到的——利用現(xiàn)有技術(shù)改善人們的日常生活。技術(shù)需要被推動(dòng)，這也證明了在軟件和基礎(chǔ)設(shè)施方面的所有投入是合理的。一旦我們讓智能助手普及到每個(gè)人手中，正如黃仁勛所言，為如此龐大的用戶群提供服務(wù)所需的計(jì)算量將是天文數(shù)字。因此，從這個(gè)層面看，這些投資并未被浪費(fèi)。然而，從另一種意義上說，泡沫確實(shí)存在——它體現(xiàn)在一種信念上，即認(rèn)為當(dāng)前的大語言模型范式將被直接推升至人類水平智能。我個(gè)人并不相信這一點(diǎn)，在我們?cè)斐稣嬲邆湮覀兯^察到的（不僅是人類、還包括動(dòng)物）那種智能的機(jī)器之前，我們還需要取得一些根本性的突破。舉例來說，我們甚至還沒有像貓一樣聰明的機(jī)器人，對(duì)吧？因此，我們?nèi)匀蝗笔承╆P(guān)鍵的東西。這正是為什么 AI 的進(jìn)步不能僅僅依靠更多基礎(chǔ)設(shè)施、更多數(shù)據(jù)、更多投資和現(xiàn)有的 Python 開發(fā)。實(shí)際上，這是一個(gè)科學(xué)問題，關(guān)乎我們?nèi)绾纬乱淮?AI 取得突破。

用“年”給出對(duì)于 AGI 的預(yù)估

主持人：能否請(qǐng)你們每一位都談?wù)劊涸谀銈兛磥?，我們還需要多久才能達(dá)到你們所堅(jiān)信的那個(gè)階段——即創(chuàng)造出與人類、甚至與章魚這類高智能動(dòng)物相當(dāng)?shù)臋C(jī)器智能？我們距離這個(gè)目標(biāo)究竟有多遠(yuǎn)？請(qǐng)用“年”來給出你們的預(yù)估。

Yann LeCun：這不會(huì)是一場(chǎng)短暫的運(yùn)動(dòng)。因?yàn)楦黜?xiàng)能力將在不同領(lǐng)域中以漸進(jìn)的方式逐步拓展。

主持人：您預(yù)計(jì)在什么時(shí)間段內(nèi)？

Yann LeCun：或許在未來五到十年內(nèi)，我們能在技術(shù)上取得一些實(shí)質(zhì)性突破，從而催生出一個(gè)全新的范式。但隨之而來的商業(yè)應(yīng)用與公司層面的發(fā)展，其進(jìn)程可能要比我們預(yù)想得更為漫長。

李飛飛：機(jī)器的某些能力將超越人類智能，而另一些機(jī)器智能則永遠(yuǎn)不會(huì)與人類智能趨同或等同。因?yàn)樗鼈兊脑O(shè)計(jì)初衷就與人類不同，是為不同的目的而生的。

主持人：預(yù)計(jì)何時(shí)啟動(dòng)機(jī)器替代人類的進(jìn)程？

李飛飛：其中的一部分能力已經(jīng)成為現(xiàn)實(shí)。試問，我們當(dāng)中有多少人能夠識(shí)別出世界上的 22,000 種物體呢？而 AI 可以。試問，有多少成年人能翻譯 100 種語言？而 AI 可以。因此，我認(rèn)為我們的思考應(yīng)當(dāng)更加細(xì)致入微，并且必須立足于科學(xué)事實(shí)——正如飛機(jī)能夠飛行，但其飛行方式與鳥類有著根本區(qū)別?；跈C(jī)器的智能必將發(fā)揮諸多強(qiáng)大的作用。但在人類社會(huì)的框架內(nèi)，人類智慧的價(jià)值始終是核心且不可替代的。

主持人：黃仁勛，你有什么想說的嗎？

黃仁勛：我們已擁有足夠的通用智能，可以在未來幾年將這項(xiàng)技術(shù)轉(zhuǎn)化為大量有益于社會(huì)的應(yīng)用。從現(xiàn)在開始，我們的重點(diǎn)是利用技術(shù)去攻克眾多重大難題。我認(rèn)為我們已經(jīng)具備了基礎(chǔ)能力。所以，我認(rèn)為當(dāng)前的局限性無關(guān)緊要。

主持人：正因如此，現(xiàn)在才是時(shí)候，沒錯(cuò)。

Geoffrey Hinton：如果您將問題稍微具體化一些，設(shè)定為“與機(jī)器進(jìn)行辯論，它需要多久才能永久性地勝出”，我認(rèn)為這必定會(huì)在二十年內(nèi)成為現(xiàn)實(shí)。我們目前尚未達(dá)到這一水平，但我可以肯定地預(yù)見，在二十年內(nèi)必將實(shí)現(xiàn)。因此，如果您將“AGI”定義為在辯論中總能勝過人類，那么我們很可能在不到二十年的時(shí)間內(nèi)達(dá)成這個(gè)目標(biāo)。

Bill Dally：我們的初衷并非是要打造一個(gè)能取代人類或超越人類的 AI。

主持人：但這本質(zhì)上是一個(gè)科學(xué)問題。其核心意圖并非是要取代人類。真正的問題是：我們作為一個(gè)社會(huì)整體，是否具備創(chuàng)造出這種事物的能力？

Bill Dally：我們的宗旨是創(chuàng)造能增強(qiáng)人類能力的 AI。換句話說，我們是想讓 AI 去填補(bǔ)人類能力的空白。人類識(shí)別不了 22,000 種物品，大多數(shù)人也解決不了那些甲基烷基化問題，這些就可以交給 AI 來做。其目的是讓人類能騰出精力，去從事那些更具人性特質(zhì)的工作：比如創(chuàng)造、共情，以及人際互動(dòng)。至于 AI 自己能否做到這些，我認(rèn)為還尚不確定。但它無疑可以成為人類的得力助手。

Yoshua Bengio：在這一點(diǎn)上我持有不同看法。我認(rèn)為，沒有根本性的理由能證明我們?cè)谖磥頍o法創(chuàng)造出能夠完成人類幾乎所有工作的機(jī)器。當(dāng)然，目前在空間感知和機(jī)器人技術(shù)領(lǐng)域，它確實(shí)相對(duì)滯后，但從理論層面看，不存在我們無法實(shí)現(xiàn)這一目標(biāo)的障礙。所以，在具體的時(shí)間線上，我認(rèn)為存在著巨大的不確定性，我們的規(guī)劃應(yīng)充分考慮這一點(diǎn)。但我注意到一組非常有意思的數(shù)據(jù)：過去六年中，AI 系統(tǒng)在不同時(shí)間跨度上進(jìn)行規(guī)劃的能力正呈指數(shù)級(jí)快速增長。如果這一趨勢(shì)得以延續(xù)，大約五年后，AI 將能夠勝任普通員工在崗位上的大部分工作。需要明確的是，這僅僅是工程任務(wù)中的一個(gè)類別，還有許多其他至關(guān)重要的方面。例如，一個(gè)可能改變游戲規(guī)則的動(dòng)向是，許多公司正致力于開發(fā)“由 AI 主導(dǎo) AI 研究”的能力——即讓 AI 進(jìn)行工程、計(jì)算機(jī)科學(xué)的研究，并設(shè)計(jì)下一代 AI 系統(tǒng)，這其中可能就包括對(duì)機(jī)器人技術(shù)和空間理解能力的改進(jìn)。我并非斷言這一定會(huì)發(fā)生，但 AI 在編程和算法理解方面的能力正在飛速提升，這可能會(huì)解鎖許多我們目前尚無法預(yù)見的可能性。因此，我們應(yīng)當(dāng)保持一種真正的不可知論立場(chǎng)，避免做出過于夸張的斷言，因?yàn)槲磥淼目赡苄允情_放且多樣的。