當人工智慧的飛速發展站在了新的轉折點上的時候，當我們不得不和人工智慧來相伴每分每秒的時候，我們的人類將會迎來怎樣的未來？4月25日，矽谷人工智慧研究院院長、《矽谷百年史》的作者皮埃羅·斯加魯菲在2024中關村論壇年會全體會議上分享了他對人工智慧時代的思考與創新。
“大家還記得AlphaGo嗎？2017年時非常流行，當時我們認為AlphaGo會打敗我們所有人，會征服所有世界。但是，AlphaGo已經是過去了，而不是未來，這個專案也停止了”，皮埃羅·斯加魯菲首先談及了人工智慧曾經“出圈”的代表產品之一AlphaGo。他稱，隨後，谷歌引入新架構轉換器Transformer，而OpenAI釋出GPT，帶領人工智慧走向了未來。
人工智慧過去的進步背後的推動力是什麼？皮埃羅·斯加魯菲認為，第一個驅動的就是硬體，1985年的電腦效能很差，只能做兩層架構，現在已經能做好幾百層了。第二個是資料，首先1997年IBM的深藍擊敗了國際象棋的冠軍，後來有AlphaGo，現在有OpenAI的GPT，主要背後的驅動因素就是大型的資料，所以資料對於AI的進步非常重要。第三個驅動者就是開源，比如不同的國家有很多開源的平臺可以做深度學習，對於很多人來說，在AI上做各種實驗非常重要，開源就不會特別昂貴。第四個驅動因素，就是現代人工智慧的發明家，他們實際上是來自世界各國。所以AI實際上是全球各國的科學家共同進行國際合作的結晶。
人工智慧發展到現在，依然面臨許多不足。皮埃羅·斯加魯菲認為，人工智慧並不是人類智慧，我們大腦的神經元複雜性，要比AI中間的神經元複雜得多。我們大腦的功耗只是20瓦，生成式AI消耗了上百萬瓦的電能。“我們開車、坐地鐵、買東西、看電視，只是用20瓦的功能就能做這些事情，而生成式AI要消耗上百萬瓦的電能才能做”。而且之前神經網路的系統是1943年時做的架構，到現在為止一直沒有太大的變化。
同時，我們在一個物理世界中間，我們可以去移動，可以觸達，可以用各種感官去感知世界，人工智慧卻並非如此。
人工智慧也不會“自然學習”。“人類的學習方法是一種試錯的方法，比如碰一下熱水知道很燙就不會再碰了，而AlphaGo是透過大量的資料不斷堆積而成的”。
那麼未來的人工智慧將如何發展？皮埃羅·斯加魯菲認為，未來人工智慧在五個方面會變得更加有用，更加真實：一是定製模型，在去年OpenAI推出了自己定製的模型，它能夠找到更好的結果。但它依然有問題：這些大語言模型即便非常小，也非常貴，而且功耗巨大。一般的公司出不起錢，很多國家沒有辦法負擔得起。
其次是低算力的AI，有的時候我們可以透過非常小的架構，還有非常小的資料集實現非常好的AI。比如斯坦福的阿帕卡，只需要花600美元來進行訓練。
第三，我們還要看到多模態，很多時候我們不是做閱讀測試或者在現實生活中間騎腳踏車，在這個中間我們需要有一個多模態的模型，也就是說，我們需要不同的視覺、語言，包括FLAVA、Flamingo、GPT-4等等。“現在我們有了一種全新的語言模型，它可能不一定是叫語言模型，是一個多模型的集合，包括文字、影象，而且有更多的感測器把它容納到這樣一個模型裡面。”
另外一個根本性的問題，就是目前的生成式人工智慧不可靠，比如我的一個AI應用就是關於Magazine，“現在很多診斷是由AI來做的，比如你要用GPT應用於疾病診斷的話，我們放心嗎？很多時候我們是不放心的。”我們要藉助的語言模型，其設計之初是預測一個序列裡面下一個詞是什麼，實際上這個轉換器主要的目的就是預測序列中間的下一個詞是什麼,所以有的時候它的結果並不是真正的現實。“如何實現可信的AI？這是我們未來研究的一個非常重要的領域。”
他還提到，人形機器人也是非常熱門的一個領域。“長期以來我認為，它是沒有什麼用途的。但是現在我們已經使得人形機器人變得更加真實了。比如我們來開一個真正的使用機器人的工廠，比如亞馬遜真正的工廠裡面，機器人的確產生了很大的影響。”
文/北京青年報記者 溫婧
編輯/田野
當人工智慧的飛速發展站在了新的轉折點上的時候，當我們不得不和人工智慧來相伴每分每秒的時候，我們的人類將會迎來怎樣的未來？4月25日，矽谷人工智慧研究院院長、《矽谷百年史》的作者皮埃羅·斯加魯菲在2024中關村論壇年會全體會議上分享了他對人工智慧時代的思考與創新。
“大家還記得AlphaGo嗎？2017年時非常流行，當時我們認為AlphaGo會打敗我們所有人，會征服所有世界。但是，AlphaGo已經是過去了，而不是未來，這個專案也停止了”，皮埃羅·斯加魯菲首先談及了人工智慧曾經“出圈”的代表產品之一AlphaGo。他稱，隨後，谷歌引入新架構轉換器Transformer，而OpenAI釋出GPT，帶領人工智慧走向了未來。
人工智慧過去的進步背後的推動力是什麼？皮埃羅·斯加魯菲認為，第一個驅動的就是硬體，1985年的電腦效能很差，只能做兩層架構，現在已經能做好幾百層了。第二個是資料，首先1997年IBM的深藍擊敗了國際象棋的冠軍，後來有AlphaGo，現在有OpenAI的GPT，主要背後的驅動因素就是大型的資料，所以資料對於AI的進步非常重要。第三個驅動者就是開源，比如不同的國家有很多開源的平臺可以做深度學習，對於很多人來說，在AI上做各種實驗非常重要，開源就不會特別昂貴。第四個驅動因素，就是現代人工智慧的發明家，他們實際上是來自世界各國。所以AI實際上是全球各國的科學家共同進行國際合作的結晶。
人工智慧發展到現在，依然面臨許多不足。皮埃羅·斯加魯菲認為，人工智慧並不是人類智慧，我們大腦的神經元複雜性，要比AI中間的神經元複雜得多。我們大腦的功耗只是20瓦，生成式AI消耗了上百萬瓦的電能。“我們開車、坐地鐵、買東西、看電視，只是用20瓦的功能就能做這些事情，而生成式AI要消耗上百萬瓦的電能才能做”。而且之前神經網路的系統是1943年時做的架構，到現在為止一直沒有太大的變化。
同時，我們在一個物理世界中間，我們可以去移動，可以觸達，可以用各種感官去感知世界，人工智慧卻並非如此。
人工智慧也不會“自然學習”。“人類的學習方法是一種試錯的方法，比如碰一下熱水知道很燙就不會再碰了，而AlphaGo是透過大量的資料不斷堆積而成的”。
那麼未來的人工智慧將如何發展？皮埃羅·斯加魯菲認為，未來人工智慧在五個方面會變得更加有用，更加真實：一是定製模型，在去年OpenAI推出了自己定製的模型，它能夠找到更好的結果。但它依然有問題：這些大語言模型即便非常小，也非常貴，而且功耗巨大。一般的公司出不起錢，很多國家沒有辦法負擔得起。
其次是低算力的AI，有的時候我們可以透過非常小的架構，還有非常小的資料集實現非常好的AI。比如斯坦福的阿帕卡，只需要花600美元來進行訓練。
第三，我們還要看到多模態，很多時候我們不是做閱讀測試或者在現實生活中間騎腳踏車，在這個中間我們需要有一個多模態的模型，也就是說，我們需要不同的視覺、語言，包括FLAVA、Flamingo、GPT-4等等。“現在我們有了一種全新的語言模型，它可能不一定是叫語言模型，是一個多模型的集合，包括文字、影象，而且有更多的感測器把它容納到這樣一個模型裡面。”
另外一個根本性的問題，就是目前的生成式人工智慧不可靠，比如我的一個AI應用就是關於Magazine，“現在很多診斷是由AI來做的，比如你要用GPT應用於疾病診斷的話，我們放心嗎？很多時候我們是不放心的。”我們要藉助的語言模型，其設計之初是預測一個序列裡面下一個詞是什麼，實際上這個轉換器主要的目的就是預測序列中間的下一個詞是什麼,所以有的時候它的結果並不是真正的現實。“如何實現可信的AI？這是我們未來研究的一個非常重要的領域。”
他還提到，人形機器人也是非常熱門的一個領域。“長期以來我認為，它是沒有什麼用途的。但是現在我們已經使得人形機器人變得更加真實了。比如我們來開一個真正的使用機器人的工廠，比如亞馬遜真正的工廠裡面，機器人的確產生了很大的影響。”
文/北京青年報記者 溫婧
編輯/田野
當人工智慧的飛速發展站在了新的轉折點上的時候，當我們不得不和人工智慧來相伴每分每秒的時候，我們的人類將會迎來怎樣的未來？4月25日，矽谷人工智慧研究院院長、《矽谷百年史》的作者皮埃羅·斯加魯菲在2024中關村論壇年會全體會議上分享了他對人工智慧時代的思考與創新。
“大家還記得AlphaGo嗎？2017年時非常流行，當時我們認為AlphaGo會打敗我們所有人，會征服所有世界。但是，AlphaGo已經是過去了，而不是未來，這個專案也停止了”，皮埃羅·斯加魯菲首先談及了人工智慧曾經“出圈”的代表產品之一AlphaGo。他稱，隨後，谷歌引入新架構轉換器Transformer，而OpenAI釋出GPT，帶領人工智慧走向了未來。
人工智慧過去的進步背後的推動力是什麼？皮埃羅·斯加魯菲認為，第一個驅動的就是硬體，1985年的電腦效能很差，只能做兩層架構，現在已經能做好幾百層了。第二個是資料，首先1997年IBM的深藍擊敗了國際象棋的冠軍，後來有AlphaGo，現在有OpenAI的GPT，主要背後的驅動因素就是大型的資料，所以資料對於AI的進步非常重要。第三個驅動者就是開源，比如不同的國家有很多開源的平臺可以做深度學習，對於很多人來說，在AI上做各種實驗非常重要，開源就不會特別昂貴。第四個驅動因素，就是現代人工智慧的發明家，他們實際上是來自世界各國。所以AI實際上是全球各國的科學家共同進行國際合作的結晶。
人工智慧發展到現在，依然面臨許多不足。皮埃羅·斯加魯菲認為，人工智慧並不是人類智慧，我們大腦的神經元複雜性，要比AI中間的神經元複雜得多。我們大腦的功耗只是20瓦，生成式AI消耗了上百萬瓦的電能。“我們開車、坐地鐵、買東西、看電視，只是用20瓦的功能就能做這些事情，而生成式AI要消耗上百萬瓦的電能才能做”。而且之前神經網路的系統是1943年時做的架構，到現在為止一直沒有太大的變化。
同時，我們在一個物理世界中間，我們可以去移動，可以觸達，可以用各種感官去感知世界，人工智慧卻並非如此。
人工智慧也不會“自然學習”。“人類的學習方法是一種試錯的方法，比如碰一下熱水知道很燙就不會再碰了，而AlphaGo是透過大量的資料不斷堆積而成的”。
那麼未來的人工智慧將如何發展？皮埃羅·斯加魯菲認為，未來人工智慧在五個方面會變得更加有用，更加真實：一是定製模型，在去年OpenAI推出了自己定製的模型，它能夠找到更好的結果。但它依然有問題：這些大語言模型即便非常小，也非常貴，而且功耗巨大。一般的公司出不起錢，很多國家沒有辦法負擔得起。
其次是低算力的AI，有的時候我們可以透過非常小的架構，還有非常小的資料集實現非常好的AI。比如斯坦福的阿帕卡，只需要花600美元來進行訓練。
第三，我們還要看到多模態，很多時候我們不是做閱讀測試或者在現實生活中間騎腳踏車，在這個中間我們需要有一個多模態的模型，也就是說，我們需要不同的視覺、語言，包括FLAVA、Flamingo、GPT-4等等。“現在我們有了一種全新的語言模型，它可能不一定是叫語言模型，是一個多模型的集合，包括文字、影象，而且有更多的感測器把它容納到這樣一個模型裡面。”
另外一個根本性的問題，就是目前的生成式人工智慧不可靠，比如我的一個AI應用就是關於Magazine，“現在很多診斷是由AI來做的，比如你要用GPT應用於疾病診斷的話，我們放心嗎？很多時候我們是不放心的。”我們要藉助的語言模型，其設計之初是預測一個序列裡面下一個詞是什麼，實際上這個轉換器主要的目的就是預測序列中間的下一個詞是什麼,所以有的時候它的結果並不是真正的現實。“如何實現可信的AI？這是我們未來研究的一個非常重要的領域。”
他還提到，人形機器人也是非常熱門的一個領域。“長期以來我認為，它是沒有什麼用途的。但是現在我們已經使得人形機器人變得更加真實了。比如我們來開一個真正的使用機器人的工廠，比如亞馬遜真正的工廠裡面，機器人的確產生了很大的影響。”
文/北京青年報記者 溫婧
編輯/田野
當人工智慧的飛速發展站在了新的轉折點上的時候，當我們不得不和人工智慧來相伴每分每秒的時候，我們的人類將會迎來怎樣的未來？4月25日，矽谷人工智慧研究院院長、《矽谷百年史》的作者皮埃羅·斯加魯菲在2024中關村論壇年會全體會議上分享了他對人工智慧時代的思考與創新。
“大家還記得AlphaGo嗎？2017年時非常流行，當時我們認為AlphaGo會打敗我們所有人，會征服所有世界。但是，AlphaGo已經是過去了，而不是未來，這個專案也停止了”，皮埃羅·斯加魯菲首先談及了人工智慧曾經“出圈”的代表產品之一AlphaGo。他稱，隨後，谷歌引入新架構轉換器Transformer，而OpenAI釋出GPT，帶領人工智慧走向了未來。
人工智慧過去的進步背後的推動力是什麼？皮埃羅·斯加魯菲認為，第一個驅動的就是硬體，1985年的電腦效能很差，只能做兩層架構，現在已經能做好幾百層了。第二個是資料，首先1997年IBM的深藍擊敗了國際象棋的冠軍，後來有AlphaGo，現在有OpenAI的GPT，主要背後的驅動因素就是大型的資料，所以資料對於AI的進步非常重要。第三個驅動者就是開源，比如不同的國家有很多開源的平臺可以做深度學習，對於很多人來說，在AI上做各種實驗非常重要，開源就不會特別昂貴。第四個驅動因素，就是現代人工智慧的發明家，他們實際上是來自世界各國。所以AI實際上是全球各國的科學家共同進行國際合作的結晶。
人工智慧發展到現在，依然面臨許多不足。皮埃羅·斯加魯菲認為，人工智慧並不是人類智慧，我們大腦的神經元複雜性，要比AI中間的神經元複雜得多。我們大腦的功耗只是20瓦，生成式AI消耗了上百萬瓦的電能。“我們開車、坐地鐵、買東西、看電視，只是用20瓦的功能就能做這些事情，而生成式AI要消耗上百萬瓦的電能才能做”。而且之前神經網路的系統是1943年時做的架構，到現在為止一直沒有太大的變化。
同時，我們在一個物理世界中間，我們可以去移動，可以觸達，可以用各種感官去感知世界，人工智慧卻並非如此。
人工智慧也不會“自然學習”。“人類的學習方法是一種試錯的方法，比如碰一下熱水知道很燙就不會再碰了，而AlphaGo是透過大量的資料不斷堆積而成的”。
那麼未來的人工智慧將如何發展？皮埃羅·斯加魯菲認為，未來人工智慧在五個方面會變得更加有用，更加真實：一是定製模型，在去年OpenAI推出了自己定製的模型，它能夠找到更好的結果。但它依然有問題：這些大語言模型即便非常小，也非常貴，而且功耗巨大。一般的公司出不起錢，很多國家沒有辦法負擔得起。
其次是低算力的AI，有的時候我們可以透過非常小的架構，還有非常小的資料集實現非常好的AI。比如斯坦福的阿帕卡，只需要花600美元來進行訓練。
第三，我們還要看到多模態，很多時候我們不是做閱讀測試或者在現實生活中間騎腳踏車，在這個中間我們需要有一個多模態的模型，也就是說，我們需要不同的視覺、語言，包括FLAVA、Flamingo、GPT-4等等。“現在我們有了一種全新的語言模型，它可能不一定是叫語言模型，是一個多模型的集合，包括文字、影象，而且有更多的感測器把它容納到這樣一個模型裡面。”
另外一個根本性的問題，就是目前的生成式人工智慧不可靠，比如我的一個AI應用就是關於Magazine，“現在很多診斷是由AI來做的，比如你要用GPT應用於疾病診斷的話，我們放心嗎？很多時候我們是不放心的。”我們要藉助的語言模型，其設計之初是預測一個序列裡面下一個詞是什麼，實際上這個轉換器主要的目的就是預測序列中間的下一個詞是什麼,所以有的時候它的結果並不是真正的現實。“如何實現可信的AI？這是我們未來研究的一個非常重要的領域。”
他還提到，人形機器人也是非常熱門的一個領域。“長期以來我認為，它是沒有什麼用途的。但是現在我們已經使得人形機器人變得更加真實了。比如我們來開一個真正的使用機器人的工廠，比如亞馬遜真正的工廠裡面，機器人的確產生了很大的影響。”
文/北京青年報記者 溫婧
編輯/田野
當人工智慧的飛速發展站在了新的轉折點上的時候，當我們不得不和人工智慧來相伴每分每秒的時候，我們的人類將會迎來怎樣的未來？4月25日，矽谷人工智慧研究院院長、《矽谷百年史》的作者皮埃羅·斯加魯菲在2024中關村論壇年會全體會議上分享了他對人工智慧時代的思考與創新。
“大家還記得AlphaGo嗎？2017年時非常流行，當時我們認為AlphaGo會打敗我們所有人，會征服所有世界。但是，AlphaGo已經是過去了，而不是未來，這個專案也停止了”，皮埃羅·斯加魯菲首先談及了人工智慧曾經“出圈”的代表產品之一AlphaGo。他稱，隨後，谷歌引入新架構轉換器Transformer，而OpenAI釋出GPT，帶領人工智慧走向了未來。
人工智慧過去的進步背後的推動力是什麼？皮埃羅·斯加魯菲認為，第一個驅動的就是硬體，1985年的電腦效能很差，只能做兩層架構，現在已經能做好幾百層了。第二個是資料，首先1997年IBM的深藍擊敗了國際象棋的冠軍，後來有AlphaGo，現在有OpenAI的GPT，主要背後的驅動因素就是大型的資料，所以資料對於AI的進步非常重要。第三個驅動者就是開源，比如不同的國家有很多開源的平臺可以做深度學習，對於很多人來說，在AI上做各種實驗非常重要，開源就不會特別昂貴。第四個驅動因素，就是現代人工智慧的發明家，他們實際上是來自世界各國。所以AI實際上是全球各國的科學家共同進行國際合作的結晶。
人工智慧發展到現在，依然面臨許多不足。皮埃羅·斯加魯菲認為，人工智慧並不是人類智慧，我們大腦的神經元複雜性，要比AI中間的神經元複雜得多。我們大腦的功耗只是20瓦，生成式AI消耗了上百萬瓦的電能。“我們開車、坐地鐵、買東西、看電視，只是用20瓦的功能就能做這些事情，而生成式AI要消耗上百萬瓦的電能才能做”。而且之前神經網路的系統是1943年時做的架構，到現在為止一直沒有太大的變化。
同時，我們在一個物理世界中間，我們可以去移動，可以觸達，可以用各種感官去感知世界，人工智慧卻並非如此。
人工智慧也不會“自然學習”。“人類的學習方法是一種試錯的方法，比如碰一下熱水知道很燙就不會再碰了，而AlphaGo是透過大量的資料不斷堆積而成的”。
那麼未來的人工智慧將如何發展？皮埃羅·斯加魯菲認為，未來人工智慧在五個方面會變得更加有用，更加真實：一是定製模型，在去年OpenAI推出了自己定製的模型，它能夠找到更好的結果。但它依然有問題：這些大語言模型即便非常小，也非常貴，而且功耗巨大。一般的公司出不起錢，很多國家沒有辦法負擔得起。
其次是低算力的AI，有的時候我們可以透過非常小的架構，還有非常小的資料集實現非常好的AI。比如斯坦福的阿帕卡，只需要花600美元來進行訓練。
第三，我們還要看到多模態，很多時候我們不是做閱讀測試或者在現實生活中間騎腳踏車，在這個中間我們需要有一個多模態的模型，也就是說，我們需要不同的視覺、語言，包括FLAVA、Flamingo、GPT-4等等。“現在我們有了一種全新的語言模型，它可能不一定是叫語言模型，是一個多模型的集合，包括文字、影象，而且有更多的感測器把它容納到這樣一個模型裡面。”
另外一個根本性的問題，就是目前的生成式人工智慧不可靠，比如我的一個AI應用就是關於Magazine，“現在很多診斷是由AI來做的，比如你要用GPT應用於疾病診斷的話，我們放心嗎？很多時候我們是不放心的。”我們要藉助的語言模型，其設計之初是預測一個序列裡面下一個詞是什麼，實際上這個轉換器主要的目的就是預測序列中間的下一個詞是什麼,所以有的時候它的結果並不是真正的現實。“如何實現可信的AI？這是我們未來研究的一個非常重要的領域。”
他還提到，人形機器人也是非常熱門的一個領域。“長期以來我認為，它是沒有什麼用途的。但是現在我們已經使得人形機器人變得更加真實了。比如我們來開一個真正的使用機器人的工廠，比如亞馬遜真正的工廠裡面，機器人的確產生了很大的影響。”
文/北京青年報記者 溫婧
編輯/田野
