通往AGI的第二條路

作者 | 山竹

出品 | 鋅產業（公眾號：xinchanye2021）

春節期間，OpenAI又悄悄投出了一顆深水炸彈——Sora。

也就是文生視頻的AI模型，相較于此前的Pika、Runway，Sora生成的60秒視頻更流暢，也更逼真。

看過Sora的周鴻祎當天就表示，Sora意味著AGI（通用人工智能）實現將從10年縮短到兩三年。

AGI在兩三年內能走多遠，現在其實還難有斷言，但AGI注定依然是2024的風口，甚至來得要比2023更兇猛。

不過，關于AGI，學術界其實還有另一條截然不同的路線，一條不同于如今呼聲持續高漲的大模型的技術路線。

北京大學朱松純教授是這條技術路線的代表人物之一。

他認為，大模型不是通往AGI的終極路線，由價值驅動，能夠自主定義任務、能夠完成無限任務的AI模型才是。

他認為，要實現AGI，我們還有很長的路要走。

01李約瑟之問

2010年8月，在這一年的奇點峰會上，一位三十多歲英俊小伙題為《建立AGI的系統神經學方法》的演講這屆大會見證了一個歷史時刻。

這位來自英國的小伙名為Demis Hassabis，他13歲就成為國際象棋大師級棋手，17歲參與編寫了拿下百萬銷量的《Theme Park》游戲，這也成為他后來創立游戲公司Elixir Studios的起點。

不過，這些都只不過是這個天才少年的起點，他之后最為人熟知的頭銜其實是DeepMind創始人、人工智能科學家，同時也是英國政府的人工智能顧問。

就在意氣風發地在奇點峰會發表關于AGI演講的這一年，Hassabis創立了DeepMind，并將研發通用人工智能作為終極目標。

后來關于Hassabis和DeepMind的故事已經是人盡皆知。

由于研究經費的壓力，DeepMind最終被迫在2014年賣身谷歌，并在兩年后以下圍棋的AlphaGo再次震驚世界。

也是在AlphaGo一戰成名之時，后來先于DeepMind搞出生成式AI、掀翻AGI牌桌的OpenAI悄然成立。

不過，這些事關人工智能的前沿技術突破，依舊是發生在大洋彼岸，說起來多少有些讓人唏噓。

實際上，早在上個世紀，Hassabis的“同鄉”學者李約瑟就曾在編著的《中國科學技術史》中提出過一個疑問——為什么工業革命沒有發生在中國？

這就是著名的“李約瑟之問”（李約瑟難題）。

在這之后，我國科學泰斗錢學森在2005年又提出了另一個問題——為什么我們的學校總是培養不出杰出人才？

史稱“錢學森之問”。

這兩大難題，也是一直以來困擾我國科技創新發展的根本難題。

如今，在被視為第四次工業革命的“智能時代”（前三次分別為蒸汽、電氣、信息）到來時，一個新的問題再次被提出：

為什么中國沒能做出AlphaGo、ChatGPT來引領智能時代，而只是迎來了百模大戰？

面對這一時代難題，朱松純在接受媒體采訪時指出：

“中國科研界在過去20多年里的思路是‘從跟跑到并跑，再到領跑’，長久以來的技術跟隨模式，讓中國很多企業難以做原始技術創新。”

通用人工智能的原始技術創新，也是朱松純2020年回國后的主要工作。

這其中的機會在于，朱松純認為，大模型不是通用人工智能的終極路線，學術界已經在關注的另一條路線才是。

02烏鴉范式和“大一統”

朱松純有兩個身份為眾人熟知，一個是數學家，另一個是人工智能科學家，這兩個身份都是在他師從全球著名數學家David Mumford后得來的。

而David Mumford之所以在1992年選中朱松純做自己的研究生，是因為當時朱松純在申請哈佛研究生的自我介紹中談到，自己讀過大衛·馬爾的著作，想要探尋人工智能的“大一統”理論（也就是如今為眾人熟知的通用人工智能）。

這里有兩個決定朱松純命運的“巧合”：

第一個巧合是，在入學哈佛之前，朱松純在中科大讀的是計算機專業，讀到馬爾那本計算機視覺領域開山之作，是在偶然加入生物系研究認知科學的實驗組后；

馬爾雖然學術生涯不長（堪稱天妒英才了），但憑借在計算機視覺領域的超高造詣，被公認為計算神經科學創始人。

計算機視覺國際大會上評選出的最佳論文就是被授予以他的名字命名的「馬爾獎」，這一獎項直到如今依然是計算機視覺領域最高榮譽之一。

朱松純是在2003年拿到的馬爾獎。

第二個巧合是，當時的David Mumford正在強制重啟自己的學術生涯——將自己的研究領域從純數學領域轉向人工智能領域，通用人工智能同樣是這位跨界研究者的終極研究目標之一。

就這樣，朱松純跟隨David Mumford一起，開啟了自己的人工智能學術研究生涯。

在之后的20年里，他不僅順利在哈佛博士畢業，還先后在斯坦福大學、俄亥俄州立大學、洛杉磯加州大學任教，并參與到美國多個頂級人工智能研究項目中，甚至曾兩次擔任美國視覺、認知科學、人工智能領域跨學科合作項目MURI首席科學家。

也是在參與了這一系列前沿人工智能研究項目后，當2020年回國到北大任教并組建了北京通用人工智能研究院（簡稱：通研院）后，朱松純指出：

“人工智能發展，需要進入‘小數據、大任務’的‘烏鴉’范式——用大量任務，而非大量數據來塑造智能系統。”

這是朱松純一直以來倡導的通用人工智能技術路線，基于這條技術路線，以及以往學術研究思路，鋅產業了解到，朱松純在通研院籌備過程中做了兩項重要工作：

第一，七大實驗室設置。

由于人工智能發展的斷代問題，人工智能自1980年以來分化出了多個獨立發展的學科，朱松純將人工智能涵蓋的大學科總結為以下六個：

計算機視覺、自然語言處理、認知與推理、機器人學、多智能體、機器學習。

從通研院官方公開信息來看，通研院前沿研究中心下設七個實驗室分別是：

通用視覺實驗室、自然語言實驗室、認知計算與常識推理實驗室、機器人實驗室、多智能體實驗室、機器學習實驗室、仿真與交互實驗室。

七大實驗室的設置剛好與人工智能分化出的幾大學科對應，這使得通研院的人工智能研究不局限于計算機視覺、自然語言處理。

而這，也正是朱松純希望推行的從跨學科研究到“大一統”的通用人工智能研究體系。

第二，UV雙系統理論的貫徹。

在“小數據、大任務”范式中，UV雙系統是關鍵。

這其中，U是指包含客觀物理定律和社會規范的各種勢能函數的總和，V是指基于馬斯洛需求理論構建起的價值函數。

這樣的UV雙系統貫穿朱松純關于通用人工智能的整個研究體系，既包括通用智能體的評級標準、人工智能評測方法，也包括通用人工智能訓練平臺。

當然，最生動形象的，還是節前在通研院成果展上展示的一個名為“通通”的小女孩。

03人工智能的馬斯洛啟示

1943年，在紐約市立大學布魯克林學院任教的馬斯洛在《心理學評論》期刊上發表了一篇題為《人類動機理論》的文章，在這篇文章中，馬斯洛對外提出了奠定他在心理學領域地位的「需求層次理論」。

這一理論又被稱為「馬斯洛需求層次理論」。

朱松純認為，通用人工智能應該具備在復雜動態環境中能夠完成無限任務、自主定義任務，且由價值驅動這三大特征。

其中，朱松純提到的由價值驅動，是指人類在進化過程中受到環境、生物屬性、激素等方面共同影響進化而來的價值體系總和，也正是基于馬斯洛需求層次理論。

“通通”就是這樣一個基于UV雙系統、由價值驅動的小女孩。

從成果展上的演示來看，“通通”是一個生活在虛擬世界里的小女孩，有點像電影《流浪地球2》里的丫丫。

在官方說法中，這是一個擁有類人價值觀，能自主生成任務、定義任務，并可以通過自主學習和人類教學持續成長的通用智能體。

在演示過程中，通過調節V系統中的幾個參數，“通通”對于環境的敏感度會有所不同，根據不同的敏感度又會自主整理房間。

通過語音交互，工作人員可以與“通通”進行互動，例如向她提問“冰箱里有什么食物”時，她會打開冰箱觀察后給出答案。

當讓“通通”在桌面上擺出一個她不認識的英文字母時，戴上VR眼鏡的工作人員可以在黑板上寫出這個字母，通過示教方式，讓“通通”學會這樣的知識。

不過，“通通”的目前的智力水平還只相當于3-4歲兒童的智力，基于這套理論要想做到類似成年人智力水平的通用智能體，還有很長的路要走。

與現在通過暴力美學實現的大模型相比，這樣的通用智能體雖稍顯稚嫩，但卻有著不可忽視的獨特之處——自主生成任務、具備物理和社會常識、由價值驅動，以及可解釋性。

而這些，也正是當下通過大模型實現的生成式AI所不具備的。

更重要的是，這也是一條不同于“跟跑”帶來的“百模大戰”的另一條有望通過原始技術創新，實現中國人工智能技術突破的路徑。

04穿越AGI周期

2月16日，就在我返京途中，朋友圈已經被OpenAI發布的Sora刷屏。

這幾天，無論是媒體、KOL，還是賈揚清、謝賽寧、周鴻祎、馬斯克這些學術界和產業界頗具影響力的人物，都一致認為，這是人工智能的又一次飛躍。

就科學技術發展本身而言，技術驅動的科技革命其實是一個從學術成果向產業成果轉化的過程，這個過程可能需要幾十年，也有可能需要上百年。

自1980年之后，以概率統計、建模學習、隨機計算為基礎的人工智能范式長達40多年來長足的發展，造就了2022年ChatGPT的橫空出世，以及如今的AI大模型“盛世”。

這是以大模型為代表的“大數據、小任務”范式的人工智能所經歷的學術成果向產業成果轉化的過程，而“小數據、大任務”范式的人工智能目前依然在科研攻關階段，未來還將有很長的路要走。

正因如此，產業上的大模型成果落地和學術上的AGI新范式持續探索的雙線并行，才是更符合當下社會需要的人工智能技術發展路線。

更重要的是，“小數據、大任務”范式的通用人工智能，是繞開了“大算力、大數據、大模型”這套對基礎設施有著極高要求，國內基礎設施還不足夠完善的技術路線。

而在第四次工業革命來臨之際，這樣的技術路線，也有了些“華為”的味道。