北京
來源：Omni實驗室
創作：Richard
審核：Omni實驗室
最近，圖靈獎得主，人稱AI教父的楊立昆聯合哥倫比亞大學等機構共同發布了一篇重磅論文。
——《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》
（人工智能必須借助超越人類的自適應智能實現專業化）
文章傳遞了一個核心結論：
目前大家狂熱追尋的終極目標AGI（通用人工智能），本質上其實是一個定義模糊而且難以落地的偽命題。
研究者們認為：
AI的未來不應該追求無所不能這種通用能力，而是應該深耕于某一個領域，還得具備可以超越人類的快速適應能力。
——這也是楊立昆所提出的SAI(超人類適應性智能)
近幾年人們都在為實現AGI充滿期待和幻想，但眼前有一個大大的疑問擺在面前~
我們是不是需要從對AGI的幻想中抽離出來，去關注AI真正能創造價值的方向中去？
一、我們追捧的AGI，可能是個偽目標！
現在，AGI幾乎成了AI的終極幻想，大家都希望未來AI可以像人一樣，能說話、思考。
用所謂多模態的方式去解決所有問題。
但在楊立昆的這篇論文里，他認為人們幻想的AGI可能壓根就站不住腳。
首先是對AGI的定義很模糊，學界對它的解讀千差萬別。
有的人認為要達到人類所有能力，有的人覺得要在多數任務上超越人類，其實并沒有一個嚴謹的標準。
而且我們也陷入了一個誤區~
我們把人類的智能當成了AGI的模板，卻忽略了人類智能本身就是高度專業化的產物。
在論文中，楊立昆舉了一個例子：
人擅長社交、語言和物理操作，但在記憶容量和計算速度上遠不如AI。
我們覺得很簡單的走路，保持平衡，對機器人來說需要消耗很大的算力資源。
但我們覺得很難的國際象棋，簡單的代碼就能讓計算機輕松獲勝。
人類本身就不是萬能的。
我們只是經歷了上千年的進化，適應了地球生存環境。
那么憑什么要讓AI去實現無所不能的通用能力？
同時，AGI的技術路線也存在嚴重誤導，目前的AI還主要依賴于LLM（語言模型）。
大家一味地追求大參數、更多的數據，卻忽略了AI最核心的能力
——對物理世界的理解、對新任務的快速適應。
論文里還提了一組數據，訓練一個萬能AIG模型，需要的算力呈指數級增長，遠超摩爾定律的速度。
從經濟和工程角度來說并不可持續。
追求通用的路線必然會犧牲專業領域內的深度，有可能將導致樣樣通，樣樣松。
二、楊立昆口中的SAI是什么？
前面我們已經提到楊立昆提出的SAI(超人類適應性智能)，在論文里也給SAI下了一個清晰的定義：
一種能夠快速學習并超越人類在任何重要任務上表現的智能，同時能適應人類無法完成但具有實用價值的任務。
它的核心衡量標準不是完成任務的數量，而是學習新技能的速度和效率。
和AGI有本質的區別
AGI追求無所不能，但最終有可能一事無成。
而SAI追求一事極致，萬事可學，或許能更貼合實際的解決問題。
論文中提到SAI有四個核心特征
01
超人類適應性，學習新任務的速度遠超人類；
02
專業且深度，在特定領域達到遠超人類的水平；
03
跨領域遷移能力，能把一個領域的技能快速遷移到另一個領域；
04
破人類認知邊界，解決人類做不到的任務，比如黑洞模擬、量子計算優化等。
舉個簡單例子：例如AlphaFold在蛋白質折疊領域，就是SAI的雛形。
它可以深耕蛋白質折疊這一專業領域，能力遠超人類。
同時還夠快速的適配新的分子數據，不斷提升預測精度。
這就是楊立昆眼中，AI該有的樣子。
三、如何實現SAI？
這篇論文同時給出了實現SAI的基礎路徑~
首先是構建預測性世界模型。
不能像現在的語言模型一樣，只靠文字來生成內容，而是要讓AI建立對物理世界的理解。
論文中還明確提到，可采用JEPA來實現目標。
（簡單查了一下這個架構，大致意思是說能讓AI通過表層現象預測事務本質。）
比如看到一張照片的一半，就能準確猜到另一半的核心內容，不去糾結像素、顏色等小細節。
提升計算效率的同時又能讓AI真正理解世界。
第二個是采用分層多智能體編排
先把SAI系統拆分成感知、預測、規劃、執行等專業模塊，每個模塊負責自己的專業領域。
然后通過動態路由機制，根據任務需求，靈活組合這些模塊。
實現專業能力+快 速適應的平衡。
第三個是目標驅動的強化學習
讓AI擺脫生成下一個Token的局限，轉向優化目標函數。
真正理解任務的核心意圖，而不是機械地完成指令。
同時，引入成本模塊，讓AI學會權衡收益和代價，做出更高效、更安全的決策。
最后是持續學習與快速適應
讓AI克服遺忘，在學習新技能的同時，不忘記已掌握的專業知識。
同時，通過元學習機制，讓AI學會如何學習，實現看一眼就會的少樣本、零樣本學習能力。
四、SAI可能離我們并不遠
這篇論文發布48小時內，下載量就突破了12萬次，成為當月最熱門的AI論文。
次月楊立昆也在3月10日宣布創立AMI Labs，專注于SAI研發，并獲得10.3億美元的融資。
其實，總體來說，SAI的提出對AI發展方向的回歸。
——人們可能明白了，AI的價值，或許不在于像人一樣，而在于高效、更精準地解決問題。
楊立昆在論文結尾寫道：
真正的智能，不在于能做多少事，而在于能多快學會新事；AI的價值，不在于模仿人類，而在于超越人類，解決人類無法解決的問題。
我想，AGI會一直是我們心中的終極夢想。
它就像一個我們內心構想的一座雕像，堅硬宏偉，一直在那里。
但著眼當下，SAI或許更是AI走向實用、走向普及的必經之路。
閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”
未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。
截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告
（加入未來知識庫，全部資料免費閱讀和下載）
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
