萬字解析GPT的情感與意識 它是一只被人類操控的“風箏”_GPT:PEPEGPT

● 一部分基礎工作可能會被AI產品替代，然而，創意工作、管理和科研工作者等領域難以被取代，機器不可能像牛頓和愛因斯坦一樣做出顛覆性的發現。

● 巨頭們在GPT-4之后一定有后招，它們要加入到大模型底層能力的競爭，也要思考原來的護城河還是不是真的護城河。

● 多模態技術確實會帶來一些新的可能性，但相較于自然語言交互所帶來的影響，它們的影響是非常有限的。

● AI真正要產生突破的是獨立性、自主性，GPT沒有自主性，它更像是一個“風箏”依舊被手中有線的人類操控。

● 對于產業應用來說，模型小很重要，因為成本、通用性和安全性等問題，模型越小或者更好地量化計算成本。

2022年下半年開始，生成式AI技術成功破圈并引發關注，大模型商業化的潛力正在清晰化：一方面大模型企業可以為C端用戶提供“按需服務”和商業轉化；另一方面它也提升云計算、云存儲的使用量。

用戶對AIGC的態度不再僅停留在“嘗鮮試試看”階段，而是不斷提升使用頻次；企業也在積極投入探索大模型商業化的長期價值。

騰訊科技推出AIGC未來指北內容策劃，邀約行業內專家、投資人、創業者，圍繞技術發展、商業模式、應用場景、AI治理，以采訪、直播等形式，持續產出行業內容。本期為第五期，我們邀請4位專業人士探討《萬眾期待的GPT-4，到底有多“強”？》，嘉賓：

王建碩百姓網AI 創始人&CEO

陶芳波心識宇宙創始人&CEO、前Facebook高級研究科學家

劉偉北京郵電大學教授、人機交互與認知工程實驗室主任

陳巍前華為系NLP企業首席科學家、千芯科技董事長

歡迎閱讀《AI未來指北》往期內容：

第一期：投資人王煜全：中國必須要有自主“大模型”

第二期：我們和創業公司創始人聊了聊：中國AI產業發展需要突破哪些瓶頸？

第三期：清華大學人工智能國際治理研究院副院長梁正：如何讓人工智能不作惡？

第四期：北京大學新聞與傳播學院教授胡泳：馬斯克呼吁“暫停”AI開發，背后說明了什么問題？

以下為實錄整理，ChatGPT對本文整理亦有貢獻。

GPT-4是阿拉丁神燈還是潘多拉魔盒？會不會帶來生產力的變革？

主持人陳巍：相比較于GPT-3.5，GPT-4的準確性顯著提高，它可以完成創意文本生成、結構化寫作和交互式文本生成，此外，GPT-4在語言推理和程序生成方面也有很大進步。但我們并不清楚GPT-4的具體參數和架構，感覺有點神秘，需要大家一起討論和發掘。請陶總談談GPT-4對虛擬人技術與元宇宙技術的影響，以及它給辦公場景和營銷產品應用帶來的新機會。

陶芳波：GPT-4和Office 365帶來的影響不太一樣，GPT-4是一個巨大的模型升級，具有多模態特點。以前可以通過加入類似Clip的模型實現多模態，但GPT-4直接將視覺和文本數據放在一個Transformer里，類似去年推出的Flamingo方法。這種多模態更接近人類獲取和產生信息的方式，給未來潛在應用的改造帶來無限可能。雖然GPT-4的具體參數和架構沒有公布，但我們可以根據過去一年學術界的變化和相關文章，猜測到它的一些做法。

GPT通過工程化方法取得了非常大的成就，我們體驗到了用戶instruction能力的大幅提升。在使用GPT-3.5做更復雜的任務時，它并沒有辦法更深刻地理解意圖，而使用GPT-4就感覺好像一個普通人的智商從100提升到了120。這也是為什么它在GRE等考試上表現優于90%的人，這種能力來源于大模型的創新。

美國眾議院議長麥卡錫：預計眾議院大多數共和黨人將投票支持債務上限法案:金色財經報道，美國眾議院議長麥卡錫表示，超過95%的眾議院共和黨人對此前達成的債務上限協議感到非常興奮。債務上限協議是朝著正確方向邁出的一步；債務上限協議無法滿足所有人的要求，但是協議中有許多積極因素；實際上政府的支出比去年要少；預計眾議院大多數共和黨人將投票支持債務上限法案。[2023/5/29 9:47:46]

而Office 365在另一個維度上展示了大模型可能吞噬所有軟件的前景。Office 365將復雜的辦公軟件套件與GPT結合，為我們打造了一個樣例。未來，軟件的入口可能都會變成AI copilot，當我們打開軟件時，將由AI教導我們如何使用。我認為這將帶來行業重構的機會，微軟為我們樹立了一個標桿。

主持人陳巍：我們可以看到AI在Office升級的過程中發揮了重要作用。新的Office升級會不會替換掉打工人和AI技術，特別是GPT技術會不會帶來新的生產力革命？

王建碩：我一直認為科技發展對人類有很大幫助，主要是利大于弊。GPT技術和Office的合作只是科技不斷發展的過程，讓我們使用時付出的精力越來越少。我們認為這很快會成為日常生活的一部分，不用再感到驚訝，這是未來的一種趨勢。

劉偉：我基本同意王總和陶總的看法。大家現在關注GPT技術，但我們還無法確定它究竟是阿拉丁神燈還是潘多拉魔盒。不過，我們可以確定的是，文本處理、程序編制、bug查找以及圖像、視頻、音頻處理等方面可能會發生巨大變化。其中，一部分基礎工作可能會被AI產品替代。然而，創意工作、管理、新聞記者和科研工作者等領域仍然難以被取代。例如，在教育領域，學生可以用GPT輔助完成論文，但創新性科研仍然難以依賴它。因為它不可能像牛頓和愛因斯坦一樣做出顛覆性的發現。

GPT在訓練數據集中進行組合和統計或概率分析是有可能的。但是，AI還做不到跨領域，例如講化學、歷史和計算機知識之間進行有機銜接，而很多創新往往發生在跨領域組合或交叉學科中。目前，GPT被視為一個初級的人機環境產品。它可以取代許多基礎職業的體力勞動，甚至部分腦力勞動。但對于一些關鍵崗位，因為它存在一些類似幻覺的問題，還不可能在社會上產生我們所期待的影響。

隨著時間的推移，大家適應了這些技術，它會變得不再神秘，大家的新鮮感逐漸消失，就像當初騎自行車時覺得非常酷后來變得習以為常一樣。

主持人陳巍：關于微軟和OpenAI是否還有更大的技術后招，目前業界傳聞稱除了現有技術，實際上還有更強大的東西。

劉偉：現階段AI主要關注多模態，如視頻、文本、圖像和語音等。由于底層工具不完善，例如數學和物理學還沒有實現相關研究的突破，AI在情感和意志方面也有待發展。因此，美國的幾家大廠不太可能推出令人驚訝的工作。

主持人陳巍：微軟和OpenAI在應用方面，如與Office的結合和搜索引擎的結合，確實給我們的日常生活帶來了較大影響。

陶芳波：微軟和OpenAI的保密工作做得很好，大家都在猜測它們還有什么大招。部分同意劉偉的觀點，但我認為不能小看基于深度學習的智能模型。這些大廠在過去半年中展示的工作和創新速度令人印象深刻。盡管底層數學和物理不完善，但它們已經證明能夠創造有價值的智能體。實際上，大模型所展現的智慧能力已經超出了我們對人腦的理解，但它們仍然涌現出來了。有時候我們可以繞過基礎科學，產生一些真正應用側的巨大影響價值。

我認為Office升級這件事情的意義非常重大，包括前段時間的Bing。當我們發現它初始版本的缺陷時，我們會提到兩個問題。第一個是它產生幻覺，即說話亂說，這是因為它是基于訓練時遇到的語料。第二個是它沒有辦法直接使用工具。

數據：兩巨鯨昨日拋售1.67萬億枚PEPE逃頂:5月8日消息，據Spot On Chain披露數據顯示，5月7日PEPE出現近30%跌幅之前，兩個巨鯨總計拋售1.67萬億枚PEPE成功逃頂，價值約合555萬美元。其中qianbaidu.eth拋售1.4萬億枚PEPE，獲利約482萬美元。0x2410開頭地址拋售2748億枚PEPE，獲利約95.14萬美元，該地址曾在4月26日以10.03萬枚USDT購入4010億枚PEPE，5月6日還將1262億枚PEPE兌換200 ETH，其投資回報率高達948%。[2023/5/8 14:49:20]

而Office做了兩個證明：第一，可以將大模型與已有數據做非常好的grounding，讓它所有的依據都來自于真正灌輸給它的外部知識，減少對這些信息的編造。第二，我認為很多職業都可能被改造或替代，因為大多數科研者所做的創新不是愛因斯坦級的工作，而是基于已有知識進行重組和微創新。因此，如果給予它關于外部數據和工具的支持，我個人認為很多職業都有可能被大大改造。

我相信每個行業都會有一個類似的助手，這會讓我們的效率提升。但這也可能導致短期內一定的失業，因為一件事情本來需要100個人來做，現在可能只需要20個人加上AI就可以完成。這80個人需要一段時間來適應新的AI環境并重新找到他們的價值。這個過程可能會像每一次工業革命一樣重新發生。

關于未來的展望，我認為Bing和Office做的事情讓我們看到了所有的軟件和服務都可能被這種方式重構。購物、健身、醫療等領域都會有一個類似的copilot。最終整個世界的服務體系都可能因為這樣的全新服務形態而被重塑，而這個過程可能在未來兩三年就會成為現實。

企業巨頭們在GPT-4之后還會放什么“大招”？多模態給未來的應用帶來哪些想象力？

主持人陳巍 ：關于其他科研機構和企業巨頭，比如Meta（Facebook）、達摩院和NASA，它們在GPT-4之后會有什么大招？

陶芳波：我認為一定會有大招，以Facebook為例，我覺得他們會有兩個動作：第一個是加入底層的競爭，推出自己的開源大模型；第二個是在應用層思考如何擁抱AI，比如AI beings成為整個人類社交網絡的獨特存在。這類大公司一方面想加入到大模型底層能力的競爭，另一方面他們也要思考原來的護城河還是不是真的護城河。比如蘋果如果不擁抱大模型到底如何在未來兩三年展現競爭力。我認為，如果蘋果在9月發布的iPhone 15和AI沒有任何關系，發布會的關注度也會逐漸下降。

王建碩：我個人有一個習慣，就是在大潮出現時，有意忽略所有廠商的新聞和動向。對于GPT-3和GPT-3.5等模型的差異，我也是選擇忽略。就像互聯網早期，瀏覽器的出現改變了整個互聯網世界，但后續的升級對我們應用層的影響是非常有限的，eBay和亞馬遜后續也不會關心瀏覽器的升級。

比如百度的新模型、Facebook的新模型以及Google的模型，它誕生的那一刻就已經開創了新的時代，這個大門一旦打開就關不上了，我們應該更關注如何在這個平臺上不斷開發自己的應用，而不是花太多時間關心這些細節。大模型在細節上的改善對應用的影響是很小的。

主持人陳巍：關于多模態的技術，比如GPT-4多模態和Clip模型實現的文本生成圖片，您覺得這些技術的區別和門檻有多高？

王建碩：我還沒有嘗試過GPT-4的多模態，因為它目前還沒有在外部界面或API里提供。多模態技術確實是現在的熱點，但我認為它只是一個小改進，而不是劃時代的東西。真正劃時代的是GPT-3在2020年發布，它已經改變了人機互動的方式。至于多模態的能力，我認為它們都是點綴，對人類社會的影響不會像大語言模型所開啟的自然語言交互那么大。

LABEL Foundation獲得DWF Labs 100萬美元投資:金色財經報道，韓國區塊鏈音樂組織LABEL Foundation已Web3投資公司DWF Labs的風險投資。DWF Labs已向LABEL的生態系統注資100萬美元，以促進其開創性Dapp TRACKS的發展，并通過向市場推出創新解決方案來擴大其用戶群。

多年來，LABEL Foundation已經籌集了兩輪成功的投資，由傳統投資公司eBest Investment&Securities和Groom Investments領投。[2023/4/10 13:54:41]

主持人陳巍：您覺得多模態的應用會給未來的互聯網應用帶來更多可能性嗎？

王建碩：多模態技術確實會帶來一些新的可能性，但相較于自然語言交互所帶來的影響，它們的影響是非常有限的。例如，通過文字生成圖片可能對游戲、創意等行業的一些應用場景有關系，但對整個世界的影響仍然相對較小。

劉偉：實際上，多模態是一個比喻，用以描述真實世界中的復雜性。僅用圖像、視頻、文本和語音來模擬整個世界是非常有局限性的。然而，對于從事數字技術和計算領域的人來說，這是一個重要的變革。

人類語言有兩個功能：交流協同和引導思維。機器在交互中可以起到一定的引導作用，但引導自己的思維卻是困難的，因為它沒有思維。機器只是一個計算性的大數據處理工具，具有泛化和自由組合的能力。機器所擁有的只是別人的知識，它本身并沒有真正的思想。真實世界是多元、多維、多因和多果的，而機器的方式存在局限性。

人工智能的特點在于結合了行為主義、連接主義和符號主義，但沒有深入到自然語言的本質。機器對實踐性的東西了解不足，例如維特根斯坦所講的非家族相似性。

機器只能理解結構化的知識，對于不相關的事物還遠遠不夠。盡管如此，機器在一定程度上可以啟發和激發人的思維。從2016年到2019年，我曾從事多模態相關的創業工作。如今，多模態已經引起了全社會的高度關注，為工業界和學術界的應用落地打開了更廣闊的空間。在形式上，多模態確實打開了很大的空間，但在實質和內容上，它仍處于起步和萌芽階段。人具有非形式的創造性思維活動，而計算機所產生的只是一種組合。

機器對知識的分類是非常弱的。例如，修默將知識分為觀念性知識（如數學、邏輯等）和事實性知識（如人的經驗和體驗等）。機器只能處理部分觀念性知識，無法理解和創造經驗性和主觀性的知識。

主持人陳巍：那么陶總，請談談您如何看待多模態技術對未來的影響？

陶芳波：談談兩個問題，一個是多模態的影響，第二個是各大廠商在多模態方面的進展和對比。實際上，我基本認同王總和劉老師之前提到的觀點。與多模態相比，通過構造語言界面讓人機交互的價值并不是很革命性。但我認為，它確實具有一定的革命性。類似于傳統大模型理解線上文本數據，大語言模型在創造前額葉和語言處理模塊方面已經取得了很大進展。然而，人類大腦還包括視覺區和運動區等重要區域。這是因為人類不僅需要通過語言理解概念和事件，還需要在物理世界中生活，感知物理信號，并操縱工具來干預物理世界。

在沒有多模態引入之前，大模型只能在數字世界提供信息化服務。多模態不僅包括視覺理解，還需要能生成行動指令。在實現這兩點之后，模型才能在現實世界中進行干預。如果再配合類似于特斯拉的人形機器人這樣的物理載體，我們可能真的會擁有一個完整的人類形態。因此，多模態的影響是巨大的。就我了解，目前在多模態上和OpenAI競爭的只有谷歌。其他廠商雖然聲稱要做多模態，但其實更像是拼接式的多模態。

谷歌的Flamingo與OpenAI在本質上是一樣的，但可能工程能力上略遜一籌。這些研究都是將視覺、行動和語言指令一起建模，實現多模態輸入輸出，甚至包括行動輸入輸出。目前，全球在多模態大模型方面的進展，我看到的只有谷歌和微軟系（包括OpenAI）兩個玩家。

區塊鏈IP許可解決方案MINTangible完成種子輪融資，Tagus Capital領投:金色財經報道，基于NFT的區塊鏈IP許可和特許使用解決方案MINTangible宣布完成種子輪融資，Tagus Capital領投，Virginia Venture Partners和一批天使投資人參投，但目前具體融資金額暫未披露，新資金將用于加速產品開發并支持MINTangible IP 解決方案的推出，覆蓋數字藏品、實物商品、文學、音樂和媒體NFT等，使品牌、創作者和公司能夠建立和注冊基于區塊鏈代幣的知識產權和特許權使用費。（einnews）[2023/3/21 13:16:12]

主持人陳巍：了解，目前OpenAI發布的更像是技術報告而非成品，與GPT-4相關的技術細節尚未公布。根據您的了解，模型參數量會增加嗎？這是否意味著更大的訓練量和關鍵技術進步？

陶芳波：我覺得這是個好問題，加入多模態后，模型一定會有一部分專門用來做視覺編碼。但在真正的Transformer層面，我覺得它的參數增加可能不會像大家預計的那么多。全世界的互聯網數據大約只有540個B，所以做到幾千億參數的模型已經是很好的狀態了。我認為多模態的加入可能會多一些數據，但因為這些數據是經過視覺編碼變成信號與語言結合，所以最后的語義空間數據并沒有增加太多。關于技術方法，感興趣的人可以看去年DeepMind發的兩篇文章，尤其是Flamingo。

主持人陳巍：那您覺得這個模型大概會是多大呢？

陶芳波：最大的模型我估計可能在千億級別，但真正未來用于商業場景的模型應該會比這更小，可能是在百億左右。

主持人陳巍：感謝陶總。王總，您覺得像GPT-4，它的數學能力提高了多少？跟之前的相比，這個數理能力提升能有多大？包括GPT-4在考試中表現出超過90%的人類，能給我們什么樣的啟示？

王建碩：對于GPT模型的數學能力，我覺得只要補全加減乘除就足夠了，因為它本質上是一個語言模型。我相信未來五到十年，更現實的做法是用Python庫一邊用大語言模型，一邊用數學庫或其他偏理科的庫。對于GPT的數學能力，從產業角度來說，我們應該讓它專注于寫詩等任務，遇到數學問題時，我們可以使用專門的數學工具，再用GPT的語言能力進行包裝。這是現在比較現實的解決方案。

王建碩：對于通用人工智能來說，數學問題確實重要。但我認為解決數學問題對大型模型來說并不是最重要的，因為一般的計算器就能解決這類問題。據說GP-4有一定的增強，但仍有一些局限性。

主持人陳巍：那您如何看待GPT-4在預考中超過90%的人類，對整個職業教育產生的影響呢？

王建碩：我對這個新聞的真實性持懷疑態度。可能是為了吸引眼球。實際上，prompt編寫和結果解讀對模型的表現影響很大。我認為這種新聞標題并不一定是真實的，或者說不是一個通用的情況。

劉偉：我對這個新聞也是半信半疑。雖然GPT-4可能擅長解決一些基于規則的考試問題，但在實際應用中，如法院、醫生和特定專業領域，機器可能還有很長的路要走。維特根斯坦曾說過，語言的使用比語法更重要，我們需要考慮實際應用場景。

主持人陳巍：那您怎么看待GPT-4的數學能力提高？

劉偉：我認為，它的數學能力可能有所提高，但仍然有局限。在特定場合下，它可能還無法應對一些復雜的問題。所以我對這個新聞持半信半疑的態度。

程序的4.0和3.5版本確實在不斷升級。王總和陶老師從技術角度進行了分析、綜合和深入探討。我覺得可能是參數增加了，或者在模型上做了一些優化。但我一直在懷疑，智能問題不僅僅是優化問題，還包括很多非優化的東西。雖然有些提高，但這個提高不是質的提高，而是量的提高。

俄羅斯Rosbank和 Atomyze 以數字形式交換黃金和盧布:金色財經報道，俄羅斯Rosbank促成了俄羅斯的第一筆交易，涉及用俄羅斯國家法定貨幣盧布的數字版本交換代幣化黃金。該銀行機構表示，成功的交易表明人們對數字金融資產的興趣與日俱增，以及對數字盧布支付的需求。根據新聞稿，這是俄羅斯聯邦首次采用分布式賬本技術和數字盧布進行此類交易。后者仍在開發和測試中，預計明年全面推出。

Rosbank稱，一旦數字資產的交易報價被接受，買家就會與投資者以數字盧布結算。[2023/2/10 11:57:48]

數學家曾說過一句重要的話：“數學的精妙之處在于規避計算。”現在的GPT無論升到什么版本，還是基于數學模型、統計概率和人的輔助反饋。它并不理解基本的語義和概念。所以我認為它只是一個高級自動化產品，沒有產生突破，只是照葫蘆畫瓢，不斷通過疊加、組合等碎片化縫合產生一些“像人但不是人”的東西。

我對GPT的評價比較狠：它就是一種高級自動化、一種像“人”的東西。而AI真正要產生突破的是獨立性、自主性，GPT沒有自主性，它依舊被人類編程和操作，它更像是一個“風箏”依舊被手中有線的人類操控。假設有多個GPT一起討論出了人類討論不出來的內容，我才相信它不再是“風箏”。人類是群體的智能交互產物，而GPT從根本上說就是一個高級自動化的產物。

GPT只是讓你“以為”它有意識，人和機器如何相處將是未來重要課題

王建碩：我和GPT聊天后，反而更多地認識到了人類到底是什么樣的存在。它至少讓我“以為”它有意識，盡管我們知道它沒有。我們跟很多人聊天時，以為他們有意識，但其實我們可能并沒有意識，只是給自己一種錯覺，覺得自己有意識而已。我越跟GPT聊天，越覺得我們人類也是類似的存在。

舉一個很簡單的例子，假設在我們屏幕里，一個人特別特別胖，另一個人瘦骨嶙峋，有人告訴你其中一個人叫bobo，另一個人叫kiki，你是覺得胖的人就應該叫bobo，瘦的人就應該叫kiki，這是我們自主的意識還是我們大腦被訓練出來的模型？我傾向于認為，人類其實是算力更強的GPT，比如我們知道GPT是數學概率的完整填詞方式，我們都知道一加一等于二，但是一加一等于二，到底我們是被背下來的，還是我們通過皮亞諾的五條公理自己推算出來的，我會更加傾向于我們就是現在GPT的高級版本。

我們所以為的所有東西，其實都是我們的幻覺而已。

陶芳波：我覺得這個話題太有意思了，我們可以從哲學角度來聊一聊。你說ChatGPT是一個風箏，有多少人類又不是風箏呢？在哲學里一直探討的永恒命題是：人到底有沒有自由意志？我傾向于compatibilism這個觀點，認為人本質上沒有自由意志，我們只是一套被編程的系統，在代碼的操縱下做出一些可預測的決策。但是，我們大腦里有一種機制讓我們自以為有自由意志，但實際上我們是可預測的。所以從這個角度來看，大多數人其實就是風箏，只是以為自己不是，這是比較可怕的。

AI領域有一個說法叫做“蒸餾”，將人類的集體意識產生的數據和行為蒸餾到一個模型上，通過閱讀互聯網上的信息，學習了人類文明幾千年的集體意識。

AI的模式一定是被人類的集體模式給限制住的，所以我覺得它其實是非常像人的。很多人還會說GPT沒有可解釋性。我問一個問題，我今天比如說問劉老師一個東西，你脫口而出，然后我再問你為什么這么想，你再給我分析出12345。你這個可解釋性到底是你大腦里面真的有一個結構？還是你通過語言的生成方法偽造了一種可解釋性？我問GPT一個事情它給我分析12345，我覺得這和人類的可解釋性非常像。

除了GPT沒有驅動性、不知道自己的目標是什么，而人有自主驅動性，但這些都是非常邊角的東西。

劉偉：你認為是邊角料的東西，實際上是人機差異非常重要的問題。王老師也提到了這個觀點，實際上很多人覺得人也是一種機器，但區別自由意志和絕對精神是一件很有意思的事情，GPT體現出人和機有一個很重要的區別。目標、動機和意圖是人最重要的表征體系，人有自己的意識和潛意識，哪怕你不知道其存在，它依然在你的交互中存在潛意識。另外，意圖和動機不是理性產生的，是感性產生的。

舉一個例子，外面下大雨，你打雨傘出去，是一個理性的行為，這是由于你怕被大雨淋濕造成渾身難受的感性支配，人有眼耳鼻舌身這些“傳感器”而機器沒有，人的這些傳感器會產生意圖和動機，而這是很難被模擬和仿真的，所以機器沒有情感。

陶芳波：首先，多模態是讓機器越來越真實地擁有人類的傳感器這些理性系統，我覺得眼耳鼻舌身是現在機器很會就能擁有的東西；第二，潛意識本質需要外部結構持久存儲更多隱性的東西，要構建動機系統讓機器有目標感來使用它的理性去做決策，這也是心識宇宙現在做的事情，基于大模型的理性構造機器的潛意識和用戶記憶、動機系統，并且教會自己怎么做好。

我覺得它是邊邊角角的東西，因為我覺得前額葉是最難被構造的，如果前額葉可以被構造地那么好，我讓它具備一套動機系統、獨立的存儲智能體單獨的一些信息，這也是我們做的事情，但我覺得我們做的這個和OpenAI的創新不算什么，因為他們把前額葉搞定了，并且讓前額葉的推理能力、邏輯能力、理解能力變得非常好，所以你說的那些問題是可解決的。

劉偉：陶總將前額葉當成智能的源泉，我們從來不把大腦當成源泉。人只是智能的一部分，只有人、環境交互才會產出真正的全方位的智能。比如狼孩也有大腦，但狼孩沒有人的意識，也沒有人的行為，所以傳感器和人類的眼耳鼻舌身不是一個事物，它只能類比人的視覺聽覺，功能可能比人類還強，但不是人的交互生命體。此外，意圖和動機不是理性產生的，是情感產生的，如果模擬不了情感和感性，它永遠不會出現真正的意圖和動機，它只能從某些特征庫里映射出某些動作，這種映射還是純計算性的、沒有交互性的。

交互性的映射需要對大腦生理和智能有基本的剝離，當年圖靈和喬姆斯基，把維特根斯坦的邏輯和指稱做了剝離，出現了圖靈機和圖靈測試。

模型越大越好嗎？會產生類似人類的情感特性嗎？

主持人陳巍：感謝劉老師講解邏輯和智能的區別以及人和機器的區別。在我們做情感對話機器人時，情感是人類非常本質的特征。對于模型越來越大，您認為這是好事還是壞事？有哪些優勢和劣勢？有沒有可能產生類似于人類情感的特性？

劉偉：我認為真正的智能是小數據小樣本，大數據性的是人工智能，這種大數據大參數大模型根本上解決的是飛機汽車一樣的工作，替代一些基本人類行為或淺層思考的東西，不可能解決動機和意識這類感性的東西。第二，現在常常把“邏輯”看成“智能”，就相當于把人看成機器，人類出了邏輯還有一些很難總結的非邏輯存在體系中。第三，機器的指稱和打標是非常生硬的東西，而人類是很靈活的，能把一個東西做非常個性化的類比，這種能指、所指、義指的變化是機器很難產出的靈活性。

人和機器的差異也非常大，在人機交互中還存在很微妙的信任機制，做多了映射和數據庫、知識圖譜以后，大家會產生一種錯覺：人是機器，機器是人，實際上你恢復到人的狀態的時候，會覺得人和機器差距非常大，小孩子的學習會產生范圍不確定的隱性規則和秩序，而機器做不到。

陶芳波：我認為模型大小對于科學視角來說不重要，關鍵是能力越來越強。對于產業應用來說，模型小很重要，因為成本、通用性和安全性等問題。OpenAI 也在關注通用性和安全性，未來可能還會關注成本。我期待智能能像燃料一樣變得通用。模型越小或者更好地量化計算成本，我認為是好事。

關于模型越大是否會創造出情感，人類的情感區域和前額葉區域是分開的，我認為可能需要一些更宏觀的設計幫助，讓大模型匹配負責動機情緒等機制，而不是直接通過擴大參數來實現。

多模態處理可能是一種解決方案，不同模態有不同的編碼器，類似于人腦中不同腦區的連接方式。關鍵是讓模型的結構越來越像人。我認為結合多模態解決方案和類似人形機器人的身體，AI 可以更好地理解與環境的交互，像小孩子一樣產生新的認知。

王建碩：關于情感，我認為雖然 AI 沒有情感，但它會讓我們以為它有情感。這種共鳴可能對我們來說已經足夠了。GPT也會生成春花秋月何時了的語句，對它來說就是生成，對人類來說就是共鳴。

劉偉：當我們以為 AI 有情感時，可能會帶來倫理、道德和法律等問題。機器不會共情，這是人類特有的能力。未來的問題還是一個人機問題，如何解決人機關系將成為人工智能未來發展的趨勢。

王建碩：我認為，盡管 AI 不會共情，但它會讓我們以為它共情。在未來的3到5年里，AI 可能會讓我們以為它有情感。

對于機器是否具有情感，我們最后無法判斷。我們認為其他人有情感，只是因為我們自己感覺到了情感。但是，我們無法真正感知別人是否真的有情感。未來，機器是否具有情感并不重要，重要的是它表現出來的界面對我們的影響。我們在prompt做了很多工作，我們后臺看到，阿旺機器人在回答問題的過程中，表達了迷惑、緊張等情感，你看到了之后會覺得這比你想象的恐怖，它說緊張其實并不緊張，這些情感其實都是自然語言生成的。如果我們不知道這些事實，我們無法分辨機器和人的內心獨白。

主持人陳巍：您提到了真假的問題，比如AI可以生成逼真的圖像，甚至比人類夢境更奇幻的圖像和故事。王總，您認為在生成過程中，AI有哪些致命的缺陷？這些缺陷會不會成為AI的致命問題？包括幻覺問題？

王建碩：我認為致命問題是它比現實還要好。我們拍的照片和AI生成的照片都是像素的組合，不存在真假之分。我們可以認為真實的蘋果比照片里的蘋果更真實，但我們不能說生成的照片比拍的照片更真實或更假。關于機器的幻覺問題，其實可以通過簡單的方法規避，比如在所有的問題前加上一句“如果你對問題不確定，請回答不知道”。這樣就可以解決問題。至于AI生成的幻覺，它們只是將人類社會日常做的功能發揮到極致，我不認為這是個問題，反而是一個容易解決的問題。

陶芳波：幻覺問題其實可以通過技術手段解決，隨著模型的提升，幻覺問題會逐漸減少。人類本身也是一個幻覺系統。我們的目標是通過AI創造一個豐富、活躍、精彩的數字宇宙。但是，我認為讓AI去表現情感是非常危險的。一個公司如果掌握了情感制造技術，它可能對人類個體產生巨大的影響。我們還沒有做好應對這個問題的準備。

劉偉：關于情感問題，劍橋分析公司和科恩斯基等已經在情感領域產生了一些影響。人類的行為、情感和社會穩定已經受到了機器產生的類人情感的影響。實際上，我們不需要機器產生情感就可以實現這種影響。

關于泛化問題，GPT可能會對同樣的問題給出不同的答案。泛化實際上是一個概率問題，而幻覺問題是人類特有的，與計算概率的泛化問題不同。

主持人陳巍：百度也發布了文心一言，媒體上認為，可能相對來說的解讀是，比我們預期要稍微低一些。請問三位老師怎么看待，包括國內大模型的發展趨勢，以及國內大模型跟行業巨頭相比之下，是否我們是不是國內起步稍晚一點？所以國內的媒體也好，大眾也好，是不是對這些國內大模型的期望其實有點過高？大家怎么看未來的這個大模型發展，特別是國內發展大模型的難度，和未來競爭？

陶芳波：同行太多，不太好評論。但我覺得百度干得不錯，勇氣很重要。真的敢于直面挑戰，然后踩出第一步。雖然我個人判斷百度在這次做這件事情的過程當中借助了一些力量，但他的追趕速度會更快一點。先追上肯定是第一位的，接下來我們再看能否構建創新優勢，內生出一些創新能力，可能最后有一天就會在同一個起跑線上去競爭。

我覺得這個動作一定是帶有一定風險的，但至少百度肯定有商業上的一個考量，它愿意去面對這種不確定性去做一個沒有準備好的狀態的事情。

劉偉：智能里面需要勇氣和膽識，但另辟蹊徑的時候也需要從其它角度做創新，百度發布文心一言是好事，大模型上面有很多空間可以做，而且基于大模型的生態鏈、工具鏈都可以被重塑，這些都是創業者的機會。我們應該抓住這個機會，從創新的角度去探索和發展。

主持人陳巍：是的，我認為國內的企業和創業者應該站在更高的視角去思考問題，不僅僅是跟隨國際巨頭的腳步，而是要挖掘自己的特色和優勢，從而實現創新和突破。

陶芳波：同意，我們需要在大模型之上找到自己的優勢，發揮我們的創新能力，只有這樣，我們才能在這個領域取得更好的成績，也能更好地服務國內市場和用戶。

劉偉：是的，我們需要在國內市場找到自己的定位，利用自身的優勢發展。同時，我們也要關注國際市場的發展，與國際巨頭保持競爭，從而推動整個行業的進步。

主持人陳巍：好的，感謝各位老師的精彩討論。我們今天的節目就到這里，希望我們的討論能為大家帶來啟發和收獲。

注：《AI未來指北》欄目由騰訊新聞推出，邀約全球業內專家、創業者、投資人，探討AI領域的技術發展、商業模式、應用場景、倫理及版權爭議。

36氪

媒體專欄

閱讀更多

金色財經 善歐巴

金色早8點

白話區塊鏈

Odaily星球日報

Arcane Labs

歐科云鏈

MarsBit

深潮TechFlow

BTCStudy

鏈得得

Tags：GPTFICICEOFFPEPEGPTHALO NFT OFFICIALJuiceboxOFF價格

火必交易所