在谈到人工智能时,这里有一个较为哲学性的问题 - 我们该如何看待这些技术对我们世界的影响?我们应该如何理解大语言模型及其能力的发现,以及它们不仅对商业,还对我们生活的社会会产生什么影响?
一个相关的问题是我们如何将其应用于商业和发展,以及我们如何看待这些技术在到达消费者之前的实际开发和完善过程。
最近在听取 Alvin Graylin 的观点时,我思考了他提出的一些有助于理解的类比和框架,这些对于我们考虑未来如何与强大的数字智能共存很有启发意义。
三种 AI 方法 - 以及第四种
首先,Graylin 列举了人们对待新技术的三种不同方法。
第一种是放慢脚步,尽可能以蜗牛般的速度前进。这种观点最强调对 AI 项目和部署的严格监管 - 主张普遍谨慎,认为我们不能让这些事情失控。
然而还有另一种思维流派,可以称之为"加速派"。他们认为尽可能快速发展符合我们的最佳利益,可以以最快的速度改善世界。
第三种观点是选择性加速派。
"我们正在走向一个丰富的世界,我们明白这就是未来,"他说。"我们将改变我们的思维方式。"
但 Graylin 还有自己的构想,这很独特。他让我们设想所有人都站在一座桥上,无论是否有安全绳,都在思考如何留在桥上而不是坠入深渊。
"我们已经有 80 亿人口,每个人都紧密相连,"他说。"所以如果我们失败,就是集体的失败。这是这三个概念都没有包含的观点。"
我认为,当我们试图弄清楚如何实施快速发展的人工智能能力时,这一点很值得思考。
重大议题
Graylin 提到的这一点也给我留下深刻印象:最大的影响之一将是就业替代。他指出,不仅仅是就业替代本身,还有随之而来的心理健康问题。
这在美国尤其明显,因为在那里人们的工作与其身份、日常生活甚至医疗保健都紧密相连。对大多数人来说,工作就是我们的身份标识 - 它塑造着我们的自我认知。因此,如果我们的工作被 AI 取代,这将带来相当大的焦虑和不适,甚至可能导致各种令人不安的存在主义绝望。
他还提到了 AI 可能带来的错误信息传播和混乱。
此外,Graylin 指出,围绕 AI 技术发展存在地缘政治竞争。我们听到有人将 DeepSeek 的发布称为美国的"卫星时刻",因为美国官员试图加强出口管制并在这方面遏制中国。毫无疑问,美国和中国在 AI 发展的某些方面存在竞争。
不过,Graylin 也谈到了 AI 走向成熟的前景。他认为,最初会出现某些问题,但随着技术的成熟,这些问题最终会消退。考虑到 AI 的力量似乎在呈指数级增长,这给了我们希望。
所有这些都影响着我们在各类活动和会议中、在课堂上和商业世界中的行为。我们必须同时应对 AI 带来的积极和消极影响,并在问题恶化之前找到解决方案。我们必须自信地向前迈进,同时坚持我们的人性,确保在机器人几乎可以做任何事情的世界中,人性仍然受到重视。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。