要了解打造更强大人工智能的方法,一个好途径是与当今各类会议和贸易展会上汇聚的专家交流,集思广益地探讨近期未来的可能发展方向。
本月初举办了消费电子展 (CES),全年还有其他行业展会。此外还有各种研讨会和会议活动,行业内部人士在这些场合讨论可能性、优先事项和解决方案。
通过与这些业内人士的非正式交谈,以及聆听正式演讲,我发现一些共同的主题逐渐浮现。这些主题涉及引入下一代 AI 所需要的条件 - 即比当前更具活力和能力的人工智能系统。
以下是人们谈论的关于 2025 年 AI 现代化进展的一些关键要素。
物理感知系统 为了真正令人印象深刻,AI 系统需要理解周围的世界。这很困难,因为它们没有生物躯体,不能天生就具备各种帮助在三维空间导航的装置和设备。
然而,AI 系统正在学习物理学,其学习方式与学习其他任何东西相同 - 通过海量的训练数据,以及极其复杂的神经网络,通过反向传播和随机分析等过程来锁定正确的结果。
所以我们正在逐步接近通用人工智能 (AGI) 的这一部分。
持久记忆 AI 变得更强大的另一个重要因素是系统能够更好地记住过去的经历。
这体现在各个方面 - 包括与人类之前互动的信息、来自周围世界的感知数据,以及其他类型的经验性数据,或者能为机器的经验提供信息的数据。
例如,当你询问 ChatGPT 时,它将动态记忆定义为"长期信息的存储和检索",将终身学习定义为"在不发生灾难性遗忘的情况下持续获取、保留和完善知识的能力"。
灾难性遗忘?这种说法在某种程度上很有诗意。
物理交互和感觉运动技能 AI 的强大程度取决于其硬件系统和在物理世界中的实体存在。
换句话说,一台桌面计算机能做的事情很有限。它必须能够移动并与物理系统进行交互。这意味着需要复杂的感知系统,同时也需要具有物理感知能力的仿生结构来在三维空间中导航。
当我们谈论机器人灵巧性时,就是在讨论这个类别。
获取训练数据 此外,AI 的好坏取决于其训练数据。它必须有准确的输入才能产生有用的输出。这就是人们关注"幻觉"问题的原因,即 AI 给出完全错误的陈述。
这也涉及到自然偏见和 AI 系统校准不当的问题。
如果只是推荐音乐,这可能不是什么大问题,但如果 AI 负责审批贷款或帮助人们找工作,这就可能是一个很大的问题。
多维 AI 这是我最近从一些讨论 AGI 发展路径的专家那里得到的另一个想法。
他们认为,AI 不是线性的,而是多维的。它不只沿着一条轨迹发展,而是沿着多条轨迹发展,这些轨迹结合形成了我们所看到的人工智能前沿。
这让我想到了 Marvin Minsky 的工作。在他的《心智社会》一书中,Minsky 明确提出了他的理论:人类大脑不是一台计算机,而是一个协作组件的集合,这些组件协同工作,实时执行人类认知。
你也可以称它们为"智能体"。
今年,人们在谈论"主动式 AI"和多智能体协作智能系统。当计算机能够分享工作并委派任务时,它们就能开始构建更像人类大脑的复杂系统。
早期科幻作家的想法是错误的 - 问题不在于线性扫描人类大脑活动并复制它。而是让这些人工系统能够进化到像人类大脑一样工作,并提供许多相同的性能。
这是我在过去几周听到的一些观点,我们正在为 AI 的丰收之年做准备。请持续关注这个领域 - 因为将会有很多进展,不仅是在模型和硬件方面,还包括规划,以及希望能建立监管框架。我们必须认识到 AI 的力量,以正确的方式驾驭它。这需要付出努力。
好文章,需要你的鼓励
AI驱动的数字健康初创公司Sword Health以40亿美元估值完成4000万美元融资,较去年30亿美元估值上涨33%。尽管公司现金流为正,CEO表示融资主要用于更新估值和战略收购。公司从虚拟物理治疗师起步,现已扩展至盆底健康和心理健康服务。CEO原计划2025年IPO,但现推迟至2028年,希望在多个医疗垂直领域建立规模化业务后再上市。
清华大学团队提出首个统一3D点云预训练方法UniPre3D,突破传统方法只能处理特定规模数据的局限。该方法巧妙利用3D高斯喷射技术将3D数据转换为2D图像进行处理,并设计了针对不同数据规模的自适应融合策略。在多个标准数据集上的实验表明,UniPre3D在物体分类、场景分割等任务中均取得显著性能提升,为3D视觉的统一化发展提供了重要突破。
法律科技初创公司Crosby刚刚完成由红杉资本领投的580万美元种子轮融资,正式走出隐身模式。该公司不仅为律师开发AI软件,更是一家真正的律师事务所,利用AI技术以前所未有的速度提供法律服务。Crosby主要为初创公司提供合同审查服务,承诺在AI软件和人工监督下,可在一小时内完成新客户合同审查,未来有望缩短至几分钟。公司已为Cursor、Clay等快速成长的初创企业审查了超过1000份客户合同。
北京邮电大学团队发现大语言模型"遗忘技术"存在重大漏洞:AI在特定训练后虽能拒绝直接问题,但换个问法仍可套出相关信息。研究提出"形式依赖偏差"概念,并开发ROCR概念重定向方法,通过替换AI内部概念表示实现真正遗忘,解决了传统方法的局限性。