第三次AI浪潮之下，人类如何迎接机会和挑战？

21世纪经济报道记者骆轶琪 广州报道

人工智能快速爆发可能带来的负面影响，正在被高度重视。

近日AI领域再度引发一轮由各路行业领军人物牵头发布的公开信。其内容只有一句话：Mitigating the risk of extinction from AI should be a global priority alongside other societal-scale risks such as pandemics and nuclear war.（大意为：降低人工智能导致物种灭绝的风险，应该与其他社会规模风险如大流行疾病和核战争一样，成为全球优先考虑的事项。）

（公开信部分截图）

这一方面驱动着相关法规需要快速落地，且这种动作可能需要更广泛性地联合推动；另一方面也显示出，这一轮AI产业发展来到了一个尤为迅猛的转折点。

近日举行的2023小蛮腰科技大会暨AIGC人工智能峰会期间，香港中文大学系统工程与工程管理学系教授及系主任蒙美玲也对21世纪经济报道记者表示，在明晰生成式AI将对数字经济带来很大推动作用的同时，也要考虑到其中有很多风险。在AI伦理方面，假消息、侵权行为等方面，要从法律法规层面明晰如何保障个人权益，同时个人在使用AI大模型的过程中也要提高警觉性。

回顾历史，经济学家、横琴粤澳深度合作区数链数字金融研究院学术技术委员会主席朱嘉明表示，AI产业到今天至少发展了70余年，可以分为三个阶段：第一，是以图灵1950年发表的《机器与智能》作为起点；第二是1956年召开的一次人工智能会议，直到2012年深度学习进入到全新阶段，期间延续了50多年；第三是从2022年开始的大模型时代全面到来。

朱嘉明受访时指出，大模型时代的基本特点，是把人工智能和人类的生活、经济、学习和教育模式结合得更加紧密。这种对人类带来的强制性改变，将前所未有地强烈。因此人类有担忧心理是正常的，“如今更重要的是‘扫盲’，让大众不要恐惧、不要拒绝，首先要学会理解和使用。”

前述峰会期间，朱嘉明在演讲中表示，“在此次大模型时代有几个基本特征：一个大模型是以人工神经网络为基础；乐高化，所有模型会通过不同方式组合，形成大模型集群；预训练促进了参数规模化，大模型引起数据存储规模向EP、ZP甚至YP阶段转型；更重要的是它具有理解自然语言的能力和模式，已经形成思维链，进而走向思维树（ToT）；特别需要巨量的语料库；植入了控制论的人工反馈和强化学习机制；实现为混合量子-经典计算提供极大的平台。”

AI的核心价值也更为多元化：其一是加速了人工智慧互联网化或者说互联网人工智能化的趋势；其二是引发知识、学习和教育革命，因为它改变了知识图谱；其三是改变了科学研究范式，也即人类进入到基础科学研究要倚重人工智能的历史阶段；其四是加速形成混合智慧的跨越群体，人类不再是智慧的唯一组成部分，它将进入人类和人工智能、机器智能混合的思维主体时代；其五是引发经济结构和经济制度深刻变革；其六是重构人类社会、物理空间和信息空间的模式。

“个人认为，大模型时代正推动人工智能走向通用化，也就是通用人工智能（AGI）。这个步伐在加速。”朱嘉明认为，在未来3年，将是人工智能发展的第四次浪潮，主要表现为人工智能和产业应用结合，特别是对每个人的生活模式都将发生变化，且会迅速渗透到从学龄前到高中的各阶段教育中去。

他对21世纪经济报道记者表示，原来大家讨论数字化的时候，理解还比较肤浅。今天来看，数字化的深刻基础已经成为人工智能，这种情况下，政策层需要发挥重要作用，赋予原有技术新的内涵，就是要推动充分进入智能时代。

随着AIGC持续向前发展，未来每个人都将会有自己的数字分身，同时人工智能互联网也将来到眼前。“这相当于人类思维模式和行为方式的一次大规模移民，需要向智能时代跃迁。这将影响80亿世界人口，还需要一个漫长的过程。”朱嘉明表示。

具体来说，“将来数字人的智能体将构成互联网，类似于超越现在人与人之间的微信群。但最重要还是对人们的学习方式带来很大改变。”他续称，由此看来，遇到最大挑战的职业应当是教师，因为彼时学生学习的速度和效果，或许将远高于老师教授的速度。

在具体落地层面，AI大模型又将如何逐层渗透到垂直领域甚至个人的职业角色中？

峰瑞资本投资合伙人陈石分享时指出，从生成式AI进入垂直行业角度看，要以一个未来十年的角度来预判。

“个人认为，十年以后将是建立神经智能模型的时代。最顶层是全栈大型语言模型，就是类似GPT4的模型，这种模型聚合了人类所有知识、具备甚至超过人类智能，并且可以赋能各行各业。但这种机会将会很少。”他续称，对于下一层级的行业，则可能需要建立行业垂类模型，通过现有知识、规律、非结构化的文本作为训练数据，灌输到语言模型中，产生智能模型。这就类似一个大型工具库，可以赋能行业流程再造，并赋能具体每一个环节。

再往下，“企业在智能时代也要有自己的模型，企业模型要有纵深，否则可能会被击穿。所谓纵深，就是对上一级通用模型是否具有不可替代的独特性，否则就会被上一级模型轻易替换掉能力。”陈石指出，到员工个人模型，将分为两部分，一类是基于职位模型需要的能力素质，用思维数据和认知构建；另一类是可以工具化的模型，比如副驾驶、智能助手等。

“我觉得十年后，将是广泛模型建设的时代，软件层会变得非常薄，大部分都会是模型。”他续称，在进入垂直行业前，还有基础工作要完成，即数据化和在线化。

数据化解决的是数据来源问题，没有由知识、规律等组成的数据，就无法建立起模型并训练；在线化则可以让场景真正嵌入智能能力。“未来行业或企业的壁垒，可能就体现在这些数据积累后产生的模型上。”

蒙美玲对21世纪经济报道记者分析，在备受关注的教育领域，AIGC已经可以帮助老师快速解决部分教学工作，比如出题目时给出初步建议，再由老师根据建议做针对性调整。这个过程会让教、学的整体效率显著提高。同时在修改学生文章时，AI也可以提出一些批改意见，进一步帮助老师节省时间，而把精力聚焦到启发学生方面。

“我认为不只是我们这些研究科学技术的人要了解AIGC，普通人都要加深对这个技术的认知。”她也认为，人类当前要积极应用大模型工具，进而不断提升自身的生产力和效率。

“虽然GPT4很强悍了，但应用越多仍然可以看到不足。这意味着当前的GPT4距离人类智慧还相差很大。不过它背后有超大规模知识库、强大算力，反观人脑的有限记忆，如果要相比其实不太公平。至于距离通用人工智能还有多远，目前还比较难预测，但我估计未来人和AI的共融性将会更强，因为AI弱的地方，就是人类强的地方。”蒙美玲总结道。