|
|
陆奇最新演讲称大模型下个拐点是组合：「行动」无处不在，包括自动驾驶、机器人、空间计算，如何理解该观点？
关注者
864
被浏览
335,736
80 个回答
谢邀，昨天在深圳的会场，听完了陆奇博士的演讲。（嘿嘿，我没调休，刚好有时间去）
从我回国到现在两年半，已经听了三次陆奇博士的演讲了。虽然这次他的音量没前两次大(也可能是我来晚了坐到后排了），但这次他给我的感觉是更兴奋，金句频出，让全场鼓掌。他甚至说，这波浪潮中，将会诞生人类历史上第一个10T dollar估值的公司（FYI，谷歌目前市值1.3T）。
在这次分享会中，还得知一个小小的故事，原来他当初回国创办YC中国，是Sam Altman的主意。
关注我的都知道，过去几年，我在知乎的人工智能话题下也是活跃的答题者之一了。但是这波浪潮，我的感受和陆奇博士一样：「holy sh**，世界变化太快了，跟起来太吃力了」。
讲回陆奇博士「行动」无处不在这个观点。这是我之前没考虑过的，我认为模型压缩了这么多知识，产生了这么多涌现，已经是非常amazing了。不过他想的更超前一步，他提出了「三位一体」结构。这是现场他展示的ppt。
所谓「三位一体」，其实并不是什么高深的东西，不就是人类、组织等有机体的运作方式嘛。这里稍微结合自己的理解讲讲。
- 我们作为人，首先是感知，获得信息。
- 其次是思考。我们获得信息，就会消化信息，处理信息，从信息中获得insight，获得知识。
- 最后是行动。我们根据已有的知识，已经新获取的信息，来指导自己行动。
而这几个环节的拐点都出现在什么时候？
- 信息的拐点。也就是信息革命，我们都知道，出现在1995~1996年，互联网兴起。
- 思考的拐点。虽然大模型能否真正的「思考」还有争议，但不可否认的是，大模型能压缩海量的知识，因此现在被认为是拐点。
- 行动的拐点呢？虽然人类研发机器人，自动驾驶等技术已经很多年的历史了，甚至自动驾驶技术也可以处理很多情况，但是目前还不是基于思考的结果，而是基于计算机视觉和传感器。例如我自己的车其实也有自动辅助驾驶功能，但开起来就是没我自己开得平顺，所以我通勤路上一般不激活辅助驾驶。对此，陆奇博士说，如果自动驾驶背后是有知识的，那么对于某些复杂情况，也能举一反三。自动驾驶的那套方案可以用LLM重写一次。目前在行动方面，还没有出现和互联网革命和ChatGPT那样的「涌现时刻」，因此，他认为，下一个拐点，将发生在行动方面，而且很快就会到来（如果图中的刻度是线性的，那么我感觉他的「很快」指十年内）
他还提出，拐点的标志是「从边际成本变成固定成本」。这个如何理解呢？我提出个人看法。所谓边际成本，就是每增加一个客户，成本就要多加1份；而固定成本就是随着客户数量增加，成本不变（或变化甚微）。举个例子，在互联网出现前，我们获取信息的渠道的纸媒，多印刷一份，就需要多花一份钱；而互联网出现后，服务器成本可以看作是固定的，多一个用户，其成本的增加可以忽略不计（当然，成本还是有的，只是相对于固定成本来说，非常少）
为什么大模型也是拐点？因为大模型已经作为foundation model，它「压缩」了世界上一切知识（当然这是夸张的说法，但确实其知识量超过普通人能掌握的）。我们可以在这个foundation model之上去构建自己的应用，model training的费用是固定的了。当然model inference也是要花钱的，甚至还不少，但未来的趋势必然是infer的成本越来越低。
附: 上两次陆奇博士两次演讲内容的总结
2021:
2020:
我对于演讲里提到的“ 通用人工智能四大要素 ”很受启发，说实话第一次读这里面四个单词我有俩不知道啥意思
通用智能四大要素是：涌现（emergence）+代理（agency）+功能可见性（affordence）+具象（embodiment） 。
涌现（emergence） ：这个已经在LLM展示出来。当模型大小和数据规模增加到一定程度，产生了某种复杂性突变，可以进行更高阶的推理和回答，呈现某种智能化
具象（embodiment） ：这个跟embodied intelligence有关，也翻译成具身智能。也就是类似ChatGPT plugin，甚至是再去扩展，将机器人、机械臂、egocentric camera等多种和现实实体操纵感知的部件，抽象为API，供ChatGPT调用。
代理（agency） ：这个词我目前理解的层次，是类似于目前讨论比较火的，以AutoGPT为代表，发展出的Autonomous Language Agent，即自主性语言代理。所谓自主，不同于自动（automatic），是因为额外加入了自我反思，自我规划，记忆存储等功能。可以根据笼统的大目标描述，自己分解目标，调用外部接口行动，评估结果。即thought - action - observation模式。关于这点可以详见我之前文章。
功能可见性（affordance） ：一开始看原文我是没明白，特意查了一下维基百科解释
环境赋使（affordance） ，或称为 直观功能、预设用途 、 可操作暗示 、 符担性 、 支应性 、 示能性 等，指一件物品实际上用来做何用途，或被认为有什么用途。也就是说在物品的某个方面，具有让人明显知道该如何使用它的特性。例如门提供“打开”的功能，椅子提供“支撑”的功能。人们得知如何使用物品有一部分来自 认知心理学 ，另一部分来自物品的外形。
也就是一个事物可以让人知觉到可以提供的行为。这里只能说我个人的理解程度，就是类似ChatGPT的plugin，实际上是要写一段描述，来使得ChatGPT可以明白你的功能进行调用。而扩展到通用人工智能体，陆奇博士在演讲后半段也提到
我们看到的未来是更多模型的生态，新的领域、新的专业、新的结构、新的场景、新的适应能力，形成闭环，不断加强认知和推理能力。
也就是会有更多的领域特定智能（domain specific intelligent）出现，那么这些模型之间如何去交互，是不是要像plugin一样，需要自己描述出你的affordance，或者这个层面是不是需要新的protocol出现，真是让人浮想联翩。
所以下一个拐点是“组合”，但这种组合方式会非常的不同于以往软件功能的组合形式，而是非常有趣自然的一种智能体互相协作嵌合。以上只是我的一点浅见。
最后5月7日陆奇博士还会来北京进行演讲，感兴趣的朋友可以报名参加~
