12月4日消息,英伟达首席执行官黄仁勋不久前宣称,超级人工智能(AI)将在五年内赶超人类。对此,Facebook母公司Meta首席科学家、 学习先驱杨立昆(Yann LeCun)的观点截然相反。他认为,超智能不会很快到来。
Meta最近在旧金山举行了一场媒体活动,庆祝其基础人工智能研究团队成立10周年。杨立昆在活动中表示,他认为目前的人工智能系统还需要几十年的时间才能达到某种意义上的类人感知能力。届时,这些具备常识的人工智能系统更加强大,不再仅仅限于以创造性的方式总结堆积如山的文本。
对于黄仁勋的观点,杨立昆评论道:“我了解黄仁勋,这位英伟达首席执行官从人工智能热潮中获益良多。这是一场人工智能战争,而它在提供武器。”
在谈到试图开发通用人工智能(AGI)的技术人员时,杨立昆说:“如果要开发AGI,你就必须购买更多的GPU。”AGI是一种与人类智能水平相当的人工智能。只要OpenAI等公司的研究人员继续追求AGI,他们就会需要更多英伟达的计算机芯片。
杨立昆表示,在人类智能水平的人工智能出现前,社会上更有可能出现“猫级”或“狗级”的人工智能。科技行业目前对语言模型和文本数据的关注,不足以创造出研究人员几十年来一直梦想的那种先进的类人人工智能系统。
杨立昆解释称:“文本是非常糟糕的信息来源,人类可能需要2万年才能阅读完用于训练现代语言模型的文本数量。而即使用相当于两万年的阅读材料来训练一个系统,它们可能仍然无法理解:如果A和B相同,那么B就和A相同。世界上有很多非常基本的东西,大模型还没有通过这种训练。”
因此,杨立昆和Meta AI部门的其他高管始终在大力研究如何定制用于创建ChatGPT等应用程序的所谓转换器模型,以处理各种数据,包括音频、图像和视频信息。他们认为,这些人工智能系统越能发现这些不同类型数据之间可能存在的数十亿个隐藏相关性,它们就越有可能实现更困难的任务。
Meta的研究包括一种软件,它可以帮助人们在佩戴该公司的Project Aria增强现实眼镜时,教人们如何更好地打网球,这种眼镜可以将数字图形融入现实世界。高管们已经进行了演示,一个戴着增强现实眼镜打网球的人能够看到视觉提示,教他们如何正确地握住网球拍,并以完美的方式摆动手臂。为这类数字网球助手提供动力所需的人工智能模型,除了文本和音频之外,还需要混合三维视觉数据,以支持数字助手与人交流。
这些所谓的多模式人工智能系统代表了下一个前沿领域,但它们的开发并不便宜。随着Meta和谷歌母公司Alphabet等越来越多的公司研究更先进的人工智能模型,英伟达可能会获得更大的优势,尤其是在没有其他竞争对手出现的情况下。
英伟达一直是生成式人工智能热潮的最大受益者,其昂贵的图形处理单元已成为用于训练大语言模型的标准工具。Meta依靠16000个英伟达A100 GPU来训练其Llama AI软件。
当被问及,随着Meta和其他研究人员继续开发这类复杂的人工智能模型,科技行业是否需要更多的硬件供应商时,杨立昆称:“新模型不需要它,但它会很好。” 他补充说,当谈到人工智能时,GPU技术仍然是黄金标准。不过,未来的计算机芯片可能不会被称为GPU。
杨立昆也对量子计算持怀疑态度,尽管微软、IBM和谷歌等科技巨头都投入了大量资源。Meta之外的许多研究人员认为,量子计算机可以在数据密集型领域(如药物发现)取得巨大进步,因为它们能够使用所谓的量子比特执行多次计算,而不是现代计算中使用的传统二进制比特。
但杨立昆对此表示怀疑。他说:“你可以用量子计算解决的问题,也可以用经典计算机更有效地解决。量子计算只是一个迷人的科学话题,目前还不太清楚其实际意义,以及制造真正有用的量子计算机是否可行。”
Meta高级研究员、前技术主管迈克·施罗普夫(Mike Schroepfer)对此表示赞同,他每隔几年就会对量子技术进行评估,并认为有用的量子机器“可能会在某个时候出现,但它的时间跨度太长,无助于我们正在做的事情”。
施罗普夫还称:“十年前我们成立人工智能实验室的原因是,很明显,这项技术将在未来几年的时间框架内实现商业化。”
- 首单增持回购再贷款有望落地深圳 知情人士:招商局旗下已有统一部署 最早明后天发布具体消息
- “金融大数据人工智能联合实验室”在2024金融街论坛年会正式揭牌
- 《国家级开放区块链网络技术白皮书》发布 “跨链创新联合体”聚链成网
- 最高人民法院周伦军:依法保护耐心资本、长期资本参与公司治理和获取回报等合法权益
- 到“十五五”末,北京亦庄汽车产业集群规模争取突破4000亿
- 北汽新能源:预计到2026年以后量产应用L4以上的无人驾驶系统
- 北京正规划3000平方公里自动驾驶示范区
- 网易云音乐回应黑胶会员还有广告:不会完全消除
- 全国社保基金理事会武建力:加快推动各类养老金管理机构建立长周期考核机制
- 自然资源部地图技术审查中心王伟:已通过审核高阶辅助驾驶地图超400件
免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。