“缺乏信仰”是我国AI落后的主因，清华教授真这么说的？

ttxx

近日，在2024年诺贝尔三大科学奖项中，两大奖项与人工智能研究相关，先是物理学奖颁给了曾获图灵奖的机器学习先驱，紧接着化学奖也将一半颁给了“程序员”。


而清华大学教授刘嘉在接受媒体采访时，主要阐述了凭什么诺贝尔物理学奖颁给了“AI”相关人员的原因和看法，但有部分媒体大篇幅地讲述他在采访过程中，被问到中美AI发展的差距时，谈中国企业缺乏信仰，不愿当炮灰的言论，这是不是对于刘嘉教授的访谈有曲解的意思呢?

（清华大学教授刘嘉）

那么，在访谈中，刘嘉教授到底输出了怎样的观点?造成中美AI技术发展差距的原因是什么呢?


刘嘉教授谈诺奖，结果被断章取义

我们看到，刘嘉教授这次接受采访的主题是围绕着诺贝尔物理学奖的，对于很多人认为本次诺奖物理学奖获奖者都是AI相关人士算是爆了大冷门的看法，刘嘉教授给出自己的结论，那就是机器学习最底层的基石其实就是统计物理，而为两位人工智能大神颁发此奖，有一点认祖归宗的感觉。

而且他认为：“现在物理学诺奖颁给人工智能，是一种醒悟，更是一种开放的心态。物理学不再局限于自己给自己画的一个非常小的牢房，而是开始往其他领域进军。”


这样意味着，把诺奖颁发给AI，体现了物理学的自我革新。


需要了解的是，诺贝尔物理学奖和化学奖获奖成果不仅是基础科学的突破性进步，更显示出人工智能已成为推动基础科学的重要工具。利用这一技术，科学家得以基于此前研究构建新型模型，得以处理海量数据，更新传统的方法，得以加速研究，推动多领域基础科学实现新的进展。


2024年诺贝尔物理学奖获得者约翰·霍普菲尔德和杰弗里·欣顿是两名机器学习领域的元老级人物。他们使用物理学工具，设计了人工神经网络，为当今强大的机器学习技术奠定了基础。与此同时，相关技术已被用于推动多个领域的研究。

在表述完对于本届诺奖的争议外，刘嘉教授还谈到了他对于人工智能的安全问题的看法，尤其是在欣顿离开谷歌之后表示：“如果数字超级智能真的想要控制世界，我们不太可能阻止它”。


刘嘉教授表示：“AI应该分开看，一种是2022年11月30日之前的AI，另一种是之后的。这个分割点就是OpenAI ChatGPT 3.5的问世，因为它代表着一种全新AI的萌芽。”


从短期上来讲，它的出现就立刻会引来一个很大的社会问题，那就是金领职业的全面失业。


而从长期来看，更大的问题是AI会不会比人更聪明。


在刘嘉教授看来，AI在智力上超越人类，只是一个时间问题。像马斯克、欣顿这些人都说这是有生之年系列，还是有些保守了，或许就是距现在大约只有五六年后就一定会有超越我们人类的智能出现。


而最后也是这段采访最具争议的地方就是，被问到我国人工神经网络方面的研究取得了什么进展的时候，刘嘉教授先是谈到，无论是理念还是实践应用美国还是处在领先地位，这是因为他们更坚定，而且像欣顿这样的领路人，在明知道自己当炮灰的前提下，还是义无反顾地去投身人工智能行业的研究。


而谈到我国在该领域的发展时，他认为我们看不到信仰，比如知道这件事情大概率失败就不去做，没有当“炮灰”的决心，在绝大多数尖端领域，还是处于一个跟风的状态。


其实分析刘嘉教授的这段话，看似是说我国在人工智能研究领域没有美国更有信仰，其实我们看到的是，由于我国在科技领域的发展相较于美国时间更短，没有形成所谓的信仰，而且由于我国在科技方面的发展速度相较于美国科技发展初期又显得更快，所以缺失了这方面的教育和耐心，我们认为这是一个需要慢慢培养的过程，也是我们需要正视的问题。


刘嘉教授指出这方面的问题，是他对于我国人工智能发展的担忧以及期待，但有些人把这段回答单独提取出来是不负责任的，因为，他们没能了解到目前国内看似如火如荼的人工智能发展的另一面。


人工智能发展需要长线规划

我国人工智能发展的另一面到底是什么样子的呢?其实，刘嘉教授谈论得很清楚，在这一领域没有清晰的盈利模式，导致很多企业都没有能力投入更多成本就放手研究。


红杉资本给出了一个很直接的结论，在其分析师大卫·卡恩的报告中认为AI产业泡沫正在加剧，年产值超过6000亿美元，才能够支付数据中心、加速GPU卡等AI基础设施费用。


而在此前的分析中，大卫·卡恩预测，每年谷歌、微软、苹果和Meta、亚马逊等厂商能产生的AI相关收入中获利100亿美元，同时，甲骨文、字节跳动、阿里、腾讯、X和特斯拉等能产生50亿美元的全新AI收入，即便达到如此的收入，关于AI盈利需求的缺口仍然在不断扩大。

而从国内来看，在经历了年初的大降价之后，各个厂商对于大模型的态度，似乎也开始变得不清晰了，诸多厂商在财报电话会中，声称会对人工智能加大投资力度，但实际来看，投入却开始变得谨慎。


最明显的征兆就是，厂商开始弱化基础大模型迭代，强调应用的落地。“没有应用，开源闭源模型都一文不值。”其实，反映到当下，应用落地较为成熟如文生图，文生视频等，成了整齐划一的方向。


但需要清醒认识到的是，由于客观条件的限制，最简单的盈利手段，如OpenAI对GPT收费方式，在国内似乎行不通，基于API调度的商业模式也被内卷到利润空间稀薄，而各大厂商期待的AI应用，落地时间以及效率也远不及预期。面对未来越来越大的投入，以及遥遥无期的回报，厂商们的焦虑还在不断上升。


我们看到，国内人工智能厂商的盈利模式的不清晰，导致投资回报比极低，从而把研发的成本降低，是他们应对目前处境的最好方案，这还是资金相对充足的大厂，而规模相对小的厂商，相信在下一波洗牌后将会逐渐消失，这对于我国人工智能技术的发展将会有严重的影响。


相较于盈利模式的缺失，更棘手的是随着AGI发展得越来越向前走，以OpenAI为首的顶尖人工智能公司正在打破共识，比如他们新推出的O1模型，采用的Self-play RL(自博弈强化学习)，与之前传统以scaling law为主的训练方式又有全新的变化。这让很多还未追赶上GPT-4的国产大模型更加绝望。

而新路径的出现，意味着国产人工智能也会面临技术方向的抉择，更大规模的研发投入将成为留在“牌桌”上的希望，这对于盈利模式缺失的我国人工智能厂商来说，更是雪上加霜。


写在最后

其实，刘嘉教授有一部分观点我们是能支持的，比如国内厂商在经过互联网时代快速盈利的背景下，对于长期投入缺乏准备。而且，目前人工智能技术经过发展初期厂商“军备竞赛”大量资金投入后，缺乏盈利模式导致发展受阻。面对如此困境，未来继续烧钱还是鸣金收兵，厂商们需要作出抉择。


但我们同时也相信，我国对于科技发展任重而道远的思想准备是充足的。



来源：36kr