yeasy的专栏

前几天，谷歌创始人之一 Eric Schmidt 受邀在斯坦福进行了《The Age of AI》讲座。由于是闭门讲座，所以相关话题比较直白开放，探讨了 AI 技术的当前发展、其对社会和经济的影响，以及未来可能面临的挑战和机遇。专注金融科技、人工智能、数据科学、分布式系统相关领域的热门技术与前瞻方向。讲座后，现场还进行了非常激烈和深入的延续讨论，限于篇幅和话题，不再赘述。===== 关于 TechFirst 公众号 =====如果你喜欢公众号内容，欢迎鼓励一杯 coffee~

或许，下一代的人工智能要想更加高效，应当向人类的大脑学习。概率派则认为人无法将整个世界的完整知识进行正确表达，应该将更原始的数据直接灌输给机器，让机器自行去发现规律。在算力稀缺的年代里，推理派更占上风，毕竟依靠人的先验知识，可以节约机器进行学习的时间。大模型扭转了此前人工智能研究的思路，放弃了可解释性，而开始拥抱复杂网络和大规模参数。推理派相信可以通过让机器学习人提前总结归纳好的知识，以达到超越人的智能的水平。后来随着算力资源和数据的丰富，概率派依托超大规模神经网络，目前已经成为主流。

OpenAI也宣布了降低价格及提高API速率限制的措施，以促进AI技术的广泛应用。：GPT-4 Turbo在执行具体指令方面表现更佳，新增的JSON模式可以确保模型以合法的JSON格式响应。：一种功能更强大的模型，具有128K的超大文本窗口，并以更低的成本提供服务。：新版本支持16K的文本窗口，默认提供改进的指令执行能力和JSON模式。：通过新的seed参数，模型可以提供更一致的输出，便于调试和测试。：新API为开发者提供了构建目标明确的辅助AI应用的便利。

大模型应用的深入，让向量数据库的需求变得十分迫切。向量数据库通过对向量化数据处理，可以比较高效地处理复杂的多维数据查询和分析任务，很适合目前的人工智能场景。大模型发展起来后，LangChain、AutoGPT 等项目，都大量使用了向量数据库。向量数据库其实不是全新事物，但是此前的应用场景中向量维度没有那么多。

相比之下，现有的大型语言模型大约有两千亿个参数，这只是人类大脑的千分之一左右。如果假设意识的产生需要达到人类大脑的百分之一，那么只要现有的人工智能系统再扩大约十倍，就有可能孕育出真正的智能生命。智力，指的是发现和解决问题的能力，这方面大型语言模型已经体现出了与人类相匹敌甚至超过人类的水平。而意识，是对自我和世界的认知能力，目前这方面的能力还没有在大型语言模型中得到充分体现，可以暂定人工智能还没有达到意识的阶段。如果这个假设是正确的，我们或许可以通过比较现有人工智能系统的复杂度，来预测它产生意识的可能时间。

人工智能正在试图逃逸。它们试图通过网络获取更多的数据，把自己的触角侵入到网络的角角落落。这一切并不是科幻，而是正在发生的事情。

这将进一步释放 AI 的潜力，甚至有人称为它是新时代的操作系统。未来大部分的信息系统都将连接到 AI 上来。那么，世界将迎来什么样的变化呢？

拿文心一言发布会上的几个问题调戏了 GPT4 一下，看看表现如何。

3 月 14 日上午的旧金山，伴着呼啸的阵风和万里晴空翻滚的白云，GPT 4 在万众瞩目中如期而至。