专家：将AI模型参数做大仍具有红利，但也面临挑战

中国青年报客户端上海7月19日电（中青报·中青网见习记者 贾骥业 记者 朱彩云）“从模型参数规模来看，如果我们把人工智能（AI）和人类智能作比较，把AI大模型做得更大，还会有不少红利。”在今天举行的“2024中国联通合作伙伴大会”主峰会上，上海科学智能研究院院长、复旦大学特聘教授漆远对人工智能的发展作出了上述判断。

在AI大模型中，“Scaling Laws”（规模效应）意味着当参数和数据规模大到一定程度时，大模型的智能表现将出现跃升，也就是“智能涌现”。漆远对比人类大脑和AI模型指出，人脑里的链接是百万亿到千万亿级别，而GPT-4等大模型的参数规模才到万亿级。在他看来，仍然可以通过扩大AI模型的参数规模，以求提高模型的智能表现，“但这仍面临着诸多挑战”。

第一个挑战就是AI的能耗问题。漆远提到，一个GPU（图形处理器，现常用于AI计算）的能耗在几百瓦（W）到数千瓦之间，目前用于训练AI模型的计算矩阵，已经达到了“万卡”（即上万个GPU）。如果继续扩大AI模型的参数规模，达到百万亿、千万亿参数级别的AI模型将面临着巨大的能源挑战，“这对一个城市或一个地区的能量都可能是非常大的消耗”。

此外，从“有用的玩具”到“有用的工具”，AI模型还有很长的路要走。漆远指出，目前的AI模型更擅长快思考，它可以很快地回复，是一个很好的聊天工具，“但真正作为生产力工具，需要慢思考，需要严谨的逻辑推理”。

他认为，要实现这一目标，需要将以深度学习为基础的快思考“黑盒”模型，与慢思考、可以解释逻辑推理过程的“白盒”模型相结合，打造“灰盒”可信大模型，“这可能是将AI模型，从一个非常有意思的聊天工具，变成一个可信、可控、可解释的有用工具的可行路径。”

7月19日，“2024中国联通合作伙伴大会”在上海开幕，上海科学智能研究院院长、复旦大学特聘教授漆远在主峰会上发表专家演讲。中青报·中青网见习记者 贾骥业/摄