过去一年里，AI大模型如同一把利剑刺破长空，同时也将全球科技巨头聚拢到同一赛道。这之中，自然也包括中国的科技巨头。

近日，在2023中关村论坛“人工智能大模型发展论坛”上，衔远科技创始人周伯文、阿里云智能CTO周靖人、百度CTO王海峰、智源研究院院长黄铁军同台共话——人工智能大模型技术发展与协作创新。

对话中，他们谈到了AI 2.0与以往AI浪潮的不同、中美大模型的差距，谈到了公司内部变革和技术储备，以及人才教育、就业问题等当下热议话题。关于这次公开对谈，锌产业做了不改变原意的整理：

AGI、大模型和第四次工业革命

1问：如何看待这波AGI浪潮，与此前的AI有何不同？

周伯文：虽不是第一次出现人工智能浪潮，但本轮有两点本质上的不同。

第一，AGI（通用人工智能）是通过生成式AI来突破机器理解能力的。

如果说AGI是AI的高阶形式，我的判断是，生成式AI就是AGI的必经之路。这可以回溯到诺贝尔物理学奖得主费曼的一句名言，“凡是我不能创造的，我都没有真正理解”。

如果说人的智能没有生成、没有创造，就没有真正理解的话，那此前我们围绕「理解」做人工智能研究并没能真正把AGI道路打通。因为「理解的判断」是模糊的、是黑盒，而「生成的判断」是通过“生成”来倒逼形成“理解”，OpenAI正是基于此将大模型变成了整个世界知识最好的压缩器。

第二，这一次人工智能的成功是基于人与AI的协同交互获得广泛关注的。

此前人工智能引发热潮，都是通过击败地表最强人类获得的广泛关注，而这一次人工智能的成功是基于人与AI的协同交互。

过去一段时间里，ChatGPT的每次成功，你惊讶的不仅仅是这个大模型的能力如何，还有背后人与AI协同prompt，以及人工智能犯错之后的纠错能力。这是人类历史上第一次通过人与AI的协同交互带来全新的AI能力的突破。

人类需要的是一个和我们对立对抗的AI，还是与我们协同交互的AI？显然我们更需要后者，何况这种协同交互的AI还能让应用的边界、场景、价值都提高了一个数量级。因而，这种突破毫无疑问价值更大。

Daniel Kahneman在其畅销书《思考，快与慢》中认为，人的思考有两种模式——系统1和系统2，系统1是快思考、直觉判断；系统2是慢思考，要做大量的推理和计算。我认为，未来的人工智能会逐步进化为系统2模式的AI。

5年前的人工智能落地（例如人脸识别），都是基于卷积神经网络在做系统1模式的AI，系统2模式的AI在那时还被认为是无法实现的。但是到ChatGPT出现，特别是迭代至GPT-4之后，AI具备系统2能力的趋势已经越来越明显了。

未来，当AI越来越强大，能做系统2的工作时，人类如何与AI进一步协同交互将成为关键问题，这也是为什么我要在清华成立“协同交互智能研究中心”的原因。

就业问题，如何抉择

2问：AGI时代下，如何择业？

周伯文：现在，大家在训练通用AI大模型时使用了大量的数据，所以经过训练它就具备了一些通用的推理和上下文学习能力，但如果仔细去看ChatGPT说的话，我更愿意形容为：外行人看起来像内行，内行看起来是外行。

我曾经问过学生们这样一个问题：你们认为ChatGPT生成的答案是创造还是剽窃？结果是，在场一半的学生认为是剽窃，另一半则认为是创造。

为什么会这样？

拉姆 · 诺姆 · 乔姆斯基（Avram Noam Chomsky）是麻省理工学院的语言学家，其著作数量号称西方世界活着的人中仅次于圣经。他曾在纽约时报发文称，ChatGPT就是赤裸裸的剽窃。

出现这一现象的核心原因在于：如果你是一个有原创思维的人，你会发现ChatGPT就是在剽窃，它在剽窃乔姆斯基著作中的论述；但是，如果你只是一个任务驱动的人，是一个为了完成目标的人，那么它确实可以帮你完成工作。

这意味着什么？

我的第一观点是，想要AGI真正发挥作用，目前的通用AI大模型是不够的，它只能完成一些长尾的、低价值任务。

如果你想要完成高价值任务，那需要很多专业的知识。目前的AGI系统是不完备的，这也是谷歌task force小组最近一篇研究论文中的结论。

那我们应该怎么办呢？

这就相当于，在你把一个AI训练到大学毕业之后，你还要尽可能结合不同行业相应的专业知识继续对它进行训练和提升。例如在金融行业，就需要在像泰康这样的公司中继续做各种训练等等。

这和我们的教育、择业有什么关系？

经过前面的分析，我们可以得出一个结论：如果你是一个只做重复的、简单的摘要转述、综述工作的人，未来一定会被AI取代。但如果你的工作是专业性很强，特别是需要批判性思维、反思性思维的工作，这仍将是人类最擅长的。

基于此，关于择业问题，我会给出两个建议：一个是从大脑出发，一个是从心出发，去选择你未来的职业。

从大脑出发是指，你要选择那些需要具备批判性思维、深度思考能力、更高知识和智慧密度的工作；

从心出发是指，要去考虑人与人的连接、人与人的关系，守护我们的人文社会，这也是AI取代不了的。

因此，选择从脑出发或从心出发的职业和工作，会更好地让一个人与AI达成共存。

3问：AI能力越来越强，人才培养需要有怎样的调整？

周伯文：人工智能的变化也在倒逼我们重新思考什么是教育的本质。讲教育的本质和科研的本质很像，我觉得都是从提出一个好问题开始，到解决这个问题结束。

在ChatGPT推出前，大家可能也是这样认为的，但当ChatGPT取得巨大成功后，我观察发现这一观点变得更快也更容易被大家接受了。

这对我们的教育和科研意味着什么？

我自己有几点思考：第一，今天科研的门槛在变低；第二，二流工作的价值在变小，而一流工作的价值更加稀缺；第三，“交叉”变得尤为重要。

刚才有提到系统1和系统2，这也是我认为科研范式一定会改变，新的科研范式一定会出现的原因。

Nature杂志今年1月的一篇封面文章指出，人类过去50多年来突破性创新的速度在变慢，虽然论文在变多、专利在变多，但突破性的成果在变少。

其中一个很大的原因是科学的学科日益完善，但每个学科之间存在着信息“茧房”——茧房内部的信息过载，茧房之间的门槛过高。但当ChatGPT出现后，如果你能用好大模型，就可以让AI更好地帮你理解其它学科，更好地形成互动和交叉，而这种交叉也会促进新的创造的产生。所以，新的科研范式一定会是AI与人协同共创，从而提出新的理论。

我们目前在做的研究，是让一个大模型去阅读完2000年以前所有蛋白质组学的文章，然后让它独立提出一些新的蛋白质科研假设，如果这些科研假设能够被2000年以后人类科学家的研究论文所证实，那就说明它提出的是一个非常好的问题。

我觉得这将是AI for Science的下一步，即AI不能仅仅用来做计算，还要帮助我们去提出更好的问题。