ChatGPT的启发：科技创新趋势正在发生变化
刘志毅/文
随着人工智能从决策AI演变为生成式AI（AIGC），以及ChatGPT应用的出现和爆发，实际上让我们看到了智能计算时代的科技创新逻辑的内在变化，这种变化指明了AI行业发展的技术路径，同时也重塑了整个科技创新生态的底层逻辑。
我们看到随着AI行业的发展，最核心的变化就是人工智能的技术正式进入智能计算时代。从而推动AI技术从代表“信息”的虚拟实在技术转化为基于人类社会空间、物理空间和信息空间融合下的智能计算推动的“协同”类技术。具体来说，可以从三个方面进行思考：
第一， 人工智能时代的创新核心来自于“智能”的重新定义，更广义的说是硬件和软件的共同组合与进化成为重大创新的基本动力。数字经济的发展带来了数字化应用、终端以及数据的爆发性增长，而这些增长都需要巨大的算力支持，即需要特定的智能化计算的资源组合。从复杂性学科的角度来说，智能计算是支撑万物互联的数字文明时代新的计算理论方法、架构体系和技术能力的总称。智能计算根据具体的实际需求，以最小的代价完成计算任务，匹配足够的计算能力，调用最好的算法，获得最优的结果。那么，人工智能的创新就是在这样的智能计算的支持下形成不同的智能机器，从而实现硬件（算力）和软件（算法）的共同进化，驱动创新的落地。譬如ChatGPT其创新的核心就来自于其建立与GPT-3千亿级别参数的规模之下，从而也引发了对硬件算力的巨大需求，硬件的支撑和软件的发展缺一不可。
第二， 人机协同和交互是人工智能创新的基本条件，更深一步说碳基计算和硅基计算的共同协作与融合是实现高价值创新的必备条件。那么如何实现这种深度交互与融合呢？我想至少有三种路径：1.通过脑科学的研究开发更加智能的AI技术，例如制造不同种类的硅基芯片来模仿大脑的工作机制，从而实现算力的指数型增长；2.将人与机器更紧密和有效的链接起来，实现人和机器实时同步的计算与思考，譬如脑机接口技术的研发；3.通过多模态的方式，将碳基的知识进行分类和学习，从而实现更具规模和智能的知识生产，譬如ChatGPT作为此类创新的范式的典型，开启了碳基和硅基的合作知识生产的过程；
第三， 人工智能时代的创新需要围绕着“知识”的创造，即通过智能计算实现通用人工智能的“知识创造”。智能计算的目标是在“人类、机器、物理”三元融合的世界中，高效自主的解决大规模复杂问题，而现实世界中的核心问题无一不是复杂问题。因此，通过对通用人工智能的研究和实践，推动自动化解决或者辅助解决重大的科学命题，从而实现对重要的科技创新人物的自动理解、动态优化和构建，以及大规模的知识生产和创造是整个科技创新的核心。人工智能时代的创新就是要进行大规模的的知识发现（包括隐性和显性的知识），创造新的知识生产螺旋，在开放世界中推动AI形成主动式、启发式的知识生产，这是智能时代最重要的创新工作。很典型的就是我们之前也讨论过的“AI For Science”的出现，通过AI技术应用在基础科学领域（例如分子动力学模拟、流体力学模拟等），实现对重大科学命题的求解。
以上是我们对人工智能技术发展与创新的基本观点，从科技创新的角度出发，我们将相关的思考扩展到整个创新的生态中，加深对这一技术趋势影响的理解：
第一， 从技术发展来说，数字经济的创新正式进入智能时代，特别是以“人在回路”（human-in-the-loop）的方式进行创新的应用领域逐步开始成为主流，即通过AI与人的深度协同下的强化学习模式推动应用的智能化。我们看到ChatGPT给出了一个典型创新范式，即通过预训练基础模型形成的数据内容生产工具，其核心能力就在于利用通用大模型基础上的人在回路的强化学习。我们可以预期到，随着多模态技术的发展以及人在回路应用的深入，无论是传统的WEB2.0中的应用还是新生的WEB3.0的应用，都将迎来巨大的创新浪潮，尤其是后者结合元宇宙的生态，可以创造出丰富的多模态内容，从而帮助人们能够更好的在数字空间进行产品与设计的创新。简而言之，混合智能的技术已经在成为主流，也将重新定义现有的信息技术和服务。
第二， 从创新发展的逻辑来说，我们可以看到科研创新的理论和思考逐渐影响到了科创生态，即创新不仅仅限于解决问题也需要了解事务本质。按照著名的微生物学家巴德斯所著《巴德斯象限》一书中所提到的，基础研究与应用研究相互结合与支持，科创生态的价值链逐渐渗透到了基础科研中，应用的火爆来源于对底层基础问题的探究过程中，这也刺激了一系列“AI for Science”的创新和企业和项目的投资。
第三， 最后，从基础科研的创新需求来说，基础科学的创新速度已经放缓，进入了“增量时代”。根据Nature在2023年1月发布的一篇文章，与20世纪中期相比，21世纪完成的研究大多数都是在“渐进式”的推动某个领域的科研成果，而不再有奠基性的成果，即不再有开拓一个新的方向的成果。与之相对应的是，诺贝尔奖的发现年份与获得年份的差距越来越大，这也表现了目前的贡献与以往差距甚大。那么，AI技术的发展尤其是在基础科研领域的应用就变得迫在眉睫，我们也能期待新的第五范式能够在这个层面上反哺基础科研。
“百年未有之大变局”之下，我们用来面对不确定的世界，需要找到新的思考工具，找到新的思维方式，尤其是找到与人工智能共同协作，解决复杂性问题的方式，才能做到真正的创新跃迁，进入第五范式的时代。