Q*的啟示
之前的文章裡提到過，人工智慧思維能力創造的必不可少的條件是狀態空間的搜尋。今天的大新聞裡，我們都看到了Q*的確使用了搜尋演演算法。所以今天我會稍微談一下這個話題。
主要思想就是人工智慧的進一步發展可能會引發區域性領域的技術奇點，當然這取決於領先的團隊或國家的執行力和效率。技術的進步可能會出現奇點,但是沒有人真正描繪過這條曲線。在解決聖彼得堡悖論的過程中,我發現了與此相關的一個現象。一條在對數圖表上是線性增加的曲線。對人類社會來說,這條曲線上可能存在一個特殊的點,在沒達到奇點之前我們都會忽視它的影響，忽略事實上的指數級增長。但是一旦超過這個點,每個人都會感受到它指數級的速度,往往在我們能作出反應之前就徹底擊穿我們的一切防禦。技術進步都是基於現有技術來實現的,而技術的加速本身就是一種疊加的效果。
奇點如何出現
現在的Q*或許還不足以讓人過度緊張,畢竟它現在只能做小學生水平的數學題,可能需要5-20年才能完成高中或研究生水平的題目。但是這也可能是最後的20年,人工智慧的思維能力如果可以達到本科生或研究生水平,即使沒有自主意識,也可以完成人類下達的各類複雜任務,那就會出現24小時不間斷工作的研究員。
一個國家如果有全世界最大量的工程師以及每年大量的工程師畢業生,那麼這個國家一定會成為科研和工業強國。而人工智慧技術很可能會改變這一趨勢,至少可以極大地延緩這一過程。因為研究員或者工程師的獲取途徑發生了重大的變化。
GPT-4目前是0.03美刀1千個輸出token。假設每秒輸出5個token，一天8小時連續輸出，總費用不到5美元，對應的是約15萬的token，大約是20萬字左右的文字結果。每個月20天計算，只需要100美元。這遠低於聘請1個研究生的成本。雖然單個GT模型的思維能力顯然還無法與人類匹配,但多個GT模型的系統性整合很可能可以與人類媲美。並且GPT模型對於任何問題的回答都可以用秒來衡量，其工作效率遠高於人類研究員，更不用說它可以24小時開機。擁有海量基礎研究人員同時對整個問題空間進行有效的搜尋遍歷，這對於加速研究進度顯然有明確的幫助。
奇點並不是末日
技術奇點並不可怕。技術圈的人往往因為日常的思維習慣，往往會對於技術進步的評估過於敏感。發現其他團隊可能領先進入技術奇點後就會有末日降臨的感覺。事實上並沒有那麼可怕。畢竟並沒有真的出現AI意識將領的情況，只是大模型的迭代快了點，能力強了點。
網際網路應該就是一個小型技術奇點。在20世紀90年代以前就已經發展起來,美國當時在資訊化程式上至少領先全球10多年。這對於克林頓時代的美國經濟和技術發展的助力應該佔據了不小的貢獻權重，但是整體上並沒有出現技術領先者無限制拉開技術差距的結果。
再以超算為例，按照2023年6月的資料，中國超算排名第7的機器，動用了1千多萬個CPU核心，150兆瓦特功率，獲得93PFlop/s的成績。而世界第一的機器使用8千7百萬個核心，227兆瓦特，獲得1200PFlop/s的成績。無論從但核心能力還是單位能耗，甚至整體效能來說，中國都顯然靠後。但是隻要不是最強大的那臺機器能做到其他機器做不到的事情，排名靠後的無非是速度慢點而已。並且全球不僅僅只有那500臺機器，整個中國的超算中心，全球所有大型機中型機份額中國在數量上依然是佔有不低的份額的。
單一技術往往不會形成生產力，而是要靠工程化的方法形成效率工具。正如同這次Q*那樣，即使不使用GPT4，用文心一言同樣可以復現對應架構的能力。即便最終效能可能沒有那麼強大，但是對於研究和應用來說，並不存在不可逾越的鴻溝。
未完待續
最後,我們繼續開放思考。即使人工智慧模型已經達到邏輯思維水平,我們依然沒有解決其在生物學領域存在第一動力假說的問題,即生命的生存和繁衍是根本的驅動力。大多人同意這個理論,但如何在實踐中創造可能產生自我意識的AI模型還沒有明確討論。讓我們繼續進行我們的思維實現，探討人工智慧的自主意識之旅