写一篇 人工智能不能超越人类智能的二辩稿子

[title]报告：GPT-4通用人工智能的火花[heading1]1.介绍虽然我们认为GPT-4代表了向着AGI的进展，并不意味着它在所有事情上都是完美的，或者它各方面的能力都接近于人类（这是AGI定义的关键点之一；有关此问题，请参见结论部分），或者它具有内在自主动机和目标（在一些AGI定义中的另一个关键点）。事实上，即使在1994年智能定义的上下文限定中，GPT-4能在智能的某些衡量标准上走了多远仍不太清楚，例如规划（见第8节），并且可以说它完全缺少「快速学习和从经验中学习」的部分，因为该模型不是持续更新的（尽管它可以在会话中学习，例如见第5节）。总的来说，GPT-4仍然有许多局限性和偏见，我们将在下面详细讨论，并且这些也在OpenAI的报告中阐述过[Ope23]。特别是它仍然存在LLMs的一些已知缺陷，例如幻觉问题[MNBM20]或基本算术错误[CKB+21]（见附录D），但它也克服了一些基本障碍，例如获得许多非语言能力（例如，它解决了[MIB+23]中描述的之前的LLM不能完成的大部分，并在常识方面取得了巨大进展，例如本节我们会讲到的示例和附录A的更多示例）。这说明了一个事实，即尽管GPT-4在许多任务上达到或超过人类水平，但其智能模式显然不像人类。然而，GPT-4几乎肯定只是一系列越来越普遍智能的系统的第一步，事实上，GPT-4本身也在我们测试它之后得到了改进，例如下图所示的在一个月的训练过程中独角兽绘画的演变。然而，即使作为早期版本，GPT-4也挑战了许多关于机器智能的普遍假设，并展示了新行为和能力，其来源和机制此时很难精确地说明（有关此问题，请再次参见结论部分进行更多讨论）。我们编写本文的主要目标是分享我们对GPT-4的能力和局限性的探索，以支持我们的结论，即技术已经取得了飞跃式发展。我们相信，GPT-4的智能标志着计算机科学领域和其他领域的真正范式转变。

[title]智变时代/全面理解机器智能与生成式AI加速的新工业革命[heading1]尾声-与AI的协同进化因为算力的飞速提升、还有神经网络与硅谷人才网络的演化，我们有了生成式AI的革命，它带来了大语言模型。语言原本是人类智慧的火种，但现在我们已知的宇宙里，有一种人造的智能，可以用和我们一样的语言来独立的解释世界，这些人工智能就像神话里的盗火者。人类面对比自己更加聪明的物种出现的时候，天生就有一种警觉，它们的目的是什么？它们会毁灭我们么？Amazon的创始人Jeff Bezos在最近一次接受Lex Fridman采访的时候，就做了个形象的比喻：“现在大语言模型的智能，不像是我们发明出来的，而是召唤出来的”。对复杂的神经网络内隐藏秘密的研究才刚开始，我们如何使用和控制这些黑箱模型，是业界和社会争论最激烈的话题。有人认为AGI不加以控制，会导致人类灭亡；也有人认为现在的架构，再怎么扩展算力，也根本实现不了AGI。媒体报道上充满了各种矛盾且对立的观点，大家还十分喜欢围观这样的辩论，因为我们喜欢寻找大脑中默认想法的认同感。在这篇文章中，我引用了丰富的论点和最新的研究，尝试给大家呈现出尽可能客观的结论，就是我们还能用多模态的数据提升机器的智能，改进架构和强化训练的方法，可以让AI模型往逻辑推理、计划、记忆还有目标感更强的方向发展，Scaling Law依旧有效；但并不确定在更大规模的数据和训练中，是否会涌现出自主目标或者是我们定义不清晰的“意识”来。科技公司研发的约束方式是训练出辅助人类的超级智能助手，而不是可以自我改进升级的超级自能体，让AI渐进式的融入社会，从而推动新一轮的工业革命和经济增长。踩油门还带刹车是同时进行的，这样才能安全切顺滑的驾驶。

[title]机器之心的进化/理解AI驱动的软件2.0智能革命阅读之前先插播一段Elon Musk和Jack Ma在WAIC 2019关于人工智能的对谈的经典老视频，全程注意Elon Ma的表情❓❓大家觉得机器智能能否超过人类么？带着这个问题来阅读，相信看完就会有系统性的答案！本文在无特别指明的情况下，为了书写简洁，在同一个段落中重复词汇大量出现时，会用AI（Artifical Intelligence）来代表人工智能，用ML（Machine Learning）来代表机器学习，DL（Deep Learning）来代表深度学习，以及各种英文缩写来优先表达。