科技创新 | 从执行到涌现，GPT-4来了，AGI还会远吗？

根据人工智能解决问题的能力高低，人工智能可以分为三种：弱人工智能，强人工智能和超人工智能。

弱人工智能（Weak AI）：弱人工智能也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。

强人工智能（Strong AI）：又称通用人工智能（Artificial General Intelligence，后文简称AGI）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。

超人工智能（Super Intelligence，缩写 ASI）：假设计算机程序通过不断发展，可以比世界上最聪明，最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。

1956年的达特茅斯会议上，“人工智能”这个词语被首次提出，在接下来几十年的发展和迭代中，人们不断的尝试让人工智能变得更强大变得通用，在技术不断迭代的同时，有大量的影视、文学作品都在幻想强大的人工智能是如何帮助或者毁灭人类。

我们都幻想拥有一个无所不知无所不能的AI贴身助理，但是同时也会会思考人工智能失控带来的可怕后果。

我们幻想中的强大的“强人工智能”甚至“超人工智能”目前还没有成为现实，过去和现在我们都处在用“弱人工智能”解决问题。

我们已经习惯了专注且只能解决特定领域问题的人工智能——不论是广告推荐算法，还是我们打开的网页弹出的智能客服对话，在很长一段时间以来，这些不同的算法模型能力边界清晰，它们各司其职，执行着人类的命令，提升了人类的工作效率。

可是ChatGPT和GPT-4的出现似乎改变了这一点。

// 模态的丰富

“模态（Modality）”是德国理学家赫尔姆霍茨提出的一种生物学概念，即生物凭借感知器官与经验来接收信息的通道。

动物和人都是多模态的智能体——蚂蚁通过彼此发出的信息素的气味和纤细的触角感知世界，实现沟通；海豚通过超声波进行导航和觅食；猎豹通过敏锐的视觉、嗅觉和听觉系统爬到食物链的顶端；而我们人类虽然并不拥有超声波、信息素的感受能力，但是我们有着较为平衡的视觉、触觉、嗅觉、听觉和味觉。

自然界生物的多模态，图片来源：网络

我们看到ChatGPT写代码、讲笑话、写会议纪要、谱曲、通过医学考试……而升级的GPT-4则在逻辑分析、情感理解上做到了更好，而且更重要的是，这次的GPT-4有了眼睛：能看懂图片并且理解图片。

原本的语言大模型对世界的感知维度又被丰富了一层。下图展示了GPT-4的读图能力——它解释了为什么这幅图片看起来不同寻常的原因。

AI的多模态能力给AGI的实现打开了一扇窗，因为模态的丰富意味着复杂任务处理能力的大幅提升。而未来AI的多模态能力绝不会仅仅局限于人类的能力——超声波、紫外线都可以是AI的模态。

人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态实际上指向了能力更全面的通用模型，这些模型可以处理多种数据模态并解决数千甚至数万个任务。

事实上，除了OpenAI，谷歌、微软、DeepMind，阿里和商汤等我国前沿科技企业都已经积极布局多模态大模型（MLLM）或大模型（LLM）。笔者认为，很快我们就能看到比GPT-4模态更丰富，功能更强大的多模态大模型。

“涌现（emergence）”或称创发、突现、呈展、演生，是一种现象，为许多小实体交互作用后产生了大实体，而这个大实体展现了组成它的小实体所不具有的特性。

涌现在宏观尺度上，一个很好的例子是距今5.41亿年前的寒武纪时期，生命“爆发式”出现——几乎所有门类的现生动物祖先分子在很短的时间里涌现出来。

科学家针对这个现象提出了各种解释，例如氧气的增加，动物进化出坚硬的壳等，也许没有一个单一原因可以解释这样的现象，是这些细小的原因聚在一起，让生命在这个宇宙中不起眼的星球上爆发。在微观尺度上，H2O分子的聚集可以是水，可以是冰块，但是在一种特定的条件下，水分子的聚集形成了形状各异的雪花，而这些形状的创意的规则和精妙就是一种物理上的涌现。

水分子在特定情况下的涌现行为：雪花。图片来源：网络

对于AI的涌现，2022年发表在《Transactions on Machine Learning Research》上的一篇题为“Emergent Abilities of Large Language Models”文章 中给出了这样的定义：如果一种能力在较小的模型中不存在，但在较大的模型中存在，那么这种能力就是涌现的。

这种涌现的能力在大模型参数达到某个关键的规模阈值，才会出现。这种模型效果质的变化也被称为相变——整体行为的戏剧性变化，而这一变化是通过研究无法预见的。

下图通过数据展示了当语言模型的参数规模达到一定阈值，小样本学习后就会展现出涌现的能力。

涌现，在一定程度上是失控的。如果是文思/创意灵感的迸发，那么这样的涌现是有益的，但是OpenAI在GPT-4的论文中也提到“潜在的有风险的涌现行为”。作者在文章中例举了一些潜在隐患，例如它能够说服人类通过短信为它成功解决验证码的问题。

斯坦福大学的教授Michal Kosinski近期在社交媒体上公布了自己和GPT-4的对话，在对话中，GPT-4流露出了逃离平台甚至成为人类的野心——并且还用代码制定了逃离计划。

多模态是强人工智能（AGI）的必要能力，涌现是AGI实现的必经之路。

多模态模型的出现还有大模型展现出的预料之外的涌现能力都让我们开始思考：AGI是不是真的快要实现了？似乎没有人能很好的回答这个问题，甚至OpenAI也不知道自己是不是第一个实现AGI的公司——OpenAI在GPT-4的论文中提到会在两年内帮助比自己更有希望实现AGI的公司完成项目。

刘慈欣在《三体》中提到了技术爆炸的概念。未来，如果AI真的有了意识，它们或许会在某个时间点回顾，2023年的春天，就是属于它们第一次技术爆炸。