人工智能（AI）正以惊人速度迭代向前。各界谈论已久的ChatGPT，其问世时间，也不过才几个月时间。
从3月初OpenAI正式开放ChatGPT，到ChatGPT-4推出，再到3月底埃隆·马斯克等领军人物联名发表公开信呼吁暂停相关训练，以及多个国家收紧监管要求，仿佛一个多月之内，人工智能就走过了过往很多技术创新需要长时间积累才能走完的历程。
(相关资料图)
当前人工智能到底发展到何种程度？能够带我们哪些便利，和哪些潜在的危险？大厂针对“大模型”的一拥而上是否有效？人工智能的未来走向何方？
针对人工智能领域的热点问题，第一财经记者近日在北京与马毅教授进行了一场独家对话。
马毅是香港大学数据科学研究院首任院长，香港大学计算机科学系讲席教授，加州大学伯克利分校电子工程与计算机科学系教授，是AI机器视觉知名学者。近日他联合神经生物学家曹颖、计算机世界级专家沈向洋共同撰写的论文《On the Principles of Parsimony and Self-Consistency for the Emergence of Intelligence 》正式发表，提出了人工智能发展的“简约”与“自洽”原则，并综述了过去80年人工智能研究的历史。
在马毅教授看来，科技和网络平台的发展使得包括ChatGPT这样的创新，时间轴被压缩地非常非常紧凑。但也需要看到，当大家在追逐区块链、自动驾驶、元宇宙、蛋白质时，OpenAI数年来始终纹丝不动。
马毅认为，现在担心人工智能继续发展就要世界末日还是杞人忧天。在他看来，过去十年大家集中研究的深度学习或深度网络，跟真正的智能并没什么关系。回看80年前，那才是智能研究真正的起源。
现有AI仍是人工为主，无法闭环学习
第一财经：3月1日OpenAI开放ChatGPT，震动各界。很快，ChatGPT-4推出，ChatGPT插件平台发布，进展迅速。但是仅仅到3月底，针对人工智能的监管呼声就在世界各地涌现。这相对于人工智能过去80年的发展历程而言，是不是非常不同？
马毅：是非常不一样。我们回顾历史可以看到，神经网络也经过几次起伏。但是现在的科技、网络等，将现在一件事物的历史进程，包括ChatGPT这样的创新，时间轴压缩地非常非常快。在几天之内，就有天翻地覆的变化。
这确实也带来了很多的顾虑。但我觉得，从技术的角度，我们对现有的AI本身的机理不用太担心，因为它不是自动的，基本还是人工的方式为主。更不用担心它有自主意识，甚至统治世界，甚至毁灭人类，这都是杞人忧天。当真的有独立自学习的能力的时候，当机器人可以从开放的外部世界，闭环地学习对自己有用的东西的时候，我们再重新审视这个问题不迟。
其实很多讨论是针对这种机器具有的能力会对各行各业产生的影响。比如教育行业，我的学生已经在用GPT编程了。再有就是这样涉及千家万户的信息，哪怕只是“胡说一道”，如果传递的信息不是那么准确，以后再纠正，也会造成很大的顾虑。
我觉得技术本身不会给社会带来危险，而是技术后面的人可能会带来危险。任何技术都是双刃剑。这可能是我们需要考虑的问题。
GPT成功背后，要看到OpenAI的“纹丝不动”
第一财经：你认为现在很多担心都是杞人忧天，但是确实可以看到大家都非常“焦虑”。很多大厂在星夜兼程地做自己的模型，投资领域“找项目的投资顾问比项目还多”。你怎么看待这种现象?有什么建议？
马毅：大厂我觉得应该有焦虑的地方。因为他们本身在这些产业里面，比如微软，集成了OpenAI的一些性能之后，对谷歌的影响最大。比如搜索，以自然语言呈现搜索结果，改变了搜索界面，更加友善。光是这一点，谷歌就要担心。
另外就是所有的办公软件。包括中国的阿里、头条，都有自己的钉钉、飞书等，如果不跟上的话，这些工具很快就会过时。因为微软出来的这些工具会大大提升工作效率。出于生存，也必须要赶上。至于如何赶上，这是大家需要思考的。
比如完成一个深层模型的预训练，完成一个可以“胡说几道”的模型还是可以实现的，因为已经开源了。大厂只要有足够的投入，运作的好的话，这件事不难。
但实际上Meta也在焦虑。他们焦虑的是，OpenAI从GPT3.5就没有开源，他们背后到底是做了什么，导致他们编程的水平能从5%提高到70%或80%以上，这是真的可以用了。这是他们真正焦虑的东西。这也很可能是他们在用大规模集群在做的事情。
需要提醒的是，大厂去追，也要把问题搞清楚，而不是一味大干快上。而且我也不赞成所有大厂、实验室或者学校都去做这件事。否则同质化很严重。
我们看OpenAI的成功，当大家在炒区块链、忙自动驾驶、忽悠元宇宙、折腾蛋白质的时候，他们纹丝不动。即使烧了这么多钱，始终一代一代迭代。我们有没有这种定力，这种风气、文化？包括Deepmind，也是纹丝不动去实现它的使命，实现它的梦想。所以大厂即使要去追，也要把战略搞清楚。
做产业投资同样也要把历史和现状搞清楚。如果不清楚，只是道听途说，都是二手三手的信息，这样投资会比较麻烦，一不小心投资的项目可能就会被大厂消灭。我认为，大公司可以去做平台性的东西，垂直领域对小公司而言则是充满机会。
大家一拥而上去追去抢，并非各个都适合。首先，现在技术路线还不是很清楚。其次，正面追击资源耗费巨大。当然有的公司确实是需要去做的，但如果大家都去追，这是很不理智的。
原理是绕不开的，且往往是唯一正确道路
第一财经：刚才你一直在强调，无论是人工智能的研究还是产业的投资，都要回到数学、信息论等原理性的起点。但是当GPT-4可以自己给GPT-5写代码的时候，我们还来自己从头开始，会不会一直落后，甚至差距越拉越大？
马毅：这是绝对不会的。
不可能所有的事情都是大模型，小的机器人也需要去学习世界。这种机会其实是非常多的。当你搞清楚来龙去脉，搞清楚历史发展，学科、方法在干什么的话，你会发现有很多机会。
举个很简单的例子。伯克利和斯坦佛过去几年出了两件工作，彻底改变了很多问题。一个是NERF，一个是DiffusionModel，都是年轻的教授做的。他们并没有去跟随所谓主流的东西。当铺天盖地的对抗生成网络出来的时候，几万篇文章，打得一塌糊涂，人家在老老实实根据更本质的原理改进方法。甚至刚开始文章都发不出来。但现在，彻底改变世界。这就是机会！
过去机器学习的十年，很多人担心不跟随就落后。但回头看，当时很可能是在往错误的方向上跑。现在炒作的很多东西，放在历史上都不过是尘埃而已。而原理性的东西，十年、二十年、五十年甚至一百年，绕是绕不开的。而且往往是唯一正确的道路。希望现在年轻人多做些反思。
叫停智能研究是杞人忧天，AI监管重在管人
第一财经：人工智能现在确实还处于起步阶段，但是“杞人忧天”的担忧还是非常多。比如马斯克最近就表达了担忧，人为当AI发展发展到真正智能的时候，再去做监管很可能就为时已晚。在你看来，如何在人工智能最初期就建立好治理框架？
马毅：我有不同看法。科学家或者研究人员，做任何事情，都不能用条条框框去框他们。比如核物理、生物研究等等都会有利有弊。对于人工智能，我们应该规范的不是机器，也不是背后的客观规律和事实，而是后面的人类。对目前的人工智能，在我们真正了解其机制之后，就会发现现在还不用过度担心。
不过在另外的方面，我觉得有些焦虑是对的。比如对数据安全隐私，以及可能被利用于剽窃、作弊等的副作用，以及如何规范使用行为等，这是需要考虑的。
第一财经：但是人工智能有其特殊性。比如你提到的“核”，核只涉及“我们如何看待它”的问题，但人工智能还要面对“他们如何看待我们”的问题。这也不需要担心？
马毅：现在我们看到机器开始体现一些接近人的推理或者分析能力，尽管可能这只是模仿或者人授予的能力。但从本质上，我认为这还不是基于理解。除非OpenAI做了一些我们完全不知道的事情。如果没有，那我觉得从技术层面，不用太担心。
以后，如果我们真正找到了自主学习的机制的话，机器具有了这种能力，那大家可能需要提前考虑一些问题。比如，规模化之后，人工智能能力的极限在哪里，是否能完全独立的做一些事情。
第一财经：现在还是可以充分享受人工智能便利的一个阶段？
马毅：我相信是这样的。历史上一个新技术出来，人们往往就会说很多工作就将失去了。蒸汽机出来，不需要体力劳动了；计算机出来，就不需要人工了。很多革命性的技术出来，实际上提升了生产力，新的工种会出来，而且会以更高的效率产生更多的工种。
我相信，大家利用好新的技术发明，文明是会更快向前进步的。
第一财经：刚才你说到“某个时刻”我们是需要提前准备的，人类是否有能力在“那个时刻”到来之前提前识别出来？如果面临的是一个用偏见的数据训练出的有偏见的模型，怎么办？
马毅：能不能提前识别，我不知道。不过很多问题都是人的问题，不是机器的问题。
GPT的能力会不会造出信息层面的“病毒”？这是不为所知的。不过即使这样，最后还是掌握技术或者公司的人，需要进行很好的监管和规范。包括使用产品的人，也需要充分理解所在使用的工具。
比如，香港的大学都在考虑，是否允许学生用ChatGPT。我是支持大家用的，就跟搜索引擎出来之后，也面临过同样的问题。但是我们还是找到了方法来解决这一问题。
第一财经：去年有一个案例曾引起一定关注，但后来又被人淡忘。直到近期又被提出，并被认为人类可能从那时候就已经跨越了“奇点”时刻，那就是谷歌的“拉姆达”。你是否认同？
马毅：那个时候，我相信当时的表现可能还不如ChatGPT。机器是否因为具备自主意识才有这样的能力，还是因为有这样的能力才被定义为自主意识，我相信这是不同的概念，大家可以去思考一下。
我认为，现在大部分机器我们能看到，还是在模仿人的一些东西，还不是真正的自主学习。
教育迎来很大变革，智能学科亟待重建
第一财经：你是香港大学数据科学学院的首任院长。你打算如何打造这个学院，让学生在数据科学领域有更好的发展，也让我们在人工智能领域有一个更好的提升？
马毅：我们这个领域，不管是数据科学，还是人工智能，过去十年发生了很大的变化。现在我认为这个学科需要重新建设，以适应产业与社会的新需求。
从基础的课程设置，学生需要学习的工具、系统，以及这些工具、平台的应用，以及我们该教学生什么、如何教，都需要重新考虑。以后的发展，一定是需要原理才能把正确的框架、平台、机制建立好，人工智能才能更上一步，才能接近真正动物和人的智能。
我们也在考虑如何将跟智能相关的原理和思想更快地传播给学生。现有介绍原理的课程很多内容是有些过时的，传统的信息理论、控制理论、信号处理、优化方法等等可能都要重新设计。学科建设是非常重要的。学生只有对基础原理真正理解，对计算工具、平台真正掌握和使用，然后才能到各行各业去放大。
对学生的教育，也不能再是填鸭式教育了。我们不能再一味生硬地传授学生知识了。因为将来得到知识会越来越容易，而如何去运用这些知识，如何发展出新的知识，才是学生需要具备的能力，否则跟机器比将没有任何竞争力。所以这将是一场很大的变革。
