電子發(fā)燒友網(wǎng)報道（文/黃山明）在生成式AI的高速發(fā)展下，不少人正在焦慮AI是否會取代他們的工作。就在近期，OpenAI首席執(zhí)行官SamAltman在瑞士達沃斯經(jīng)濟論壇上分享了對未來AI的見解，透露擁有人類智慧水平的AI即將出現(xiàn)，但不必恐懼，Altman認(rèn)為這種AI對世界的影響遠沒有人們想象得那么嚴(yán)重。

人類水平AI即將到來

從過去的許多影視作品中其實不難發(fā)現(xiàn)，人們對于AI的心態(tài)是矛盾的。一方面認(rèn)識到AI超強的實力，能夠讓我們的生活過的更加美好；另一方面，也正是因為AI的超強實力，人們擔(dān)心AI會不受控制，進而反噬人類。

AI的發(fā)展最早可以追溯至1956年，這一年也被稱為人工智能元年。在美國漢諾斯小鎮(zhèn)寧靜的達特茅斯學(xué)院中，一群人舉辦了一個研討用機器來模仿人類學(xué)習(xí)以及其他方面智能的會議。在這個會議上正式提出了“人工智能”這個概念，并標(biāo)志著人工智能研究的正式啟動。

盡管早在此前就有一些零星的相關(guān)研究，但1956年這次會議無疑具有里程碑式的意義，它明確了人工智能的目標(biāo)和研究方向，為AI的發(fā)展奠定了基礎(chǔ)。

隨后的數(shù)十年，人工智能技術(shù)快速發(fā)展，到了1997年，當(dāng)時的人工智能程序“深藍”打敗了國際象棋大師卡斯帕羅夫，證明了AI在某一領(lǐng)域的可怕潛力。后來AlphaGo在圍棋領(lǐng)域擊敗人類世界冠軍，更是意味著AI已經(jīng)在專業(yè)領(lǐng)域，比如棋類比賽中超越了人類，并且越走越遠，人類根本追不上。

而在2015年，微軟亞洲研究院視覺計算組在ImageNet計算機識別挑戰(zhàn)賽中憑借深層神經(jīng)網(wǎng)絡(luò)技術(shù)的最新突破，以絕對優(yōu)勢獲得圖像分類、圖像定位以及圖像檢測全部三個主要項目的冠軍。

更重要的是，該團隊的AI系統(tǒng)，在圖片識別上，系統(tǒng)的錯誤率已降低至4.94%。此前同樣的實驗中，人眼辨識的錯誤率大概為5.1%，這被認(rèn)為是一個里程碑式的突破。

而在近幾年，生成式AI的到來更是讓許多人感受到人工智能的強大，甚至為此感到擔(dān)憂，AI或許將會取代自己。而通用式人工智能或許就能做到這一點，并且這一天也不會太遙遠。

英偉達CEO黃仁勛在此前的一次采訪中表示，如果將AI定義為能夠與人類智能“相當(dāng)競爭”的方式完成測試的計算機，那么5年內(nèi)AI便有望能完成這些測試。甚至可以用AI來研發(fā)藥物，或者設(shè)計半導(dǎo)體。

Altman則表示，通用人工智能的到來，會比我們想象的更快。但這種AI給世界帶來的變化會比想象中要小得多，給工作帶來的變化也會比想象中要小得多。與其說這些AI將取代人類的工作，不如說這些AI將成為人類手中一項更好用的工具，比如更好的搜索引擎、更便捷的圖片編輯器、更靈活的表格制作器、更快速的統(tǒng)計工具等。

就好像當(dāng)年汽車的出現(xiàn)，其實并沒有淘汰“馬夫”，淘汰的是“馬車”，是那些生產(chǎn)效率低下的工具，而不少馬夫還可以轉(zhuǎn)職成為司機，用更高的效率來完成原本的工作。相信這才是AI的真正意義。

那些超越人類的AI芯片

目前AI已經(jīng)開始廣泛應(yīng)用到各個領(lǐng)域，包括自然語言、計算機視覺、語音識別、機器學(xué)習(xí)、數(shù)據(jù)分析、藝術(shù)創(chuàng)作等等，而在AI爆發(fā)出如此強大能力的背后，離不開那些已經(jīng)在某些性能上超越人類的AI芯片。

比如中星微推出的中國首款嵌入式NPU芯片“星光智能一號”，該芯片具備深度學(xué)習(xí)能力，在人臉識別應(yīng)用上，準(zhǔn)確率可以達到98%，超過了人眼識別率。

谷歌所推出的第四代AI芯片TPU v4速度達到了TPU v3的2.7倍，通過整合4096個TPU v4芯片成一個TPU v4 Pod，可以達到1exaflop級的算力，相當(dāng)于1000萬臺筆記本電腦之和，是目前世界第四超算“富岳”的兩倍。而人腦的算力大概在1-2 petaflop左右，而1 exaflop等于1000 petaflop，也就是這枚芯片已經(jīng)達到了人腦算力的500倍。

當(dāng)然，這里只是簡單的進行硬件性能的對比，要是算總功耗的話，人類還是要優(yōu)于芯片的，畢竟只需要一個蘋果，人類就可以運算復(fù)雜的問題，而這些AI運轉(zhuǎn)的功耗可以說是天文數(shù)字。

此外，IBM近期公布了基于TrueNorth架構(gòu)的NorthPole啟動器，這款NorthPole芯片上共有220億個晶體管，展開總面積為800平方毫米，在8位分辨率下每個核心每周期可處理2048次操作，而4位條件下每核心每個周期可以處理4096次操作，2位條件下每核心每周期則為8192次操作，該芯片主要用于圖像及視頻識別類任務(wù)。

此前IBM所發(fā)布的TrueNorth，則是一顆擁有百萬神經(jīng)元類人腦芯片。重量只有幾克，尺寸只有郵票大小，卻集成了54億個硅晶體管，4096個內(nèi)核，100萬個“神經(jīng)元”、2.56億個“突觸”，能力相當(dāng)于一臺超級計算機，功耗卻只有65毫瓦，這已經(jīng)非常接近人類了，畢竟人腦思考的特點便是高算力、低功耗。NorthPole屬于TrueNorth架構(gòu)的擴展成果。其不同之處，在于NorthPole的時鐘速率與傳統(tǒng)計算引擎更為相似。

不僅是許多AI芯片已經(jīng)開始在某些性能上趕超人類，并且反過來，AI已經(jīng)可以在沒有人類的干預(yù)下，自主設(shè)計芯片。2023年6月，中科院計算所宣布用AI技術(shù)設(shè)計出了世界上首個無人工干預(yù)、全自動生成的CPU芯片“啟蒙1號”。

通常CPU設(shè)計過程極其繁瑣，需要上百人的團隊迭代數(shù)月或數(shù)年才能夠完成，比如英特爾的CPU便是由超過500位工程師花費兩年時間才完成整個設(shè)計。

而研究人才通過AI技術(shù)，直接從測試用例的IO自動生成CPU設(shè)計，無需工程師提供任何代碼或自然語言描述。通過這一方法，在5小時內(nèi)生成了超過4百萬個邏輯門的32位RISC-V CPU。該芯片的性能相當(dāng)于Intel 486 CPU的水平，不過依照AI的學(xué)習(xí)能力，其設(shè)計出高性能芯片或許就在不久的未來。

寫在最后

Altman表示，人們對AI的恐懼是普遍存在的，但他認(rèn)為這種恐懼是過度夸張的。人們總是對AI期待過高，但結(jié)果往往也會讓他們失望。從目前的技術(shù)來看，即便未來做出了通用型AI，但指望這種AI能夠成為“哆啦A夢”可能不太現(xiàn)實，至多只是一個“百寶箱”的存在。

當(dāng)然在制作AI的過程中，由于每個工程師的三觀并不完全一致，可能會帶有一些偏見。為了解決這一問題，如Open AI將組建一個名為Collective Alignment的新團隊，讓公眾參與塑造其人工智能模型的行為，在解決監(jiān)管問題的同時，讓AI與社會價值觀盡量保持一致。

最后，與其說恐懼AI，不如去參與其中。就好像當(dāng)年打敗那些珠算師的并不是電腦，而是使用電腦的人一樣，未來或許會讓部分人的職位受到挑戰(zhàn)，但讓他們失業(yè)的并非是AI，而是那些使用AI的人。