引用本文
缪青海, 王兴霞, 杨静, 赵勇, 王雨桐, 陈圆圆, 田永林, 俞怡, 林懿伦, 鄢然, 马嘉琪, 那晓翔, 王飞跃. 从基础智能到通用智能: 基于大模型的GenAI和AGI之现状与展望. 自动化学报, 2024, 50(4): 674−687 doi: 10.16383/j.aas.c240156
Miao Qing-Hai, Wang Xing-Xia, Yang Jing, Zhao Yong, Wang Yu-Tong, Chen Yuan-Yuan, Tian Yong-Lin, Yu Yi, Lin Yi-Lun, Yan Ran, Ma Jia-Qi, Na Xiao-Xiang, Wang Fei-Yue. From foundation intelligence to general intelligence: The state-of-art and perspectives of GenAI and AGI based on foundation models. Acta Automatica Sinica, 2024, 50(4): 674−687 doi: 10.16383/j.aas.c240156
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c240156
关键词
生成式人工智能，大语言模型，基础模型，通用人工智能，基础智能，平行智能，Sora
摘要
本文对生成式AI (Generative artificial intelligence, GenAI)的国内外发展现状进行了概述, 重点分析了中美之间在算力、数据、算法、生态等方面存在的差距. 为改变我国在生成式AI领域的落后现状, 提出高能效算力建设、联邦数据、专业领域模型、基于TAO的联邦生态等应对策略, 对大模型时代AI安全治理进行了论述, 对通用人工智能(Artificial general intelligence, AGI)的未来发展进行了展望.
文章导读
继ChatGPT[1]之后, 视频生成大模型Sora又一次掀起了全球智能化浪潮[2-3]. Sora借助跨模态基础模型(Foundation model)的强大能力, 初步展现出世界模拟器的潜力, 加速从语言智能向想象智能的转变. 在此背景下, 生成式人工智能(Generative artificial intelligence, GenAI)作为实现通用人工智能(Artificial general intelligence, AGI)的重要方式之一, 成为各国重点关注的领域. 近年来, 我国高度重视新质生产力的发展, 在生成式人工智能领域也呈现出“百模大战”的繁荣局面, 但在创新首发、最高水准等方面整体水平距离世界先进仍有不小差距. 因此, 应对挑战, 从算力、数据、算法、人才、产业、安全、治理等方面探讨应对策略, 成为当务之急.
本文首先简述国内外生成式人工智能的起源、发展与现状, 在此基础上从数据、算力、算法、生态等方面对中外生成式人工智能发展进行对比、分析. 面对我国生成式人工智能所面临的挑战, 讨论相应的对策, 特别是探讨区块链技术、DAO与DeSci机制对于建立智能联邦生态和基础智能系统的重要意义, 最后展望生成式人工智能的未来发展与社会影响.
图 1 国产大模型发展全景
图 2 人工智能全生命周期四阶段主要风险, 风险影响范围随技术发展逐渐增大
图 3 国内人工智能安全评估体系
伴随GenAI的通用智能技术发展, 未来的智能社会和产业将围绕Karl Popper的三个世界[103]之大模型展开. 物理世界之机器人、心理世界之生物人、人工世界之数字人将按Pareto法则组成一个崭新的世界: 80%以上是数字人、15%以下是机器人、5%以下是生物人[104-106]. 受GenAI驱动, 数字人完成认知和决策任务, 机器人主要负责物理劳动和操作, 生物人依托数字人和机器人进行更高层次的创新和管理.
工作将以三种模式由三种员工协调完成: 上午AM (Autonomous mode, 自主模式), 数字人在机器人的辅助和生物人的关注下完成绝大部分工作, 时长20小时以上; 下午PM (Parallel mode, 平行模式), 数字人和机器人在生物人的远程或云端指导下完成大部分工作, 时长三小时以下; 晚间EM (Expert or emergency mode, 专家或应急模式), 生物人必须赶赴现场, 在数字人和机器人的帮助下完成工作, 时长一小时以内. 新的工作模式和分工方式可以减轻劳动强度、提高生产效率和扩大服务范围, 有效应对当前面临的人口负增长和老龄化的问题, 同时将重塑人类的工作和生活方式. 未来人类将立法禁止“996 (码农)”的工作方式, 演化为“1023智侬节”: 每天早上十点上班, 下午二点下班, 每周工作四天, 每年从一月二十三日开始工作, 十月二十三日结束工作, 启动一年一度的智侬节, 希望其他节日假期依然保留.
作者简介
缪青海
中国科学院大学人工智能学院副教授. 主要研究方向为智能系统, 智能交通, 平行智能. E-mail: miaoqh@ucas.ac.cn
王兴霞
中国科学院自动化研究所复制系统管理与控制国家重点实验室博士研究生. 2021年获得南开大学工学硕士学位. 主要研究方向为平行智能, 平行油田, 多智能体系统. E-mail: wangxingxia2022@ia.ac.cn
杨静
中国科学院自动化研究所复杂系统管理与控制国家重点实验室博士研究生. 2020年获得北京化工大学自动化专业学士学位. 主要研究方向为平行制造, 社会制造, 人工智能和社会物理信息系统. E-mail: yangjing2020@ia.ac.cn
赵勇
国防科技大学系统工程学院博士研究生. 2021年获国防科技大学控制科学与工程专业硕士学位. 主要研究方向为移动群智感知, 空间众包, 人机交互. E-mail: zhaoyong15@nudt.edu.cn
王雨桐
中国科学院自动化研究所助理研究员. 2021年获得中国科学院大学控制理论与控制工程专业博士学位. 主要研究方向为计算机视觉. E-mail: yutong.wang@ia.ac.cn
陈圆圆
中国科学院自动化研究所副研究员. 2018年获得中国科学院大学控制理论与控制工程专业博士学位. 主要研究方向为交通数据分析, 社会交通, 平行交通管理与控制系统. E-mail: yuanyuan.chen@ia.ac.cn
田永林
中国科学院自动化研究所博士后. 2022年获得中国科学技术大学控制理论与控制工程专业博士学位. 主要研究方向为平行智能, 自动驾驶, 智能交通. E-mail: yonglin.tian@ia.ac.cn
俞怡
上海人工智能实验室助理研究员. 主要研究方向为智能交通系统, 数据要素化, 城市计算. E-mail: yuyi@pjlab.org.cn
林懿伦
上海人工智能实验室副研究员. 2019年获得中国科学院大学控制理论与控制工程专业博士学位. 主要研究方向为社会计算, 平行智能, 深度学习, 智能交通系统与人工智能安全. E-mail: linyilun@pjlab.org.cn
鄢然
新加坡南洋理工大学土木与环境工程学院助理教授. 主要研究方向为海事研究中的数据分析, 海运大数据, 绿色航运管理, 海事风险管理以及港口和航运优化. E-mail: ran.yan@ntu.edu.sg
马嘉琪
加州大学洛杉矶分校萨穆埃利工程学院副教授, 加州大学洛杉矶分校交通研究所副所长. 2014年获得弗吉尼亚大学交通运输工程博士学位. 主要研究方向为联网和自动化车辆, 网络物理运输系统, 运输系统的弹性, 分布式多智能体系统的协同控制, 智能交通系统, 动态运输系统建模和控制, 网络优化, 出行行为建模和需求预测, 人工智能和先进计算在交通领域的应用. E-mail: jiaqima@ucla.edu
那晓翔
英国剑桥大学工程系长聘助理教授. 2014年获英国剑桥大学机械工程博士学位. 主要研究方向为重型商用车智能车载信息系统开发与车辆能耗特性评价. E-mail: xnhn2@cam.ac.uk
王飞跃
中国科学院自动化研究所复杂系统管理与控制国家重点实验室研究员. 主要研究方向为智能系统和复杂系统的建模、分析与控制. 本文通信作者. E-mail: feiyue.wang@ia.ac.cn
转载本文请联系原作者获取授权，同时请注明本文来自欧彦科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3291369-1433865.html?mobile=1
收藏
