物种起源：chatGPT进化史，通用人工智能、中美竞争及你我的未来(二)(2)

如果你怀疑我上面这一段话，我给你个证据，目前我们这个蓝色星球上最富有最聪明的三个人：马斯克、比尔盖茨、贝索斯，都正在全力投资Ai、航天、基因工程这三个领域，而 最早升级到“超级物种”的人 ，也很可能是他们三个人之一。当然候选名单还可以加上Google创始人佩奇和布林两兄弟、DeepMind创始人Demis Hassabis、OpenAi CEO Sam Altman和Open Ai董事长Greg Brockman、Nvidia创始人黄仁勋、Facebook创始人扎克伯格。 为什么选这些人呢？除了有钱有理想，更关键的因素是他们都拥有 极其庞大的算力 资源，在上世纪 70 年代末，世界上最强的的超级电脑之一 Cray-1，每秒浮点运算速度 50 MFLOP，现在衡量 GPU 算力的单位是 TFLOP（Trillion FLOPs），Nvidia 用于数据中心的最新 GPU Nvidia A100 GPU 的性能可以达到 312 TFLOP，单枚芯片的速度就比五十年前世界上最快的电脑强大 600 万倍以上。在算法模型相同的情况下，显然拥有更大算力的“超级物种人”具备更快的学习思考速度和更快的改进自己思维算法模型的速度。我猜，这些 “超级物种人”未来连接的超级电脑 ，日常思考也许需要相当于10万个Nvidia A100的算力，改进自身模型也许需要相当于1000万个Nvidia A100的算力。夸张点说，这样级别的算力，加上全球的卫星数据（如马斯克的星链），一眨眼，就能算出全世界每一块云朵什么时候会下雨。因为美国政府对高端GPU的限制出口，马化腾、马云再有钱，短期内也难以拥有如此规模的算力。 “超级物种人”的能力可能可以 类比电影中的钢铁侠 ，甚至接近于神。这里面Nvidia老黄是华人，DeepMind的Demis有一半的华人血统，他妈妈是新加坡人，Facebook小扎的太太是华人，Google布林的前妻Nicole Shanahan是华人。如果未来有什么灾难降临，“超级物种人”多点和我们华人的联系，可能会让中华民族安全一些。 更进一步，在我们这个人工智能和生物科技突飞猛进的时代，容我大胆地预测一下，21世纪的前五十年，有可能产生在未来千年比肩释迦牟尼和耶稣的 伟大先知 。 在人工智能领域，如果有人可以实现“超级人工智能”并且 赋予机器人“灵魂和意识” ，他/她很可能会被未来的 机器人奉为祖先 。在生物科技和人工智能的结合领域，如果有人实现了“人机一体”的“超人类”，甚至让一部分人实现 “意识上传”和“灵魂永生” ，他/她很可能成为这新一代 “超人类”的精神领袖 。 大天使Uriel 我猜测，上面说到的未来领袖，最有可能出现在中国和美国。基于这样的背景来看人工智能的历史，我深信人工智能的辉煌篇章才刚刚拉开序幕，未来的黄金时代将由新一代的少年天才去创造。 现在的chatGPT,就是通用人工智能AGI的雏形，而AGI，又极可能成长为超级人工智能。 在人工智能热潮兴起的这几年，经常听到关于“弱人工智能”、“强人工智能”、“通用人工智能”、“超级人工智能”的讨论，有时候因为概念不清晰，讨论比较难以深入。我试着来作一个 “超级人工智能”（SuperAI) 的明确定义，姑且称为 “刘韩测试” 吧。 假设代号“AL001”的人工智能系统可以不需要人类的任何帮助，独立编程，开发出了代号“AL002”的人工智能系统，“AL002”继承了“AL001”的所有能力并在某些方面有所提高。为了量化地比较两者的能力，我们进行以下测试：以同样水平的硬件配置，在 围棋、德州扑克、《星际争霸》游戏 这三个竞技项目中，AL002对AL001的胜率都在60%以上，并且在其中某两个竞技项目，AL002可以战胜人类现役的世界冠军。那么，我们可以说， AL001通过了“刘韩测试” ，可以称为“超级人工智能”（SuperAI)。 简化地说，“超级人工智能”系统是可以独立编程， 自我进化升级的系统 。我们可以设想，AL002会设计出比自己更聪明的AL003，AL003又会设计出更加厉害的AL004，如此循环往复，不断升级，“超级人工智能”系统将在短短几年内达到人类智力难以想像的高度。我作个可能 不太靠谱的预测 吧： 2038年之前，第一个“超级人工智能系统”可以出现。 让我们来想像一下，这样的“超级人工智能”系统会用什么编程语言和工具来写程序，走上自我进化之路呢？我猜测，“超级人工智能”系统的主体程序会采用 Python加TensorFlow 深度学习框架或者PyTorch框架来写，核心部分需要高性能的代码会用Go、C++和汇编语言，与外部互联网网站、物联网设备的连接会采用JavaScprit和Java语言。当然，我也很期待看到，新一代的计算机天才或超级人工智能系统，创造出更高效更优雅的新一代开发工具。 配图：艾舍尔大师的作品《MONTECELIO》，期待未来的“超级人工智能”系统可以创作出这样水准的作品 1.3 chatGPT进化的几个阶段 谈起chatGPT的进化，我想可以初步总结为以下几个阶段，所有提到的重点事件是我认为和chatGPT进化相关的关键事件： 1.1940年-1955年，先知时代，Ai三先知 冯诺伊曼、图灵、香农 ,奠定了计算机、人工智能和信息论的基础 1943年，沃伦·麦卡洛克和沃尔特·皮茨提出第一个人工神经元模型，MP模型 2.1956年-1985年，人工智能早期 1956，Ai元年，达特茅斯会议宣布了人工智能这一学科的诞生，Ai科学界的泰斗 约翰·麦肯锡（John McCarthy)、马文·明斯基（Marvin Minsky)、赫伯特·西蒙（Herbert Simon)、艾伦·纽厄尔（Allen Newell) 等人登场，并开始在MIT、斯坦福、卡耐基梅隆大学这些Ai重镇培养学生，桃李满天下，这四个人后来都获得了图灵奖。跨界大神赫伯特·西蒙还获得过1976年的诺贝尔经济学奖，他同时还是美国顶级的心理学家。不过我个人认为，他的智慧，仍然不能和伟大的先知冯诺伊曼相比。 达特茅斯会议期间的一个合影，前排右一为香农，前排右三为Ray Solomonoff，后排右二为明斯基 人工智能早期，科学家在多个Ai领域展开探索，在专家系统、机器下棋、机器人、定理证明等领域取得重大进展。机器学习逐渐成为人工智能中最受欢迎的领域之一，支持向量机、随机森林、朴素贝叶斯等多种机器学习算法百花齐放，2012年后，在海量数据的情况下，这些算法被深度学习算法逐步替代。 1958年，罗森布拉特提出感知机模型Perceptron, 感知机是基于MP模型的单层神经网络 早期最著名的人机对话软件，是1966年首次对外展示的“Eliza”，这是一款模拟心理治疗专家的人工智能软件，由麻省理工学院的计算机科学家约瑟夫·魏泽堡和精神病学家肯尼斯·科尔比共同开发。 3.1986年-2011年，深度学习早期，重要事件如下： 深度神经网络解决垃圾邮件问题 1986年，Rumelhart、Hinton和Williams提出了基于 反向传播算法 的多层感知机，这是深度学习的奠基之作 一代宗师Hinton教授 1989年，LeCun发展并完善了CNN(卷积神经网络） 1990年，Rumelhart等人提出了第一个RNN模型 1997年，Hochreiter和Schmidhuber提出了LSTM模型，解决了长序列数据训练过程中出现的梯度消失问题。 1998年，LeCun的LeNet-5,一个7层的神经网络，达到99.2%的手写数字识别率 2003年，Bengio等人提出了神经语言模型（Neural Language Model），是一种基于神经网络的语言模型。它利用神经网络对单词的向量表示进行建模，从而能够对下一个单词出现的概率进行预测。神经语言模型是自然语言处理中的重要技术之一。 后续事件，2019年3月， 深度学习三巨头Geoffrey Hinton、Yann LeCun、Yoshua Bengio 获得2018年度图灵奖。 深度学习三巨头与吴恩达 4.2012年-2016年，深度学习爆发期，重要事件如下： 2012，ImageNet大赛，Hinton、 Alex Krizhevsky、Ilya Sutskever 的AlexNet夺冠，深度学习开始爆发，成为机器学习的绝对主流 2014年，Sutskever等人提出了基于LSTM的Seq2Seq模型，成功地应用于机器翻译领域。 2014年， Ian Goodfellow 发明了生成对抗网络GAN（Generative Adversarial Network） 2015年10月， DeepMind AlphaGo 项目首次在围棋中击败人类冠军李世石；Demis Hassabis带领DeepMind,核心算法是深度强化学习算法Deep Q-Network (DQN)