大模型时代的来临：AI如何改变人类生活和经济？

大模型时代的来临：AI如何改变人类生活和经济？

第三次AI浪潮之下，人类面临着前所未有的机遇和挑战。随着人工智能的快速发展，我们开始高度重视其可能带来的负面影响。

最近，AI领域再次引起了全球范围内的关注，各路行业领军人物联合发布了一封公开信。这封信的核心观点只有一句话：“降低人工智能导致物种灭绝的风险，应该与其他社会规模风险如大流行疾病和核战争一样，成为全球优先考虑的事项。”这表明人们对于AI的潜在风险非常重视，并呼吁立即采取行动。

这一动态推动相关法规的迅速制定，而这样的行动需要更广泛的合作推动。与此同时，这也显示出AI产业发展进入了一个非常快速的转折点。

最近举行的2023小蛮腰科技大会暨AIGC人工智能峰会上，香港中文大学系统工程与工程管理学系教授及系主任蒙美玲表示，在明晰生成式AI将对数字经济发挥巨大推动作用的同时，也必须考虑其中潜在的风险。在AI伦理方面，包括假消息、侵权行为等问题，我们需要从法律法规层面明确如何保障个人权益，并且个人在使用AI大模型的过程中也要保持警惕。

回顾历史，经济学家、横琴粤澳深度合作区数链数字金融研究院学术技术委员会主席朱嘉明表示，AI产业已经发展了70多年，可以分为三个阶段：第一阶段是从图灵于1950年发表的《机器与智能》开始；第二阶段是从1956

年的一次人工智能会议开始，一直延续了50多年，直到2012年深度学习进入全新阶段；第三阶段是从2022年开始的大模型时代的全面到来。

朱嘉明指出，大模型时代的基本特点是将人工智能与人类的生活、经济、学习和教育模式更紧密地结合在一起。这种对人类生活的强制性改变是前所未有的，因此人们对此感到担忧是正常的。他强调：“如今更重要的是要增加对人工智能的了解，让大众不要恐惧、不要拒绝，首先要学会理解和使用。”

AI的发展浪潮持续推进。朱嘉明在演讲中指出：“在这个大模型时代，有几个基本特征：首先，大模型以人工神经网络为基础；其次，所有模型会以不同的方式组合形成大模型集群；此外，预训练促进了参数规模化，大模型引起数据存储规模向EP、ZP甚至YP阶段的转变；最重要的是，它具备理解自然语言的能力和模式，已经形成了思维链，进而走向思维树（ToT）；它需要大量的语料库支持，并且融入了控制论的人工反馈和强化学习机制；还为混合量子-经典计算提供了极大的平台。”

AI的核心价值也变得更加多元化。首先，它加速了人工智能和互联网的融合，推动了智能互联网的发展；其次，它引发了知识、学习和教育的革命，因为它改变了知识图谱；第三，它改变了科学研究的范式，使人类进入了依赖人工智能的基础科学研究阶段；第四，它加速了混合智能的形成，人类不再是智慧的唯一组成部分，进入了人类和人工智能、机器智能混合的思维主体时代；第五，它引发了经济结构和经济制度的深刻变革；最后，它重构了人类社会、物理空间和信息空间的模式。

朱嘉明认为：“我个人认为，大模型时代正在推动人工智能向通用人工智能（AGI）的发展，这个步伐正在加速。”他预测，在未来3年，人工智能将迎来第四次浪潮的发展，主要体现在人工智能与产业应用的结合上，尤其是对每个人的生活模式都将产生变化，并迅速渗透到从学前教育到高中阶段的各个教育领域。

他对媒体表示，在过去，人们对数字化的理解相对肤浅。然而现在，数字化的基础已经成为人工智能，因此政策层面需要发挥重要作用，赋予现有技术新的内涵，推动充分进入智能时代。

随着AIGC的不断发展，每个人将拥有自己的数字分身，人工智能互联网也将变得更加普及。朱嘉明表示：“这相当于人类思维模式和行为方式的一次大规模迁移，需要我们跳跃进入智能时代。这将影响全球80亿人口，但这是一个漫长的过程。”

具体而言，他说：“将来，数字人的智能体将构建一个类似于超越现有人与人之间微信群的互联网。但更重要的是，它将带来对人们学习方式的巨大改变。”他继续表示，因此教师将面临最大的挑战，因为学生的学习速度和效果可能远远超过教师的教授速度。

在具体的实施层面上，AI大模型将如何逐层渗透到垂直行业甚至个人的职业角色中？峰瑞资本投资合伙人陈石分享了他的观点。他认为，从生成式AI进入垂直行业的角度来看，需要展望未来十年的发展。

陈石表示：“我认为，十年后将是神经智能模型的建立时代。顶层是全栈大型语言模型，类似于GPT4，这种模型汇集了人类的所有知识，具备甚至超过人类智能，并可以赋能各行各业。但这样的机会将会非常有限。”他补充道，对于下一层级的行业来说，可能需要建立行业垂直模型，通过现有的知识、规律和非结构化文本作为训练数据，注入到语言模型中，从而生成智能模型。这就类似于一个大型工具库，可以赋能行业流程再造，并赋能每一个环节。

在更低一层次，企业需要拥有自己的模型，而且必须具备纵深。陈石指出，纵深意味着上一级通用模型是否具有不可替代的独特性，否则就会被上一级模型轻易替代。对于员工个人模型，将分为两部分，一部分是根据职位模型所需的能力素质，使用思维数据和认知构建；另一部分是可以工具化的模型，例如副驾驶和智能助手等。

陈石预测：“我认为，十年后将是广泛建设模型的时代，软件层将变得非常薄，大部分将是模型。”他继续表示，在进入垂直行业之前，还有一些基础工作需要完成，包括数据化和在线化。

数据化解决了数据来源的问题，没有由知识、规律等构成的数据，就无法建立模型并进行训练；而在线化则使场景真正融入智能能力。他总结道：“未来行业或企业的竞争壁垒可能体现在这些数据积累所产生的模型上。”

在备受关注的教育领域，AIGC已经能够帮助教师快速解决部分教学工作，例如在出题时给出初步建议，然后教师根据建议进行针对性调整。这一过程将显著提高教学的整体效率。同时，在修改学生文章时，AI也可以提供一些建议，进一步帮助教师节省时间，让他们将精力更多地集中在激发学生的思维方面。

蒙美玲教授认为：“我认为不仅是我们这些从事科学技术研究的人需要了解AIGC，普通人也需要深入了解这项技术。”她还强调，人类应积极应用大模型工具，不断提升自身的生产力和效率。

虽然GPT4等大模型已经非常强大，但它们仍然存在不足之处。这意味着当前的大模型与人类智慧之间仍存在很大差距。然而，大模型背后拥有庞大的知识库和强大的计算能力，相比之下，人类的记忆能力有限。至于通用人工智能距离我们还有多远，目前很难预测，但蒙美玲认为，未来人类与人工智能的融合性将更强，因为人工智能的弱点正是人类的优势所在。