人工智能

下一代人工智能：OpenAI 和 Meta 向推理机的飞跃

更新 on 2024 年 4 月 19 日

OpenAI 和 Meta 是生成式 AI 领域的先驱临近发射他们的下一代人工智能（AI）。新一波人工智能浪潮将增强推理和规划能力，标志着人工智能发展的重大进步人工智能。本文探讨了这些即将到来的创新以及它们预示的潜在未来。

为通用人工智能铺平道路

在过去的几年中， OpenAI 和 Meta 在推进方面取得了重大进展基础人工智能模型，人工智能应用程序的基本构建模块。这一进展源于生成式人工智能训练策略，其中模型学习预测丢失的单词和像素。虽然这种方法使生成式人工智能能够提供令人印象深刻的流畅输出，但它无法提供需要常识和战略规划的深入的情境理解或强大的解决问题的技能。因此，当处理复杂的任务或需要细致入微的理解时，这些基础人工智能模型通常无法产生准确的响应。这一限制凸显了进一步发展通用人工智能（AGI）的必要性。

此外，对 AGI 的追求旨在开发与人类和动物身上观察到的学习效率、适应性和应用能力相匹配的人工智能系统。真正的通用人工智能涉及的系统能够直观地处理最少的数据，快速适应新的场景，并在不同的情况下传递知识——这些技能源于对世界复杂性的天生理解。为了使 AGI 发挥作用，先进的推理和规划能力至关重要，使其能够执行相互关联的任务并预见其行动的结果。人工智能的这一进步旨在通过培养一种更深入、更具情境性的智能形式来解决当前的缺陷，这种智能形式能够应对现实世界挑战的复杂性。

走向 AGI 的稳健推理和规划模型

在人工智能中灌输推理和规划能力的传统方法，例如符号方法和强化学习，遇到重大困难。符号方法需要将自然表达的问题转换为结构化的符号表示，这个过程需要大量的人类专业知识，并且对错误高度敏感，即使是轻微的不准确也可能导致重大故障。与此同时，强化学习 (RL) 通常需要与环境进行广泛的交互才能制定有效的策略，当数据获取缓慢或昂贵时，这种方法可能不切实际或成本高昂。

为了克服这些障碍，最近的进展集中在增强具有先进推理和规划能力的基础人工智能模型。这通常是通过在推理过程中将推理和规划任务的示例直接合并到模型的输入上下文中来实现的，使用一种称为情境学习。尽管这种方法已显示出潜力，但它通常仅在简单、直接的场景中表现良好，并且在跨不同领域转移这些功能时面临困难——这是实现通用人工智能 (AGI) 的基本要求。这些限制凸显了开发基础人工智能模型的必要性，这些模型可以解决更广泛的复杂多样的现实世界挑战，从而推进对通用人工智能的追求。

Meta 和 OpenAI 推理和规划的新领域

Yann LeCun，Meta 首席人工智能科学家，始终如一强调生成式人工智能推理和规划能力的局限性很大程度上是由于当前训练方法的简单化造成的。他认为这些传统方法主要集中于预测下一个单词或像素，而不是培养战略思维和规划技能。 LeCun 强调需要更先进的培训技术，鼓励人工智能评估可能的解决方案、制定行动计划并理解其选择的影响。他透露，Meta 正在积极研究这些复杂的策略，以使人工智能系统能够独立管理复杂的任务，例如协调从巴黎的一个办公室到纽约的另一个办公室的旅程的每个要素，包括到机场的通勤。

与此同时，以 GPT 系列和 ChatGPT 闻名的 OpenAI 因其名为“ChatGPT”的秘密项目而成为人们关注的焦点。 Q星。虽然具体细节很少，但该项目的名称暗示了 Q-learning 和 A-star 算法的可能组合，这是强化学习和规划的重要工具。这一举措与 OpenAI 持续努力增强其 GPT 模型的推理和规划能力相一致。最近的报告来自 “金融时报”基于与 Meta 和 OpenAI 高管的讨论，强调了这些组织对进一步开发在这些关键认知领域表现良好的 AI 模型的共同承诺。

人工智能系统中增强推理的变革性影响

随着 OpenAI 和 Meta 不断增强其基础人工智能模型的推理和规划能力，这些发展将极大扩展人工智能系统的潜力。这些进步可能会带来人工智能的重大突破，并具有以下潜在的改进：

改进问题解决和决策： 具有推理和规划能力的人工智能系统能够更好地处理复杂的任务，这些任务需要随着时间的推移了解行动及其后果。这可能会导致战略游戏、后勤规划和自主决策系统方面的进步，这些都需要对因果关系有细致入微的把握。
增强跨领域的适用性： 通过克服特定领域学习的限制，这些人工智能模型可以将其推理和规划技能应用于医疗保健、金融和城市规划等各个领域。这种多功能性将使人工智能能够有效地应对与最初训练的环境明显不同的环境中的挑战。
减少对大数据集的依赖： 转向可以用最少的数据进行推理和规划的模型反映了人类从少数示例中快速学习的能力。数据需求的减少降低了训练人工智能系统的计算负担和资源需求，同时也提高了它们适应新任务的速度。
迈向通用人工智能 (AGI) 的步骤： 这些推理和规划的基础模型使我们更接近实现通用人工智能，有一天机器可能会执行人类可以执行的任何智力任务。人工智能能力的这种演变可能会产生重大的社会影响，引发关于我们生活中智能机器的道德和实际考虑的新讨论。