本杰明·戈尔茨尔是一位人工智能研究员和企业家，专门从事通用人工智能（AGI）、机器学习和去中心化人工智能系统。他拥有三十多年的经验，曾领导开发高级人工智能框架，包括OpenCog项目和SingularityNET，一个去中心化的人工智能平台。他撰写了许多关于人工智能、认知科学和复杂系统的书籍和研究论文，经常就AGI的变革潜力发表演讲。
随着人工一般智能（AGI）的前景日益吸引全球的想象力，我们必须确保发展中的AI能够惠及所有人，而不仅仅是那些已经拥有丰富资源的特权社区，特别是那些面临持续的教育和经济差距的弱势群体。基于我们在埃塞俄比亚的iCog Labs公司的合作经验，这是一家由Ben Goertzel和Getnet Aseffa于2013年共同创立的公司，也是埃塞俄比亚第一家也是迄今为止最大的AI公司，我们亲眼见证了在发展中国家应用AI技术的转型潜力和复杂挑战。AI作为教育平等化的潜力是深远的。然而，对于许多社区，特别是那些不在主要城市中心或面临巨大社会经济障碍的社区，获得基本质量教育的机会仍然难以实现。在发展中国家面临的众多其他挑战之上，这些弱势群体经常面临两个核心挑战，具体到教育领域：语言障碍和文化不相关的教育内容。这些可以被克服，但我们发现，做到这一点可能需要大量的创造力和足够的资源，特别需要了解技术本身和发展中国家面临的具体本地困难。克服语言障碍联合国教科文组织估计，全球40%的学生缺乏以他们完全理解的语言进行教育的机会。不需要太多想象力就可以看到这种基本的脱节如何严重阻碍学习。然而，AI驱动的翻译和语言工具提供了强大的解决方案。这是先进技术可以以相对低廉的成本为弱势群体带来巨大益处的最明显方式之一。然而，推动现代AI发展的大部分发达国家科技公司，对于主要由购买力有限、没有信用卡、几乎没有机会点击广告的个人使用的语言，缺乏完善语言技术的动力。我们与Curious Learning之间的合作是这一潜力的体现。利用生成式AI，我们开发了当地语言阅读应用，目前服务于超过85,000名活跃用户。这些举措展示了AI如何帮助克服语言障碍，甚至在通常由标准大语言模型欠缺服务的低资源语言中也是如此。认识到数据稀缺是一个瓶颈，我们还推出了Leyu，一款去中心化数据众包平台，专门从断开连接的社区收集语言资源。收集的数据，例如在欠缺资源语言和更丰富资源语言中语义平行的口语句子对，可以被当地AI开发人员用来训练将当地语言翻译成构成互联网大部分的世界语言的AI模型。通过主动解决这一语言差距，我们确保社区在连接时能够立即受益，而不是进一步落后。通过语境学习确保相关性超越语言，有效的教育需要相关性。进口的教育内容经常无法与那些日常经历与标准课程中描述的情景大相径庭的学习者产生共鸣。AI使得能够根据当地现实定制教育材料成为可能。想象一下，科学教育利用当地的农业实践，或者从社区市场交易中派生的数学问题。这种文化对齐的内容不仅仅是教育——它激发了实际应用，培养了参与度和自立能力。我们的DigiTruck项目，是iCog Labs部署并由我们的全球去中心化AI项目SingularityNET部分赞助的离网移动教育中心，生动地展示了这一点。我们将一辆半挂车改造成了一个便携式教室，配备了计算机和电子设备，并将其带到一个又一个当地社区，由当地专家教师担任。埃塞俄比亚农村地区的年轻学习者通过使用平板电脑和创客套件，并通过在相关情境中应用（例如改善农业实践）来体验编码和AI概念，展示了AI赋予其他技术实用力量的能力。AI作为值得信赖的盟友，而不是威胁与富裕、数字饱和的社会中普遍存在的恐惧（例如终结者式的生存风险或AI引起的工作岗位流失）相反，互联网接入有限的社区往往将AI视为值得信赖的信息盟友。例如，尼日利亚农民积极参与AI支持的呼叫中心，获取实际的农业建议和市场洞察。在这里，AI技术补充和增强了生计，而不是威胁它，通过切实的益处增强了信任。支持集体学习和社会结构AI在教育中的整合必须尊重现有的社会结构。许多弱势社区优先考虑集体而不是个人主义的方法，使得集体学习至关重要。有益的AI应该促进合作，增强社区指导，并与现有的集体决策过程无缝集成。从去中心化和参与式的角度设计的AI工具自然与社区驱动的教育模式保持一致，强化而不是破坏社会凝聚力。作为一个具体的例子，可以设想DigiTruck计划扩展为一个更持久的计划，其中DigiTruck的校友被指导以领导AI在埃塞俄比亚村庄生活的各个方面的整合。我们希望AI支持的教育平台能够与社区领导的工作坊紧密集成。想象一下社区长者和教师共同使用AI生成的学习材料，在小组会议期间讨论实际话题，如可持续农业技术、当地卫生习惯和财务知识。这些AI工具不仅提供内容；它们还将积极鼓励小组讨论和集体解决问题，巩固社区纽带，确保教育深深植根于当地传统和集体决策框架中。这样的计划可以很容易地部署；缺乏的只是这样的计划的资金。应对风险和伦理实施AI在加速发展中国家积极转型方面的前景是明确和令人兴奋的，但我们必须解决风险。AI的便捷和即时风险可能会降低学生的基础技能或动力。AI的负责任引入需要加强，而不是取代，人类教育者和传统学习基础。AI必须被定位为支持基础设施——促进个性化学习和激发智力好奇心，而不是一个答案生成器，破坏批判性思维和动力。当我们在这些方向上取得进展时，人机对齐的仔细关注是至关重要的，出于非常实际的原因：如果没有与当地人口的需求和价值观的对齐，AI将无法为最需要它的人提供所需的服务。然而，我们坚信，应该通过丰富而有意义的合作而不是僵化和粗糙的防护栏来实现对齐。与其在特定文化或精英控制的边界内对AI进行严格的约束，我们更应该让AI与人类学习者深入联系，通过这种方式塑造人工智能系统和人类的积极成长。去中心化和民主化的AI用于全球教育我们已经暗示了当前全球AI技术场景被少数大型企业从两个主要国家主导的现状。这是AI语言技术目前忽视大多数非洲语言的主要原因，也是AI更适合解决发达世界富裕专业人士的问题，而不是非洲、中央亚或其他地区农村贫困人口的问题的原因。虽然我们尊重这些大型科技公司所做的令人惊叹的工作，但我们坚信，去中心化、民主引导的AI开发对全球教育公平具有关键优势。这就是为什么我们投入了大量精力开发像SingularityNET这样的平台，使得去中心化的AI架构和广泛的参与以及民主治理成为可能。这样的框架使得AI开发更有可能反映多样化的全球需求，而不是狭隘的企业或政府利益。我们已经了解，通往公平的AI增强教育的道路并不简单——它需要有意图、文化敏感性、伦理预见和参与式治理。但是，潜在的回报——消除教育障碍、增强文化相关性和赋予全球社区权力——使得这段旅程不仅值得，而且至关重要。通过仔细的管理，我们可以利用不断进步的AI来实现教育公平，提升人类的普遍发展。这些听起来像抽象的、浮夸的词语，但当你看到一个孩子在DigiTruck访问他们的村庄时写下他们的第一行AI代码时，它们的具体意义就变得非常明显。
最近围绕DeepSeek的兴奋是可以理解的，考虑到它在大语言模型（LLM）领域带来的显著效率提升。然而，一些对其发布的反应似乎误解了其影响的程度。DeepSeek代表着LLM开发预期轨迹上的一个飞跃，但它并不标志着向人工通用智能（AGI）的革命性转变，也不是AI创新中心的突然转变。相反，DeepSeek的成就是沿着一条既定的道路上的自然进步——AI技术的指数增长。它不是一个颠覆性的范式转变，而是一个强有力的提醒，技术变革的步伐正在加快。DeepSeek的效率提升：沿着预期轨迹的飞跃围绕DeepSeek的兴奋核心在于其令人印象深刻的效率改进。其创新主要是关于使LLM更快、更便宜，这对AI模型的经济学和可及性有着重大影响。然而，尽管有这样的热潮，这些进步并不是根本新颖的，而是现有方法的改进。在20世纪90年代，高端计算机图形渲染需要超级计算机。今天，智能手机就能完成同样的任务。同样，面部识别——曾经是一种小众、高成本的技术——现在已经成为智能手机中的一种普遍、开箱即用的功能。DeepSeek符合这种技术模式：对现有能力的优化，带来效率提升，但不是一个全新的、开创性的方法。对于熟悉技术增长原理的人来说，这种快速进步并不是意外。技术奇点理论预测，随着我们接近奇点，关键领域如AI的进步将会加速。DeepSeek只是这一正在进行的趋势中的一个时刻，其作用是使现有的AI技术更加可及和高效，而不是代表着向新能力的突然飞跃。DeepSeek的创新：架构调整，而非飞跃到AGIDeepSeek的主要贡献在于优化大语言模型的效率，特别是通过其Mixture of Experts（MoE）架构。MoE是一种成熟的集成学习技术，多年来一直被用于AI研究。DeepSeek所做的特别之处是完善了这种技术，结合其他效率措施以最小化计算成本，使LLM更加经济实惠。 参数效率：DeepSeek的MoE设计仅在任何时候激活其671亿参数中的37亿，减少了传统LLM的计算需求，仅为1/18。 强化学习用于推理：DeepSeek的R1模型使用强化学习来增强链式思维推理，这是语言模型的一个重要方面。 多令牌训练：DeepSeek-V3能够同时预测多个文本片段，提高了训练的效率。 这些改进使DeepSeek模型在训练和运行成本方面比OpenAI或Anthropic等竞争对手明显降低。虽然这是LLM可及性的一个重大步骤，但它仍然是工程上的改进，而不是向AGI的概念突破。开源AI的影响DeepSeek的一个最值得注意的决定是使其模型开源，这明显不同于OpenAI、Anthropic和Google等公司的专有、封闭式方法。这种开源方法，由AI研究人员如Meta的Yann LeCun倡导，促进了一个更加去中心化的AI生态系统，在那里，创新可以通过集体开发而蓬勃发展。DeepSeek开源决定背后的经济理由也很明确。开源AI不仅是一种哲学立场，也是一种商业策略。通过使其技术对广泛的研究人员和开发人员开放，DeepSeek将从服务、企业集成和可扩展托管中受益，而不是仅仅依赖于专有模型的销售。这种方法使全球AI社区能够获取竞争性工具，并减少了西方科技巨头对该领域的控制。中国在AI竞赛中的日益增长的作用对于很多人来说，DeepSeek的突破来自中国可能会令人惊讶。然而，这一发展不应被视为令人震惊或作为地缘政治竞争的一部分。多年来观察中国的AI格局，很明显该国已经在AI研究上进行了大量投资，形成了一个日益增长的人才和专家库。而不是将这一发展视为对西方主导地位的挑战，它应该被视为AI研究日益全球化的标志。开放合作，而不是国家间的竞争，是实现AGI负责任和道德发展的最有前途的途径。一个去中心化的、全球分布的努力更有可能产生一个惠及所有人类的AGI，而不是服务于一个国家或公司的利益。DeepSeek的更广泛影响：超越LLM虽然围绕DeepSeek的兴奋主要集中在其在LLM领域的效率上，但退一步考虑这一发展的更广泛影响是至关重要的。尽管其能力令人印象深刻，但基于变压器的模型，如LLM，仍然远远没有达到AGI。它们缺乏基本的品质，如基于基础的组合抽象和自我导向的推理，这些对于一般智能是必要的。虽然LLM可以自动化广泛的经济任务并集成到各个行业，但它们并不能代表AGI发展的核心。如果AGI在接下来的十年内出现，很可能不会纯粹基于变压器架构。其他模型，如OpenCog Hyperon或神经形态计算，可能在实现真正的通用智能方面更为基础。LLM的商品化将转移AI投资DeepSeek的效率提升加速了LLM的商品化趋势。随着这些模型的成本继续下降，投资者可能开始寻找超越传统LLM架构的下一个重大AI突破。我们可能会看到资金转向AGI架构，超越变压器，以及投资于替代AI硬件，如神经形态芯片或关联处理单元。去中心化将塑造AI的未来随着DeepSeek的效率改进使得部署AI模型变得更容易，它们也为更广泛的去中心化AI架构趋势做出了贡献。通过关注隐私、互操作性和用户控制，去中心化AI将减少我们对大型集中式科技公司的依赖。这一趋势对于确保AI服务于全球人口的需求，而不是被少数强大的玩家控制，是至关重要的。DeepSeek在AI寒武纪爆发中的位置总之，虽然DeepSeek是LLM效率的一个重大里程碑，但它并不是AI格局中的革命性转变。相反，它加速了沿着既定轨迹的进步。DeepSeek的更广泛影响体现在几个领域： 对现有玩家的压力：DeepSeek挑战像OpenAI和Anthropic这样的公司重新思考他们的商业模式，找到新的竞争方式。 AI的可及性：通过使高质量模型更加经济实惠，DeepSeek使尖端技术民主化。 全球竞争：中国在AI开发中的日益增长的作用标志着创新日益全球化，而不是仅限于西方。 指数进步：DeepSeek是AI进步加速的明显例子。 最重要的是，DeepSeek提醒我们，虽然AI正在迅速进步，但真正的AGI可能会通过新的、基础的方法出现，而不是优化今天的模型。随着我们朝着奇点前进，确保AI开发保持去中心化、开放和协作至关重要。DeepSeek不是AGI，但它代表着通往变革性AI的旅程中的一步重要进展。通过新、基础的方法，而不是优化今天的模型，我们朝着奇点前进时，确保AI开发保持去中心化、开放和协作至关重要。DeepSeek不是AGI，但它代表着向变革性AI迈出的一步重要进展。
