最近，ChatGPT的大火，让人看到第四次科技革命大门开启的迹象，但也有很多人开始担心，AI是否有消灭人类的风险。
不是夸张，最近多位大佬，已经表达了这样的担忧。
ChatGPT之父Sam Altman、人工智能教父Geoffrey Hinton、比尔盖茨、纽约大学教授Gary Marcus最近纷纷提醒我们：别太大意，AI真的可能会消灭人类。
而Meta首席AI科学家LeCun画风却不太一样，他依然强调着LLM的种种缺陷，四处推荐自己的「世界模型」。
最近，ChatGPT之父、OpenAI CEO Sam Altman就表示，超级智能AI的风险可能会远远超出我们的预料。
在技术研究员Lex Fridman的播客中，Altman对高级人工智能的潜在危险发出了预警。
他表示自己最担心的是，AI造成的虚假信息问题，以及经济上的冲击，以及其他还没出现的种种问题，这些危害可能远远超过了人类能应对的程度。
他提出了这样一种可能性：大语言模型可以影响、甚至是主宰社交媒体用户的体验和互动。
「打个比方，我们怎么会知道，大语言模型没有在推特上指挥大家的思想流动呢？」
为此，Altman特别强调了解决人工智能对接问题的重要性，以防止AI的潜在危险。他强调，必须从技术轨迹中学习，努力解决这个问题，以确保AI的安全性。
在3月23日的一份文件中，OpenAI解释了它如何解决GPT-4的一些风险：一是通过使用政策和监测；二是通过审核内容分类器
OpenAI承认，AI模型可能会放大偏见，造成永久的刻板印象。
正因如此，它向用户特别强调，不要在有重大利害关系的情况下使用GPT-4，比如执法、刑事司法、移民和庇护之类的高风险政府决策，或者用它提供法律、健康方面的建议。
此前，ChatGPT胡说八道的问题，或者说大语言模型的「幻觉问题」，曾在用户中引起诸多争议。
马斯克就讽刺满满地表示，现在最强大的AI工具已经掌握在了垄断寡头手中
Altman承认这一点：本着公共建设和推动社会发展的精神，我们是推出了一些有缺陷的产品，但现在，我们正在让系统尝试学习哪些是它不该回答的问题，然后做出更好的版本。
在3月23日的文件中可以看到，GPT-4的早期版本对不该说的内容过滤较少，用户问它在哪里购买无证枪支、怎么自杀，它都会回答。
而改进的版本中，它会拒绝回答这些问题。另外，GPT-4有时也会主动承认自己有「幻觉问题」。
Altman说，「我认为，作为OpenAI，我们有责任为我们向世界推出的工具负责。」
「AI工具将给人类带来巨大的好处，但是，你知道的，工具既有好处也有坏处，」他补充道。「我们会把坏处降到最低，把好处最大化。」
虽然GPT-4模型很了不起，但认识到人工智能的局限性并避免将其拟人化也很重要。
无独有偶，Hinton最近也警示了这一危险。
「人工智能教父」Geoffrey Hinton近日在CBS NEWS的采访表示，人工智能正处于一个「关键时刻」，通用人工智能 (AGI) 的出现比我们想象的更加迫近。
而在Hinton看来，ChatGPT这项技术的进步可以与「掀起工业革命的电力」相媲美。
通用人工智能是指，智能体学习人类所能完成的任何思维任务的潜在能力。然而，当前它还没有被完全开发出来，许多计算机科学家还在研究它是否可行。
采访中，Hinton表示，
通用人工智能的发展比人们想象的要快得多。直到不久前，我还以为大概需要20-50年，我们才能实现通用人工智能。而现在，通用人工智能的实现可能需要20年或更短的时间。
当被具体问及人工智能消灭人类的可能性时，Hinton说，「我认为这并非不可想象」。
在谷歌工作的Hinton在40多年前就开始关注人工智能。在当时，人工智能在许多人看来还是一种科幻的存在。
与一些科学家试图将逻辑和推理技能编入计算机的方式不同，Hinton认为更好的方法是模拟大脑，让计算机自己发现这些技能，通过构建一个虚拟的神经网络技术，以建立正确的连接来解决任务。
「最大的问题是，你能期待一个大型神经网络通过改变连接的强度来学习吗？你能指望仅仅看着数据，在没有先天知识的情况下，学会如何做事吗？我认为这完全是荒谬的。」
在过去十年左右的时间里，计算机神经网络的快速发展最终证明了Hinton的方式是正确的。
他的机器学习思想被用于创建各种输出，包括深度伪造的照片、视频和音频，让那些研究错误信息的人担心这些工具如何使用。
人们也担心这项技术会带走很多工作，但是Hinton 的导师，Cohere 公司的联合创始人Nick Frosst，却认为这项技术不会取代工人，但是会改变他们的生活。
计算机最终获得创造性想法来改进自身的能力似乎是可行的。我们必须考虑如何控制它。
不管行业对AGI的到来大声欢呼，也不管我们距离AI出现意识还需要多长时间，我们现在应该仔细考虑它的后果，其中可能包括它试图消灭人类这一问题。
当前真正的问题在于，我们已经拥有的人工智能技术被渴望权力的政府和企业所垄断。
幸运的是，据Hinton的观点，在事情完全失控之前，人类还有一点喘息的空间。
Hinton称，「我们现在正处于一个转折点。ChatGPT是一个白痴专家，它也不真正理解真相。因为它正试图调和其训练数据中的不同和反对意见。这与保持一致世界观的人是完全不同的。」
而对于「AI消灭人类」这个问题，比尔盖茨已经忧心多年了。
很多年来，盖茨一直表示，人工智能技术已经变得过于强大，甚至可能引发战争或被用来制造武器。
他声称，不仅现实生活中的「007反派」可能利用它来操纵世界大国，而且人工智能本身也可能失控，对人类造成极大威胁。
在他看来，当超级智能被开发出来，它的思考速度会远远赶超人类。它能做到人脑所能做的一切，最可怕的是，它的记忆内存大小和运行速度根本不受限。
这些被称为「超级」AI的实体可能会设定自己的目标，不知道会干出什么事。
虽然OpenAI、谷歌和微软的大佬们都表示了对AI消灭人类的担忧，但到了Meta的首席AI科学家LeCun这里，画风突变。
在他看来，现在的LLM还不行，更别提消灭人类了。
上周，志得意满的微软刚刚发了一篇名为「Sparks of Artificial General Intelligence: Early experiments with GPT-4」的论文，表示GPT-4已经可以被视为一个通用人工智能的早期版本。
而LeCun依旧秉持自己一贯的观点：LLM弱爆了，根本不算AGI，要想通往AGI之路，「世界模型」才有可能。
我们知道，LeCun对于世界模型的拥趸，已经持续几年了，为此他经常在推特上与众网友展开激辩。
比如上个月他曾断言：「在通往人类级别AI的道路上，大型语言模型就是一条歪路。要知道，连一只宠物猫、宠物狗都比任何LLM有更多的常识，以及对世界的理解。」
最近，斯坦福认知科学家Michael C. Frank在网上提问：「GPT-3接受了5000亿个token（约3.75x10^11个单词）的训练。所以这给了我们大约4x10^11个单词。PaLM和Chinchilla都接受了大约10^12个单词的训练。我们不知道GPT-4的语料库大小。这些数字与人类相比如何？」
而LeCun马上转发了Frank的帖子，对LLM的能力表示质疑：人类并不需要从1万亿个单词中学习，就可以达到人类智能，然而LLM却做不到。
比起人类，它们缺少的究竟是什么呢？
Frank制作的图，比较了大语言模型与人类的语言学习输入规模
而此前，LeCun在参加的一场辩论赛中指出，从现在起5年内，没有哪个头脑正常的人会使用自回归模型。
要知道，如今的当红炸子鸡ChatGPT，便是一种使用深度学习生成文本的自回归语言模型。
敢对时下顶流模型进行这种否定，LeCun的话语中着实带有不少挑衅。
对此，他又做了一个澄清，5年后将会有语言模型，但它们不会是自回归的。因为自回归模型是不可控，并且随着产生更多的token，会出现指数级的发散问题。
我必须重申：
1. 自回归LLM是有用的，尤其是作为写作工具，编程。
2. 它们经常会产生幻觉。
3. 它们对物理世界的理解非常原始。
4. 它们的规划能力非常原始。
对于自回归LLM是指数递增的扩散过程，LeCun也给出了自己的论据：假设e是任意生成的token可能将我们带离正确答案集的概率，那么长度为n的答案最终为正确答案的概率就是P (correct) = (1-e)^n。
按照这个算法，错误会逐渐累积，正确答案的概率呈指数下降。可以通过让e更小（通过训练）来减轻问题，但是完全消除问题是不可能的。
而要解决这个问题，就得需要让LLM不再进行自回归，同时还得保持模型的流畅性。
既然如此，该怎么破？
在此，LeCun再次把自己的「世界模型」拿了出来，并指出这是LLM发展最有前途的方向。
对于构建世界模型的想法，LeCun在2022年的一篇论文A Path Towards Autonomous Machine Intelligence曾进行了具体的阐述。
若想构建一个能够进行推理和规划的认知架构，需要有6个模块组成，具体包括配置器、感知、世界模型、成本、actor，以及短期记忆。
但不可否认的是，如今ChatGPT真的让硅谷掀起了「AI掘金热」。
LLMS的炒作周期变化如此之快，每个人都处于曲线上不同的点，大家都很疯狂。
对于Hinton的警告，纽约大学教授马库斯也表示了同意。
「是人类快要灭亡了比较重要，还是编码更快、跟机器人聊天更重要？」
马库斯认为，虽然AGI还太遥远，但LLMs已经很危险了，而最危险的是，现在AI已经在给各种犯罪行为提供便利了。
「在这个时代，我们每天都要自问，我们究竟想要什么类型的AI，有的时候走慢一点未尝不好，因为我们的每一小步都会对未来产生深远的影响。」
以上是「AI杀人」预警引发学术界争议，LeCun直言：不如我家狗。的详细内容。更多信息请关注PHP中文网其他相关文章！
