李飞飞给AGI泼了一盆冷水

志东志编译 |陈俊达 编辑|潘肯智东西网11月17日报道 昨日，斯坦福大学教授、World Labs联合创始人兼首席执行官李飞飞在海外科技播客Lenny播客上分享了他对AI未来的真知灼见。他认为，人工智能的发展并不总是依赖于尺度法则，而是需要根本性的技术创新； “通用人工智能”（AGI）更像是一个营销术语，而不是一个严格的科学术语。李飞飞分析了自己20多年的科研和商业经验，记录了现代人工智能的黄金公式：神经网络、大数据和GPU的结合。直到今天，ChatGPT 仍然使用相同的成功公式。不过，他也警告称，单纯扩大数据规模和算力“堆叠”并不足以实现智能化的突破。当前的人工智能仍然难以完成许多对人类来说很容易的任务，例如准确地计算视频中的物体或像牛顿一样从观察数据中推导出物理定律。李飞飞认为，我们距离真正具备创造力、抽象能力和情商的人工智能系统还很遥远。 “今天人工智能仍然有很多事情无法做到。”对于业界热议的AGI概念，李飞飞持保留态度。他认为AGI的定义尚不清楚。作为一名科学家，他更关心如何解决人工智能面临的主要技术挑战，而不是陷入毫无意义的概念争论的深渊。李飞飞作为否定者接受采访（来源：Lenny's Podcast）顺便也承认，AI领域的竞争是前所未有的。以往“简单模型+海量数据”的成功经验，也被称为所谓的“惨痛教训”，并不完全适用于涉及机器人等物理世界的应用。自动驾驶发展尚未完全近二十年的成熟，就是一个典型的例子。然而，数据获取困难、硬件有限，使得在三维空间中控制物体的机器人技术面临比自动驾驶技术更大的挑战。虽然路漫漫其修远兮，但李飞飞始终坚信，人工智能的发展是几代人积累的结果，仅靠目前的“语言智能”是不够的。人类在几个关键方面依赖空间智能。空间智能的研究不仅在机器人和具身智能的发展中发挥着巨大作用，而且在具身层面上增强了人类，赋予我们在空间理解、物体操纵和现实世界任务方面的新能力。以下为李飞飞采访精华。完整内容请参考文末链接： 1、走出寒冬后，现代人工智能开启黄金公式。 D采访中，李飞飞回忆起自己刚进入人工智能领域时的经历。 2000年，李飞飞开始在加州理工学院攻读博士学位。作为第一代机器学习研究者，他的研究重点之一是神经网络。那时，人工智能已经是很少有人感兴趣的“寒冬”。公众对这个领域的关注度并不高，资金也并不多。李飞飞的学术兴趣一直集中在视觉智能方面。在他看来，如果人类智能完全依赖于视觉，那么机器智能也应该从“理解世界”开始。因此，在他的博士和早期教学生涯中，他选择了最基本、最难的方向——物体识别。当时，数据在AI中的重要价值还没有被广泛认识到。随着研究的不断深入，李飞飞和他的学生们逐渐认识到，大数据才是生存的主要要素。于是他做了收集有关互联网的所有图像数据的雄心勃勃的决定。就这样，2006年左右，ImeSenet项目诞生了。最终，该项目收集了 1500 万张图像、22000 个对象类别，并每年都会面临挑战。这个看似疯狂的项目成为了现代人工智能的点火器。 2012年，Hinton的团队使用Imagenet数据和两个普通游戏GPU训练了突破性的神经网络模型。大数据、神经网络和GPU的结合被李飞飞称为“现代人工智能的黄金配方”。快进十年，当ChatGPT诞生，世界第一次真正认识到AI的力量时，其背后的三个主要元素与以前相同：神经网络、大数据和GPU。李飞飞认为，两者的区别只是大小。尽管人们常称她为“人工智能教母”，但李飞飞更愿意强调，人工智能的发展不是iof人的奇迹，而是许多代人的集体积累的研究人员。 2.我不知道AI和AGI的区别。也许图灵不知道AGI还有多远？这个问题几乎成为所有人工智能学者、专家和企业高管接受采访时的必答题。在李飞飞看来，AGI这个概念很耐人寻味，很少有人能明确定义它。李飞飞明确表示：“我进入AI领域是因为一个问题的启发——机器是否可以像人类一样思考和行动。从这个角度来看，我不知道AI和AGI有什么区别。”他还认为，如果艾伦·图灵还活着，并在做出区分时询问人工智能和通用人工智能的区别，他可能会退缩并说：“我在 20 世纪 40 年代也问过同样的问题。” AI是引领李飞飞前进的“北极星”。他说他不想陷入定义人工智能和通用人工智能的兔子洞。 AGI 更像是一个营销术语，而不是一个科学术语。作为一名科学家和技术专家，他不在乎别人怎么称呼技术。李飞飞在演讲中强调，虽然更大的数据集、更多的GPU以及现有模型架构的扩展仍然可以带来性能提升，但人工智能的发展不能仅仅依赖于规模化法则。目前的人工智能仍然无法完成许多连孩子都能轻松完成的任务，比如准确计算视频中的座位；让我们从牛顿或爱因斯坦的观察中演绎出新的自然定律。即使人工智能获得了现代仪器收集的所有数据，它也无法确定 17 世纪的运动定律。这些例子表明，我们离真正具有创造性、抽象性和情商的人工智能还很远。未来需要根本性的技术创新，而不仅仅是堆叠计算能力。近日，李飞飞发表万字文章，详细解释了空间智能的概念，并提出人工智能的下一个前沿是空间智能。在昨天发布的采访中当天，他也表达了类似的感受。李飞飞认为，仅靠语言智能是不够的，因为人们在许多危急情况下都依赖于空间智能——例如火灾、交通事故或自然灾害现场的紧急决策。这些活动需要对物体、动作、空间关系和情境的立即理解，并且不能仅用语言来完成。在机器人研究过程中，他逐渐意识到嵌入式智能的关键在于理解三维世界。在此背景下，“世界模型”成为推进人工智能下一阶段发展的关键方向。与传统的语言模型不同，世界模型不仅可以基于文本或图像生成完整的虚拟世界，还可以允许智能体与其进行交互和推理。如果用于机器人，世界模型将成为规划路径、理解场景和执行操作的基础。李飞飞强调，世界最dels和空间智能不仅是机器人发展中主要缺失的环节，而且与人类本身也密切相关。我们是人类，我们体现了智能，人工智能增强了我们在语言层面的能力，比如写作或软件工程；未来，世界模型还可能在具体层面上增强人类的能力，赋予我们空间理解、物体操纵和现实世界任务方面的新能力。地球模型和空间智能也将深刻影响设计、工程和科学发现。例如，DNA双螺旋结构的发现依赖于人类根据平面2D X射线衍射图像进行3D空间推理。这种跨维度的空间抽象是目前的人工智能难以实现的。如果世界模型能够被打破，AI将拥有更深层次的空间推理能力。 3、Marble不是视频生成模型，AI创业竞争的激烈程度“李飞飞还谈到了World Labs最近发布的产品Marble。它是一款基于切割世界模型的应用程序，只需一句话或一张图像就可以生成可梳理的三维世界。用户可以在这些虚拟环境中自由行走、交互和导航，从而实现创意、设计、虚拟生产和机器人模拟等各种应用。他强调，Marble不仅仅是构建二维视频，而是赋予世界真实的空间结构，让创作者、游戏开发者、设计师和研究人员能够快速构建世界实际案例包括电影虚拟制作、心理实验、机器人训练合成等。Marble与视频生成模型有着本质的不同，Marble主要关注的是空间智能，它强调对三维、四维世界的理解、交互和推理。平台支持将场景导出为视频或网格数据以进行创建或模拟。李飞飞透露，World Labs成立18个月，目前团队约有30人，主要由研究员和工程师组成，也有设计师和产品人员。梅菲菲此前有过多次“创业”经历，从19岁开干货店，到在斯坦福大学以人为中心的人工智能研究所担任首席人工智能科学家，领导谷歌相关研究。他已经做好了迎接创业挑战的心理准备。然而，当他加入AI创业者时，他仍然对AI领域的激烈竞争感到“惊讶”。从模式、技术的争夺，到顶尖人才的争夺，他意识到自己必须时刻保持警惕。 4、建造机器人比建造自动驾驶汽车更困难，“惨痛教训”并不适用。在采访中，李飞飞还谈到了Richa提出的“惨痛教训”rd Sutton，强化学习的先驱：海量数据的简单模型往往比数据少的复杂模型更有效。对于他来说，这不是一个“苦涩”的教训，而是一个“甜蜜”的教训，而这也是Imagenet发展的核心信念。然而，他强调这一教训并不容易应用于机器人领域。第一个原因是机器人数据很难获取。与语言模型不同，语言训练数据是自然结构化的单词和标记，输入和输出形式高度一致。机器人真正需要的是三维世界中的动作数据。网络视频虽然丰富，但缺乏可直接用于训练动作技术的动作标注。因此，机器人训练必须依靠遥操作数据或合成数据来完成。换句话说，机器人数据并不像语言那样天然地“对齐”，这使得“大数据”的惨痛教训很难完全领会。sp。其次，机器人是物理系统，而不是纯软件模型。与语言模型或视觉模型不同，机器人就像自动驾驶汽车一样，它们必须在现实世界中工作，涉及硬件、供应链和应用场景等许多复杂因素。李飞飞回顾了自动驾驶的发展历程：距离2005年斯坦福赢得DARPA挑战赛已经快20年了。虽然深度学习加速了算法的发展，但自动驾驶仍然没有完全解决。自动驾驶是一种更简单的机器人，只需要在二维平面内避免碰撞。相比之下，机器人控制三维空间中的物体难度更大。尽管如此，他仍然相信大数据、世界模型和空间智能将是机器人突破的关键，但仍处于早期探索阶段。结论：人工智能时代，各有千秋。采访结束，李飞飞主动提出我们今天要谈谈世界各地对人工智能是否会取代人类的普遍焦虑。他认为任何技术的发展都不应该以牺牲人的尊严和能动性为代价。这应该是技术开发、部署和管理的基本原则。无论是年轻艺术家利用人工智能进行创作，还是即将退休的农民以公民的身份参与人工智能监管决策，或者护士在人工智能的帮助下从繁重的工作中解脱出来，人工智能的真正价值在于成为增强人类能力、服务人类需求的赋能者。对于AI取代人的最终提议，李飞飞给出了明确而有力的回答：AI时代，每个人都有自己的位置。或来源：https://www.youtube.com/watch?v=CTJiatnd6xk 返回搜狐查看更多