“人工智能教母”竟也不懂通用人工智能！

您是不是對通用人工智能，也就是 AGI 感到困惑？這正是 OpenAI 一心想要創造的東西，並且是以“造福全人類”的那種方式。您可能得把他們當回事，因爲他們剛剛籌集了 66 億美元以更接近這一目標。

但要是您還在琢磨 AGI 到底是啥玩意兒，您可不是一個人。

在週四舉行的 Credo AI 負責任人工智能領導力峰會上的一場廣泛討論中，經常被稱作“人工智能教母”的世界知名研究員李飛飛說道，她也不知道 AGI 是什麼。在其他時候，李飛飛談到了她在現代人工智能誕生中的角色，社會應該怎樣保護自身免受先進的人工智能模型帶來的影響，以及爲什麼她認爲她新的獨角獸初創公司 World Labs將改變一切。

但當她被問到對“人工智能奇點”的看法時，李飛飛和我們其他人一樣迷茫。

“我來自學術人工智能這個領域，接受的是更嚴格以及基於證據的方法的教育，所以我真的不曉得這些詞都意味着啥，”李飛飛在舊金山一個擠滿人的房間裡說，旁邊有一扇大窗戶，俯瞰着金門大橋。“坦白說，我甚至不知道 AGI 是什麼意思。就像人們說的，見到了你就知道了，我想我還沒見到。事實是，我沒有花太多時間思考這些詞，因爲我認爲有很多更重要的事情要做……”

要是說有誰知道通用人工智能（AGI）是什麼，那很可能就是李飛飛。2006 年，她創建了 ImageNet，這是世界上第一個大型人工智能訓練和基準數據集，對催化我們當前的人工智能熱潮至關重要。2017 年至 2018 年期間，她在谷歌雲擔任人工智能/機器學習首席科學家一職。如今，李領導着斯坦福以人爲中心的人工智能研究所（HAI），她的初創公司 World Labs 正在構建“大型世界模型”。（如果你問我，這個術語幾乎和 AGI 一樣令人困惑。）

OpenAI 首席執行官山姆·奧特曼（Sam Altman）去年在接受《紐約客》的一篇人物報道時嘗試定義了 AGI。奧特曼將 AGI 描述爲“相當於你可以僱傭爲同事的中等水平的人類”。

顯然，對於一家市值 1570 億美元的公司而言，這個定義還遠遠不夠好，不足以讓其朝着這個方向努力。因此，OpenAI 創建了五個級別，用於內部衡量其向 AGI 邁進的進展。第一個級別是聊天機器人（比如 ChatGPT），接着是推理者（顯然，OpenAI o1 處於這個級別），然後是代理（據說接下來就是這個），再是創新者（能夠助力發明創造的人工智能），最後一個級別是組織型（能夠承擔整個組織工作的人工智能）。

還是感到困惑？我也是，李也是。而且，這一切聽起來都比一箇中等水平的人類同事能做的要多得多。

在演講的早些時候，李說她從小就對智能的概念着迷。這促使她早在研究人工智能能帶來收益之前就開始了相關研究。

“2012 年，我的 ImageNet 與 AlexNet 和 GPU 相結合——許多人稱這是現代人工智能的誕生。它由三個關鍵因素驅動：大數據、神經網絡和現代 GPU 計算。一旦那一刻到來，我認爲對於整個人工智能領域以及我們的世界來說，生活都不再相同。”

當被問及加利福尼亞州那份有爭議的人工智能法案 SB 1047 時，李謹慎發言，以防重提紐森州長上週否決該法案纔剛剛平息的這場爭議。（我們最近與 SB 1047 的作者交談過，他更熱衷於與李重新展開爭論。）

“你們當中的一些人或許知道，我一直都直言不諱地表達了自己對這項[SB 1047]法案的擔憂，該法案已經被否決，但當下我正在深入思考，並且懷着極大的興奮期待着，”李說。“紐森州長邀請我參與 SB 1047 之後的下一步工作，我感到非常榮幸。”

加利福尼亞州的州長最近招攬李以及其他人工智能專家，組成一個特別工作組，以幫助該州給人工智能的部署制定保障措施。李表示，她在這個角色裡運用基於證據的辦法，並會盡全力倡導學術研究和爭取資金投入。然而，她也希望確保加利福尼亞州不會懲罰技術專家。

“我們得真正留意對人類和咱們社區的潛在影響，而不是把擔子壓在技術本身……要是一輛汽車有意無意地被濫用還傷了人，我們懲罰汽車工程師，比如說福特或者通用汽車的工程師，這沒意義。光懲罰汽車工程師可沒法讓汽車更安全。我們需要做的是繼續創新以採取更安全的措施，同時也要把監管框架完善好，不管是安全帶還是限速方面，對人工智能也是這樣。”

這是我聽到的反對 SB 1047 裡比較好的一個論點，這個法案原本是要懲罰那些擁有危險人工智能模型的科技公司。

儘管李正在給加利福尼亞州的人工智能監管出主意，但她也在舊金山打理着她的初創公司 World Labs。這是李頭一回創辦初創公司，她是少數領導前沿人工智能實驗室的女性之一。

“我們離一個高度多樣化的人工智能生態系統還很遙遠，”李說道。

在接下來的幾年中，她滿懷期待地要讓“空間智能”更貼近現實。李表示，當今大型語言模型所基於的語言或許歷經了一百萬年才得以發展，而視覺和感知可能花了 5.4 億年。這意味着創建大型世界模型是一項複雜得多的任務。

“這不僅是讓計算機能看見，而且真正讓計算機理解整個 3D 世界，我將其稱爲空間智能，”李說道。“我們不只是看到東西就給其命名……我們實際上是看到就付諸行動，去在世界中導航，去彼此互動，而縮小看到與做到之間的差距需要空間知識。作爲一名技術專家，我對此非常興奮。”