電子發(fā)燒友網報道（文/黃山明）在生成式AI的高速發(fā)展下，不少人正在焦慮AI是否會取代他們的工作。就在近期，OpenAI首席執(zhí)行官SamAltman在瑞士達沃斯經濟論壇上分享了對未來AI的見解，透露擁有人類智慧水平的AI即將出現(xiàn)，但不必恐懼，Altman認為這種AI對世界的影響遠沒有人們想象得那么嚴重。

人類水平AI即將到來

從過去的許多影視作品中其實不難發(fā)現(xiàn)，人們對于AI的心態(tài)是矛盾的。一方面認識到AI超強的實力，能夠讓我們的生活過的更加美好；另一方面，也正是因為AI的超強實力，人們擔心AI會不受控制，進而反噬人類。

AI的發(fā)展最早可以追溯至1956年，這一年也被稱為人工智能元年。在美國漢諾斯小鎮(zhèn)寧靜的達特茅斯學院中，一群人舉辦了一個研討用機器來模仿人類學習以及其他方面智能的會議。在這個會議上正式提出了“人工智能”這個概念，并標志著人工智能研究的正式啟動。

盡管早在此前就有一些零星的相關研究，但1956年這次會議無疑具有里程碑式的意義，它明確了人工智能的目標和研究方向，為AI的發(fā)展奠定了基礎。

隨后的數(shù)十年，人工智能技術快速發(fā)展，到了1997年，當時的人工智能程序“深藍”打敗了國際象棋大師卡斯帕羅夫，證明了AI在某一領域的可怕潛力。后來AlphaGo在圍棋領域擊敗人類世界冠軍，更是意味著AI已經在專業(yè)領域，比如棋類比賽中超越了人類，并且越走越遠，人類根本追不上。

而在2015年，微軟亞洲研究院視覺計算組在ImageNet計算機識別挑戰(zhàn)賽中憑借深層神經網絡技術的最新突破，以絕對優(yōu)勢獲得圖像分類、圖像定位以及圖像檢測全部三個主要項目的冠軍。

更重要的是，該團隊的AI系統(tǒng)，在圖片識別上，系統(tǒng)的錯誤率已降低至4.94%。此前同樣的實驗中，人眼辨識的錯誤率大概為5.1%，這被認為是一個里程碑式的突破。

而在近幾年，生成式AI的到來更是讓許多人感受到人工智能的強大，甚至為此感到擔憂，AI或許將會取代自己。而通用式人工智能或許就能做到這一點，并且這一天也不會太遙遠。

英偉達CEO黃仁勛在此前的一次采訪中表示，如果將AI定義為能夠與人類智能“相當競爭”的方式完成測試的計算機，那么5年內AI便有望能完成這些測試。甚至可以用AI來研發(fā)藥物，或者設計半導體。

Altman則表示，通用人工智能的到來，會比我們想象的更快。但這種AI給世界帶來的變化會比想象中要小得多，給工作帶來的變化也會比想象中要小得多。與其說這些AI將取代人類的工作，不如說這些AI將成為人類手中一項更好用的工具，比如更好的搜索引擎、更便捷的圖片編輯器、更靈活的表格制作器、更快速的統(tǒng)計工具等。

就好像當年汽車的出現(xiàn)，其實并沒有淘汰“馬夫”，淘汰的是“馬車”，是那些生產效率低下的工具，而不少馬夫還可以轉職成為司機，用更高的效率來完成原本的工作。相信這才是AI的真正意義。

那些超越人類的AI芯片

目前AI已經開始廣泛應用到各個領域，包括自然語言、計算機視覺、語音識別、機器學習、數(shù)據分析、藝術創(chuàng)作等等，而在AI爆發(fā)出如此強大能力的背后，離不開那些已經在某些性能上超越人類的AI芯片。

比如中星微推出的中國首款嵌入式NPU芯片“星光智能一號”，該芯片具備深度學習能力，在人臉識別應用上，準確率可以達到98%，超過了人眼識別率。

谷歌所推出的第四代AI芯片TPU v4速度達到了TPU v3的2.7倍，通過整合4096個TPU v4芯片成一個TPU v4 Pod，可以達到1exaflop級的算力，相當于1000萬臺筆記本電腦之和，是目前世界第四超算“富岳”的兩倍。而人腦的算力大概在1-2 petaflop左右，而1 exaflop等于1000 petaflop，也就是這枚芯片已經達到了人腦算力的500倍。

當然，這里只是簡單的進行硬件性能的對比，要是算總功耗的話，人類還是要優(yōu)于芯片的，畢竟只需要一個蘋果，人類就可以運算復雜的問題，而這些AI運轉的功耗可以說是天文數(shù)字。

此外，IBM近期公布了基于TrueNorth架構的NorthPole啟動器，這款NorthPole芯片上共有220億個晶體管，展開總面積為800平方毫米，在8位分辨率下每個核心每周期可處理2048次操作，而4位條件下每核心每個周期可以處理4096次操作，2位條件下每核心每周期則為8192次操作，該芯片主要用于圖像及視頻識別類任務。

此前IBM所發(fā)布的TrueNorth，則是一顆擁有百萬神經元類人腦芯片。重量只有幾克，尺寸只有郵票大小，卻集成了54億個硅晶體管，4096個內核，100萬個“神經元”、2.56億個“突觸”，能力相當于一臺超級計算機，功耗卻只有65毫瓦，這已經非常接近人類了，畢竟人腦思考的特點便是高算力、低功耗。NorthPole屬于TrueNorth架構的擴展成果。其不同之處，在于NorthPole的時鐘速率與傳統(tǒng)計算引擎更為相似。

不僅是許多AI芯片已經開始在某些性能上趕超人類，并且反過來，AI已經可以在沒有人類的干預下，自主設計芯片。2023年6月，中科院計算所宣布用AI技術設計出了世界上首個無人工干預、全自動生成的CPU芯片“啟蒙1號”。

通常CPU設計過程極其繁瑣，需要上百人的團隊迭代數(shù)月或數(shù)年才能夠完成，比如英特爾的CPU便是由超過500位工程師花費兩年時間才完成整個設計。

而研究人才通過AI技術，直接從測試用例的IO自動生成CPU設計，無需工程師提供任何代碼或自然語言描述。通過這一方法，在5小時內生成了超過4百萬個邏輯門的32位RISC-V CPU。該芯片的性能相當于Intel 486 CPU的水平，不過依照AI的學習能力，其設計出高性能芯片或許就在不久的未來。

寫在最后

Altman表示，人們對AI的恐懼是普遍存在的，但他認為這種恐懼是過度夸張的。人們總是對AI期待過高，但結果往往也會讓他們失望。從目前的技術來看，即便未來做出了通用型AI，但指望這種AI能夠成為“哆啦A夢”可能不太現(xiàn)實，至多只是一個“百寶箱”的存在。

當然在制作AI的過程中，由于每個工程師的三觀并不完全一致，可能會帶有一些偏見。為了解決這一問題，如Open AI將組建一個名為Collective Alignment的新團隊，讓公眾參與塑造其人工智能模型的行為，在解決監(jiān)管問題的同時，讓AI與社會價值觀盡量保持一致。

最后，與其說恐懼AI，不如去參與其中。就好像當年打敗那些珠算師的并不是電腦，而是使用電腦的人一樣，未來或許會讓部分人的職位受到挑戰(zhàn)，但讓他們失業(yè)的并非是AI，而是那些使用AI的人。