文章详情

日前在李开复在脸书上公开发表文章《 ChatGPT 引发失业恐慌？这 20 种工作要避开！》洋洋洒洒列出在 AI 兴盛之下将被取代的职业而引发广泛关注，在今日（3 日）鸿海研究院 2023 年第一场 NExT Forum 上，李开复以创新工场、鸿海研究院咨询委员李开复董事长兼首席执行官身份，分享 AI 1.0 进入 2.0 的机会与挑战。

李开复回顾从 2010 年开始第一波的网络智能化到 2018 年的全自动智能化，一共四波 AI 智能化浪潮改变各产业的生态，概览过去在 AI 1.0 由五大要素组成包含：海量数据、精准自动标注数据、顶尖的 AI 科学家、大规模运算能力、单一清晰领域。

然而 AI 1.0 却有几个劣势，像是收集、清洗数据成本太大，不同领域应用与优化离散度高，无法跨越不同应用服务提升性能，且并非真正的智能和认知，比如缺乏抽象概念理解、分析推理、常识与创造力等。且 AI 模型不能形成有效的平台。他也强调，过去 AI 公司利润被挑战的原因是因为均无法做到像是安卓和 iOS 的平台规模化。

Photo Credit: INSIDE Anny

AI 2.0 多模态基础模型胜任多重任务

而至今的 AI 2.0 有哪些进展呢？除了超级海量数据，也解决许多 AI 1.0 的问题，像是数据无需劳力密集的人工标记，转为生成训练模式，李开复形容，就像是教 AI 读一本书第一章到第九章，AI 通过前面所学自行产出第十章内容，再提供给 AI 正确答案，最终他们成为一个具有跨领域知识的「基础模型」，能运行各式各样的任务，不再像是过去诸多模型各成孤岛缺乏纵效。

基础大型模型推动 AI 典范转移，背后集中海量数据，分析多模态的所有数据数据，通过单一模型的能力去适配各种下游任务，不用人工标记，可以自动「阅读」超大规模的文本数据并自动从中提取知识，模型规格极大（可达数千亿或数兆参数），需要上千张 GPU 来训练，可经过微调训练适应不同领导领域的任务，有的模型可自行适应不同任务可从文本、图像、语言、影音，甚至 DNA 或蛋白质等不同数据数据中学习。

在 AI 2.0 的发展，目前有文本语言模型，未来有包含图像、语言、影音、3D 的多模态基础模型，再通过迁移学习能够真正胜任多重任务的 AI。李开复表示，现在所看到的语言模型提供的回答用「猜得」仍然很多，但是未来技术都可以持续解决，通过基础模型，再加上微调（Fine-Tuning）可以获得通用的模型，在这背后也因为微调成本降低，AI 公司能够有机会获利。

AI 2.0 机会与挑战

李开复分享在各领域的潜在应用机会，包含医疗电商/广告金融、游戏，他提到 AI2.0 将改写搜索体验的智能问答，在行销上 AI 定向广告，针对不同客群生成专属的广告，包含文本与图像都可以直接由 AI 生成了，影视娱乐上更可以做到千人千面。过去在开发元宇宙之路上，原一个大问题就是创作成本太高，但如今 AIGC 可有效自动生成内容改善过去的问题，或许能够让元宇宙有新进展。

虽然 AI 2.0 在概念上解决过去许多问题，不过实务上仍有许多挑战，像是海量数据算力需求水涨船高，在大模型训练上目前的巨头科技公司每年烧掉上亿美金的计算成本，这代表目前是雄厚资本的公司才能在此发展。

此外，也需要警惕现在的人工智能仍是一本正经的胡说八道，想要寻求正确答案，在 ChatGPT 尚无法满足需求，连数学计算都还有漏洞，极有可能被误导，除了假消息问题难以过滤，也有其他合规性与技术性仍有待解决，像是模型太大营运成本高如何适合开发者的迁移学习 API 、回答中是否能产出相应 IP 以及 IP 授权问题等都需要被解决。

在 AI 2.0 有哪些投资机会呢？首先，投资 AI 各种遍地开花的应用，像是各行各业的 AI 助理，在 AI 2.0 导入后和完成许多任务能力超越过去值得期待。再者，AI 2.0 平台（用户反馈系统定向训练）降低 AI 「胡说八道」还有解决迁移学习 API 成为像是安卓 iOS 的平台，第三则是 AI 基础建设（模型运维、管理、训练等）芯片、系统领域都将有巨大的机会。

李开复也表示，创新工场将持续布局 AI 2.0 公司，他也呼吁在投资上需考量两大重点，其一，是大型模型开始成为主流，创业初始成本急剧增加；再者，由于 AI 2.0 训练成本持续上升，算力昂下巨头将有拥有新优势，资金不够的创业公司和学术界很难做出有竞争力的模型。