AI发展现状与挑战：距离通用人工智能还有多远？

近日，人工智能领域呈现出一些令人玩味的现象。“推迟”、“质疑”、“未达预期”等词语频繁出现，引发了人们对AI发展速度的担忧。OpenAI连续12天的AI发布会，虽然备受瞩目，但其成果更多的是在已有基础上的迭代升级，缺乏革命性的突破，这与此前OpenAI联合创始人伊尔亚·苏茨克维尔关于AI发展非线性、未来几年可能放缓的预测不谋而合。

那么，AI发展速度真的在放缓吗？复旦大学计算机学院副教授郑骁庆博士认为，从技术迭代角度看，AI发展并未放缓，ChatGPT的出现至今不过两年，其引发的学术界和产业界的巨大投入和快速发展有目共睹。然而，AI发展面临着三大核心挑战：

AI“幻觉”现象: 大型语言模型容易生成看似正确但实际上错误的信息，尤其在医学、法律、金融等高风险领域，这种“幻觉”可能造成严重后果。
数据隐私: 大模型高度依赖大数据，而这些数据可能涉及版权和个人隐私，其收集、使用和保护都面临巨大挑战。这不仅体现在模型训练阶段，也体现在用户使用过程中。
算力和能源效率: AI大模型的算力消耗巨大，资源成本高昂，如何降低使用门槛，让更多用户，特别是中小企业能够负担得起，是AI发展的重要课题。同时，如何提升能源效率，降低环境影响，也至关重要。

应对挑战的关键技术:

针对“幻觉”问题，郑教授提出了以下几种解决方案：

对齐: 利用强化学习技术，使模型输出与人类偏好对齐，强调“诚实性”，保证信息真实性。
检索增强生成(RAG): 在生成答案前，先检索相关背景资料，辅助生成更准确、可信的答案。
答案验证: 利用其他模型验证答案的关键信息，确保正确性。

针对数据隐私问题，郑教授强调“数据最小化”原则，建议企业只收集和使用与目标任务直接相关的最少量数据。同时，做好数据加密和脱敏处理，并探索应用联邦学习等新技术，在保护数据隐私的同时进行模型训练。

AGI还有多远？

对于业界对AGI即将到来的乐观预测，郑教授持谨慎态度。他认为，当前AI技术仍处于“高级别模仿”阶段，缺乏人类所具备的“小样本学习”能力。人类可以仅凭少量样本就能进行泛化，而AI则需要海量数据进行训练。此外，AI在跨模态任务处理和推理能力方面也存在不足。真正的AGI不仅需要在认知能力、学习能力等方面超越现有技术，更需要在情感理解和自主决策等领域有所突破。

总而言之，AI发展虽然日新月异，但仍面临诸多挑战。要实现真正的AGI，需要在技术、伦理和社会等多个层面共同努力，这将是一个漫长而充满挑战的过程。