·由于過(guò)分注重尺度定律，人力、算力等大量資源資源投入到尺度定律，導(dǎo)致基層研究人員沒(méi)有足夠多的計(jì)算資源研究新的模型路線，擠壓創(chuàng)新空間。

青年科學(xué)家共同探討大模型技術(shù)架構(gòu)的未來(lái)可能性。

人工智能大模型技術(shù)架構(gòu)是否已經(jīng)收斂？未來(lái)是否有新的技術(shù)可能性？大模型與具身智能如何結(jié)合？7月4日，2024世界人工智能大會(huì)暨人工智能全球治理高級(jí)別會(huì)議在上海開幕。在大會(huì)科學(xué)前沿全體會(huì)議上，青年科學(xué)家們探討下一代人工智能架構(gòu)的革新與挑戰(zhàn)。

從ChatGPT到GPT-4，一系列生成式大模型的涌現(xiàn)，似乎昭示著人類正在走向通往通用人工智能的道路上。但上海人工智能實(shí)驗(yàn)室領(lǐng)軍科學(xué)家、教授林達(dá)華表示，也有研究者發(fā)現(xiàn)，盡管現(xiàn)在的模型能力強(qiáng)大，但也出現(xiàn)了一些問(wèn)題，其中幻覺(jué)和泛化是模型落地繞不開的話題。模型的幻覺(jué)帶來(lái)錯(cuò)誤回答，使得人們?cè)谝恍╆P(guān)鍵的認(rèn)知上產(chǎn)生疑慮，一定程度上會(huì)阻礙大模型落地，另一方面即便是最強(qiáng)大的大模型在真實(shí)應(yīng)用場(chǎng)景中還存在很多局限。

基于當(dāng)前所探討的大模型發(fā)展技術(shù)道路，如依靠尺度定律（Scaling Law）形成越來(lái)越強(qiáng)的智能體的模式，最終能否解決大模型面臨的問(wèn)題？是否還存在能夠走得更遠(yuǎn)的新路徑？

滑鐵盧大學(xué)計(jì)算機(jī)學(xué)院助理教授張弘揚(yáng)表示，從短期來(lái)看，尺度定律出現(xiàn)后，大模型能力出現(xiàn)了新變化。尺度定律由數(shù)據(jù)和算力兩駕馬車?yán)瓌?dòng)，算力、模型的參數(shù)量和數(shù)據(jù)量成一個(gè)比例，模型才會(huì)有質(zhì)的提升。“現(xiàn)在最大的一個(gè)問(wèn)題就是數(shù)據(jù)荒，GPT-4基本上已經(jīng)把市面上能夠吸收的大部分?jǐn)?shù)據(jù)都使用了，我們面臨數(shù)據(jù)和算力上的瓶頸。”

張弘揚(yáng)表示，從長(zhǎng)期來(lái)看，尺度定律存在問(wèn)題，“人類早上吃一個(gè)雞蛋就可以有很多能量做很多事。我們一生中讀不了多少本書，但我們卻有著比大模型優(yōu)秀得多的能力，比如大模型高考會(huì)不及格，但我們卻能考到高分。這是一個(gè)開放的問(wèn)題，現(xiàn)在我也沒(méi)有一個(gè)具體的答案，但我們應(yīng)該嘗試交叉學(xué)科，比如研究清楚人類是怎樣學(xué)習(xí)、進(jìn)化、做任務(wù)，這也會(huì)啟發(fā)大模型。”

上海人工智能實(shí)驗(yàn)室青年科學(xué)家陸超超團(tuán)隊(duì)正在研究如何提高大模型的因果推理能力。因果推理能力有助于大模型落地，“一旦一個(gè)多模態(tài)大模型具有了因果推理能力，它可以作為一個(gè)世界模型使用，也可以作為一個(gè)具身智能體使用，甚至因?yàn)橛辛艘蚬评砟芰Γ途哂辛朔此寄芰Γ梢宰鳛橐粋€(gè)具有自我意識(shí)的智能體。”

陸超超舉例，人坐在椅子上，如何確保機(jī)器人不會(huì)沖過(guò)去踢倒椅子？“首先要確定人和椅子之間的因果關(guān)系。我們?cè)谶@上面做了一些工作，如何定義人和人之間、人和物體之間，甚至物體和物體之間的因果關(guān)系，多模態(tài)大模型只有理解這些因果關(guān)系，才能做出決策，不會(huì)傷害人。”其次要賦予AI反思的能力，每次作出決策前，大模型要能反思做出決策后會(huì)產(chǎn)生的后果，只有這樣才能做出正確決策，這種反思能力完全可以在因果框架中定義。但陸超超表示，尺度定律并沒(méi)有顯著提高模型的因果推理能力。

谷歌DeepMind研究科學(xué)家張晗表示，由于現(xiàn)在過(guò)分注重尺度定律，人力、算力等大量資源資源投入到尺度定律，導(dǎo)致基層研究人員沒(méi)有足夠多的計(jì)算資源研究新的模型路線，擠壓創(chuàng)新空間，這是一個(gè)損失。

針對(duì)具身智能與大模型的結(jié)合，加州大學(xué)洛杉磯分校計(jì)算機(jī)系助理教授周博磊表示，可利用大模型為具身智能生成訓(xùn)練場(chǎng)景，提升具身智能的能力。清華大學(xué)交叉信息研究院助理教授許華哲表示，從模型訓(xùn)練來(lái)看，這取決于能否訓(xùn)練具身大模型來(lái)做決策，與世界交互。

“我們最近做了一些小的科學(xué)實(shí)驗(yàn)，我在地上畫一個(gè)長(zhǎng)條的格子，讓機(jī)器人沿著格子往前走，每一個(gè)格子里要么有一元錢，要么沒(méi)有錢，機(jī)器人走在格子里就會(huì)把錢吸進(jìn)來(lái)，走到格子末尾時(shí)，我問(wèn)它收到的錢是奇數(shù)還是偶數(shù)。GPT等主流大模型以Transformer為基礎(chǔ)，我們發(fā)現(xiàn)Transformer需要非常多的數(shù)據(jù)才能回答這個(gè)問(wèn)題，而RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）就很容易得到奇偶性。”許華哲表示，團(tuán)隊(duì)在做這一實(shí)驗(yàn)時(shí)就在考慮，用于機(jī)器人的模型是否需要新的架構(gòu)，“也許并不是新的架構(gòu)，而是新舊架構(gòu)的結(jié)合。”

從模型應(yīng)用來(lái)看，許華哲團(tuán)隊(duì)也利用大模型生成環(huán)境訓(xùn)練機(jī)器人。“我們直接讓大模型輸出人手的軌跡，在軌跡之上再疊加強(qiáng)化學(xué)習(xí)，做更精細(xì)的操作等，機(jī)器人和大模型的這些結(jié)合還蠻好的，但這主要是靠大模型目前的能力，未來(lái)能否更直接輸出到底層的動(dòng)作層上，是我們想看到的。”