【AIGC学习笔记】2月10日李飞飞巴黎AI峰会演讲：探索 AI 的历史、现状与未来

AI 的历史根基与发展历程

• 生命起源与智能诞生：5 亿年前视觉概念的出现推动了智能的诞生。最初的感知仅仅是被动的体验，只是但随着神经系统的活跃，视觉发展为洞察力，“看到”变为“理解”，进而催生了行动。
• 当进化赋予下图这些简单的生物感知周围世界并做出反应的能力时，一场进化“军备竞赛”便拉开了序幕
  
• 现代 AI 的探索之旅：20 世纪中期，艾伦·图灵提出如何赋予计算机媲美人类的认知能力。
• 这里友情推荐之前我看过的一部电影，《模仿游戏》，主要聚焦于图灵协助盟军破译德国密码系统“英格玛”，从而扭转二战战局的经历。
  
• 早期研究与乐观预期：早期美国计算机科学家发起首个探索智能机器可能性的研究项目，在1956 年的达特茅斯人工智能夏季研讨会，研究者们乐观地认为只需两个月就能解决智能之谜。今天，这个“两个月项目”已经过去了820个月，但确实有不少显著的进展。

现代 AI 崛起的三大支柱

• 人工智能不仅仅是计算机和工程学的问题，更是多学科交叉领域。
• 感知算法：神经生理学家 大卫·休伯尔 和 托斯坦·威塞尔 揭示哺乳动物视觉皮层神经元处理的分层结构，心理学家 弗兰克・罗森布拉特 构建最早的神经网络的原型——感知器，这些研究成果激励计算机科学家不断迭代改进模型，最终设计出深度学习神经网络算法。
• 通过在猫的视皮层中插入微电极，记录神经元对不同视觉刺激的反应，从而揭示了视觉信息处理的基本原理。
  
• 感知机通过模拟人类神经元的工作方式，接收多个输入信号，这些信号经过加权后进行求和，然后通过一个激活函数来产生输出。如果输出达到一定的阈值，就认为属于某一类别，否则属于另一类别。
  
• 认知科学：认知科学家探索人类思维，揭示大脑与环境的紧密联系——我们的大脑与塑造其进化的环境是密不可分的。生物的进化和发展进程，受益于海量的数据来驱动自身学习。李飞飞及其团队受到这一过程的启发，推测机器学习也是如此，只不过数据并非通过生物传感器采集，而是来自现代数字设备和互联网。从而催生了首个互联网规模的人工智能训练和评估数据集——ImageNet ，推动大数据驱动 AI 的发展。
• 计算能力：冯·诺依曼架构等计算机架构范式的发展——>20世纪70年代初的首批微处理器的诞生——>视频游戏推动硅芯片的进步——>英伟达等公司制造出越来越强大的图形处理器（GPU），为神经网络算法从大规模的互联网数据中学习提供了强大的算力支持。

从感知智能到行动智能的转型

• 感知智能的突破：2012 年 ImageNet 挑战赛上，算法、数据和算力三大要素的融合使机器能够理解并可靠地描述数百万张图像内容。大语言模型的问世，Transformer这种新型架构，利用海量的互联网数据进行训练，并由数量惊人的最先进芯片提供算力支持，使机器能力实现了比过去十年更加巨大的飞跃。
• 从ai_performance_on_benchmarks_relative_to_human图表上可以看出，近年来，AI模型在从手写识别到博士级科学问题等一系列benchmark上的性能都呈指数级增长，在某些对人类极具挑战性的任务中，AI的性能提升曲线近乎垂直。
  
  李飞飞老师展示的清晰原图确实没找到，放个近似的替代一下：
  
• 行动智能的崛起：在语言理解能力的基础上，大语言模型可以分解任务，作为“AI智能体”为现实世界的各种目标规划步骤。视觉感知的应用还将进一步扩展到更积极主动的层面，空间智能与具身智能成为新方向，AI 在 3D 空间中进行创造、理解、推理和交互，从观察者转变为执行者，与人或物进行交互。
• 我们能看出图片里有什么：猫、盆栽、桌子，当然还有那杯牛奶。但这真的是我们通过感知获得的所有信息吗？除了理解图像内容，还有人会迫切地想抓住这杯牛奶，避免它落地。这个简单的例子就是从观察到行动的转变。同理，人工智能将从观察者转变为与我们并肩行动的执行者。
  
• 技术应用案例：展示斯坦福学生和 WorldLabs 同事完成的复杂日常视频语义标注、艺术风格迁移、生成式 AI 算法生成视频、根据图像创建 3D 世界等案例。
• 左上角，复杂日常视频的语义标注；右上角，艺术风格迁移；左下角，生成式AI算法根据文本提示生成视频；右下角，根据图像创建3D世界（梵高钟爱的画作《法国咖啡馆》）。
  

以人为本的 AI 伦理

如何应对人工智能发展带来的责任与挑战？
李飞飞介绍了三个朴素而重要的价值观：

• 尊严：作为人类的自豪感，以及自主决策和行动的能力是我们存在的核心价值。AI 技术应保护人类自主性，帮助弱势群体重获尊严，如通过非侵入式脑电图技术控制机械臂帮助重度瘫痪患者。
• 通过非侵入式脑电图技术收集脑电波，AI算法能够解码患者的意念和指令，并控制机械臂完成一系列精细动作，例如制作一份完整的日式寿喜烧料理。
  
• 能动性：AI 应增强人类能力而非取代人类，与人类技能互补，实现能力跃升，如 AI 在医疗健康领域的应用，在提升医疗质量，减轻医护人员负担方面具有巨大的潜力。
• 三个应用场景，展示了如何利用AI算法驱动的智能摄像头来帮助医院：1)提升临床医生的手部卫生规范；2)辅助记录患者的康复锻炼情况；3)协助手术器械跟踪管理。
  
• 社区：AI 可以帮助我们构建包容性社会，帮助建设更完善、更宏大、更有凝聚力的社区，如 AI 教育辅助工具为不同人群提供学习机会。
• 左侧，利用AI和VR技术，为患有阅读障碍的大学生提供个性化学习工具；右侧，美国布法罗大学创建了一款AI专家系统，旨在缓解言语语言病理学家的短缺，以便及早干预3至10岁儿童的言语和语言障碍问题。
  

AI 治理的三大原则

• AI治理必须以科学为基础，而非科幻想象：用科学方法评估 AI 的能力和局限性，制定精准、可执行、基于现实的政策，避免夸大其词和耸人听闻。
• AI治理应采取务实态度，而非意识形态先行：不应限制对这项新兴技术的探索和上游研究，而是将重点放在 AI 的实际应用上，确保 AI 的良性发展，防范潜在危害，善用 AI 改善生活和工作。
• 我们需要构建一个更健康、更具活力的AI生态系统：构建健康、活力的 AI 生态系统，鼓励学界、企业、开源社区合作，需要各行各业的人参与，避免资源垄断，促进跨学科探索和好奇心驱动的研究。

AI 新的挑战&李飞飞的呼吁

• 共同构建以人为本的 AI，与其仅仅关注我们是否能创造AI，不如思考如何让AI成为一股向善的力量。

原文&视频链接：

https://mp.weixin.qq.com/s/T06QBNOFYzm8Jjaph4fAJg
传送门
https://www.bilibili.com/video/BV1q4KAeCEYf/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=cdfd0a0810bcc0bcdbcf373dafdf6a82
传送门