我们国家AI落后的主要原因是“缺乏信念”，清华教授真的这么说？

2024-10-13

近日，在2024年诺贝尔三大科学奖项中，两大奖项与人工智能研究有关。首先，物理学奖被授予获得图灵奖的机器学习先驱，然后一半的化学奖被授予“程序员”。

在接受采访时，清华大学教授刘嘉主要阐述了为什么诺贝尔物理学奖颁发了“AI“相关人员的原因和观点，但有媒体大篇幅讲述了他在采访过程中被问及中美AI发展的差距时，谈到了中国公司缺乏信念，不愿意成为炮灰的言论。这是否意味着曲解刘嘉教授的采访？

(刘嘉，清华大学教授)

所以，在采访中，刘嘉教授到底有什么看法呢？是什么原因导致了中美AI技术的发展差距？

刘嘉教授谈到了诺贝尔奖，最终被偏概全

我们可以看到，刘嘉教授这次采访的主题是诺贝尔物理学奖。对于很多人来说，认为诺贝尔物理学奖的获奖者都是AI相关人士，这是一个非常冷门的观点。刘嘉教授给出了自己的结论，那就是机器学习的底层基石其实就是统计物理，给两位人工智能大神颁发了这个奖项，感觉有点像认祖归宗。

他还认为:“现在给人工智能颁发物理诺贝尔奖是一种觉醒，也是一种开放的心态。物理不再局限于给自己画一个非常小的牢房，而是开始进入其他领域。”

这表明，向AI颁发诺贝尔奖，反映了物理学的自我创新。

需要知道的是，诺贝尔物理学奖和化学奖的获奖结果不仅是基础科学的突破性进步，也说明人工智能已经成为推动基础科学的重要工具。通过使用这项技术，科学家可以加快研究，促进多领域基础科学的新进展，以处理海量数据，更新传统方法。

约翰·霍普菲尔德和杰弗里·欣顿，2024年诺贝尔物理学奖获得者，是机器学习领域的两位老手。他们使用物理工具，制定神经网络算法，为今天强大的机器学习技术奠定基础。同时，相关技术已经被用来推动多个领域的研究。

刘嘉教授在表达了对本届诺贝尔奖的争议后，还谈到了他对人工智能安全的看法，尤其是欣顿离开谷歌后，他说:“如果数字超级智能真的想控制世界，我们不太可能阻止它”。

刘嘉教授说：“AI应该分开看，一个是2022年11月30日之前的AI，另一个是未来的AI。OpenAI就是这一点。 ChatGPT 由于它代表了一种全新AI的萌芽，3.5的出现。

从短期来看，它的出现将立即引发一个巨大的社会问题，即金领职业的全面下岗。

而且从长远来看，更大的问题是AI是否会比人更聪明。

在刘嘉教授看来，AI在智商上超越人类只是时间问题。像马斯克和欣顿这样的人都说这是一个有生之年的系列，但他们仍然保守。也许只有五六年左右，就会有超越我们人类的智力。

最后，这次采访最有争议的地方是，当被问及中国神经网络算法领域的研究取得了哪些进展时，刘嘉教授首先提到，无论是理念还是美国的实际应用，他们都处于领先地位，因为他们更坚定，像欣顿这样的向导在知道自己是炮灰的前提下，毫不犹豫地投身于人工智能行业的研究。

说到中国在这个领域的发展，他认为我们看不到信念。比如我们知道这件事失败的概率很大，就不会去做。没有成为“炮灰”的决心，我们在大多数尖端领域仍然处于跟风状态。

事实上，对刘嘉教授这句话的分析似乎意味着中国在人工智能研究领域没有美国那么有信心。事实上，我们可以看到，由于中国在科技领域的发展时间比美国短，缺乏所谓的信念，由于中国在科技方面的发展速度比美国在科技发展初期更快，缺乏这方面的教育和耐心，我们认为这是一个需要慢慢培养的过程。这也是我们需要正视的问题。

刘嘉教授指出，这种情况是他对中国人工智能发展的焦虑和期待，但有些人独立提取这个答案是不负责任的，因为他们无法理解中国人工智能发展的另一面，这似乎正在如火如荼地进行。

人工智能的发展需要长期规划

中国人工智能发展的另一面是什么样的？事实上，刘嘉教授明确表示，这一领域没有明确的盈利模式，导致许多企业无法投入更多的成本进行研究。

红杉资本给出了一个非常直接的观点。在分析师大卫·卡恩的报告中，人工智能产业泡沫正在加剧，年产值超过6000亿美元，因此可以支付人工智能基础设施的费用，如数据中心和GPU卡。

在之前的分析中，大卫·卡恩预测，谷歌、微软、苹果和Meta每年都在进行。、在AI相关收入中，亚马逊和其他制造商可以获得100亿美元的利润。同时，甲骨文、字节跳动、阿里、腾讯、X和特斯拉可以产生50亿美元的新AI收入。即使实现了这样的收入，AI盈利需求的差距仍在扩大。

从国内来看，年初大幅降价后，各厂商对大模型的态度似乎开始变得不清楚。许多制造商声称在财务报告电话会议上增加对人工智能的投资，但实际上，投资逐渐变得谨慎。

最明显的迹象是，制造商开始削弱基本大型模型的迭代，强调应用程序的着陆。“没有应用程序，开源闭源模型一文不值。”事实上，到目前为止，应用程序已经成熟，如文生图片、文生视频等。，这已经成为一个统一的方向。

但需要清醒认识的是，由于客观条件的限制，最简单的盈利方式，比如OpenAI对GPT的收费方式，在中国似乎是行不通的，基于API调度的商业模式也被卷入了薄薄的盈利空间，各大厂商期待的AI应用的落地时间和效率远低于预期。面对未来日益增长的投资和遥远的收益，厂商的焦虑仍在上升。

我们可以看到，国内人工智能制造商的盈利模式不明确，导致投资回报率极低，从而降低R&D成本，这是他们应对当前形势的最佳方案。这仍然是一个资金相对充足的大型制造商，而相对较小的制造商相信在下一波洗牌后会逐渐消失，这将对中国人工智能技术的发展产生巨大影响。

与缺乏盈利模式相比，更难的是，随着AGI的发展，以OpenAI为首的顶级人工智能公司正在打破共识，比如他们新推出的O1模型和Self模型。-play RL(自游戏强化学习)，与以前的传统相比，scaling。以law为主的训练方法也发生了新的变化。同时也让许多还没有赶上GPT-4的国产大模型更加绝望。