生成式人工智能正在全球范圍內掀起一場劃時代的ICT產(chǎn)業(yè)革命。算力、算法、數(shù)據(jù)已成為未來綜合國力比拼的必爭之地。心智觀察所日前連線業(yè)界享有盛名的“生成式AI之父”尤爾根·施密德胡貝爾（Jürgen Schmidhuber）。就AIGC發(fā)展的內在理路，AGI的可能性以及中國AI產(chǎn)業(yè)發(fā)展等一系列問題進行了深入對話。

目前尤爾根·施密德胡貝爾先生擔任瑞士人工智能實驗室IDSIA的科學主任以及沙特阿拉伯阿卜杜拉國王科技大學（KAUST）的人工智能計劃負責人

《紐約時報》曾以“當AI成熟時，它或許會稱尤爾根·施密德胡貝爾為‘父親’”為標題對尤爾根·施密德胡貝爾進行過報道。在1990-91年間，他為“生成式AI”奠定了基礎，介紹了生成對抗網(wǎng)絡（用于深度偽造）的原理、非規(guī)范化線性Transformer（ChatGPT中的“T”），以及自監(jiān)督預訓練原理（ChatGPT中的“P”）。

他的實驗室還開發(fā)了LSTM（長短期記憶），這是20世紀引用最多的人工智能技術，以及高速神經(jīng)網(wǎng)絡（Highway Neural Networks），這是第一個非常深的前饋網(wǎng)絡（其變體后來成為21世紀引用最多的人工智能技術）。埃隆·馬斯克曾發(fā)推文稱：“尤爾根·施密德胡貝爾發(fā)明了所有東西?！庇葼柛な┟艿潞悹柍珜Ш鸵I的AI技術已被應用于超過30億部智能手機上，每天被使用數(shù)十億次。

心智觀察所：很高興有這樣一個對話的機會。您發(fā)表過對長短期記憶（LSTM）的架構和訓練算法，是否可以把LSTM人工神經(jīng)網(wǎng)絡與人腦等生物神經(jīng)網(wǎng)絡進行一個類比？

尤爾根·施密德胡貝爾：事實上，LSTM受到了人腦的啟發(fā)，人腦有大約1000億個神經(jīng)元，每個神經(jīng)元平均與10000個其他神經(jīng)元相連。一些是輸入神經(jīng)元，為其余神經(jīng)元提供數(shù)據(jù)（聲音、視覺、觸覺、疼痛、饑餓）。其他則是輸出神經(jīng)元，用于肌肉控制和移動。大多數(shù)神經(jīng)元隱藏在輸入和輸出之間，我的思考的出發(fā)點就在這里。所有神經(jīng)元都通過改變連接強度來學習，這決定了神經(jīng)元相互影響的強度，并且似乎對你一生的所有經(jīng)驗都進行了編碼。我們的人工神經(jīng)網(wǎng)絡（比如LSTM）也是如此，它比以前的方法學得更好，可以識別語音、筆跡或視頻，最大限度地減少痛苦，最大限度地提高快樂，還能駕駛模擬汽車等。

心智觀察所：您提到的LSTM可以“最大限度地減少痛苦，最大限度地提高快樂”，這意味著什么？而這對于實現(xiàn)通用人工智能（AGI）有多重要？

尤爾根·施密德胡貝爾：這是至關重要的！不過，我應該先解釋一下如何對一個學習型的通用人工智能（AGI）進行編程。你其實不需要告訴它具體該做什么事情。相反，你只需要給它一個評價函數(shù)（evaluation function），讓它去最大化這個函數(shù)。

例如，給一個機器人裝上疼痛傳感器，當它撞到障礙物或感到“饑餓”（由于電池電量過低）時，這個疼痛傳感器就會產(chǎn)生負數(shù)。而機器人的最終目標是盡可能減少這些負數(shù)的總和，因此它必須通過反復試驗來找到避免痛苦的方法。直到某一時刻，它就學會在感到饑餓時快速找到充電站，同時避免撞到障礙物。

美劇《西部世界》被編程的“人類”

動物和人類的學習方式本質上也是類似的，都以最大化獎勵并避免痛苦來進行學習。而他們的評價函數(shù)當然是由生物進化發(fā)明或被“編程”的。那些給他們帶來進化優(yōu)勢的評價函數(shù)得以保留下來。而人工智能的進化至少在仿真模擬中已經(jīng)存在了幾十年了，也已相同的方式正在進行著。

心智觀察所：您提到機器人“可能因為電池電量低而感到饑餓?！边@讓我想到，特斯拉有一個野心勃勃的人形機器人項目，該項目面臨的一個瓶頸就是如何優(yōu)化能耗，比如跳躍和爬樓梯比在地板上行走需要消耗更多能量。您怎么看待這個問題？功耗問題會成為人形機器人的阿喀琉斯之踵嗎？相應的解決辦法是什么？

尤爾根·施密德胡貝爾：未來不會只有一種類型的人形機器人，而是會有成千上萬種不同類型的機器人，有些很小，這樣它們就可以從內部檢查和修理小型機器，還有一些則不僅外形高大，力量甚至比現(xiàn)在的一些工業(yè)機器人還要強。

有些機器人將會通過連接外部電池的電纜來解決能源問題，另一些則會使用汽油發(fā)動機，還有一些在深空中的機器人將使用基于放射性衰變的長效核電池，這類電池在上個世紀的無人航天器中已經(jīng)使用過了?？拷柕?，比如在水星上的機器人將大量利用豐富的太陽能。某個時刻，人工智能自己將會發(fā)明新的、更高效的電池。事實上，今天的AI已經(jīng)被用來研發(fā)新的有用化學物質、材料、催化劑、藥物等。

特斯拉工廠內的機器人