來源：學(xué)術(shù)頭條整理：李雯靖“我試圖創(chuàng)造對人類負(fù)責(zé)和有用的系統(tǒng)，而不是追求理論上的超級智能。”作為 DeepMind 聯(lián)合創(chuàng)始人、Inflection AI 聯(lián)合創(chuàng)始人兼首席執(zhí)行官，以及如今的 Microsoft AI 首席執(zhí)行官，Mustafa Suleyman 對當(dāng)前的人工智能行業(yè)有著獨到的個人見解，且十分謹(jǐn)慎。在他看來，即使是最接近人工智能發(fā)展的人，也很難準(zhǔn)確描述事物的發(fā)展方向。日前，他接受了美國科技媒體 The Verge 主編 Nilay Patel 的采訪。在訪談中，他談到了與 OpenAI 的關(guān)系、超級智能何時真正到來，以及人工智能對相關(guān)產(chǎn)業(yè)及內(nèi)容管理帶來的影響與挑戰(zhàn)等多個話題。談及 OpenAI，他直截了當(dāng)?shù)乇硎尽芭c OpenAI 的合作……將成為計算機(jī)史上最成功的合作之一”，并希望這種合作能長期持續(xù)下去，當(dāng)然，如果“OpenAI 宣布實現(xiàn) AGI 并退出微軟的交易”，微軟也有后備計劃，“我們擁有一支出色的團(tuán)隊，我們將確保無論發(fā)生什么，我們都能訓(xùn)練出世界上最好的模型”。他對通用人工智能（AGI）持謹(jǐn)慎樂觀態(tài)度，但認(rèn)為 AGI 在現(xiàn)有的一兩代硬件基礎(chǔ)上不太可能實現(xiàn)，稱“在未來兩到五代產(chǎn)品中的某個時間點或許可行”，給出了一個相對保守的數(shù)字——5-7 年。此外，他還談到，AGI 與奇點概念不同，應(yīng)被看作為一種通用學(xué)習(xí)系統(tǒng)。部分觀點如下：人工智能所面臨的挑戰(zhàn)是，它變得如此戲劇化，以至于我們最終沒有把注意力集中在系統(tǒng)所能做的具體能力上。Scaling laws 依然有效，后續(xù)模型將繼續(xù)取得與前代相同的震撼性成果，但成本更高，也更脆弱，需要更長的時間訓(xùn)練。因此，我們不會在 12 到 18 個月內(nèi)看到它們，這一時間可能為 18 到 24 個月，或者更長。當(dāng)模型的單次訓(xùn)練運(yùn)行達(dá)到 10 到 27 FLOPS 時，世界上只有三、四個實驗室擁有足夠的資源來進(jìn)行這種規(guī)模的訓(xùn)練。或許，正如任何人都可以在合理使用的前提下閱讀新聞和網(wǎng)絡(luò)內(nèi)容以增長知識一樣，人工智能也可以，因為人工智能基本上是一種幫助人類從公開資料中學(xué)習(xí)的工具。幻覺不一定是有毒的、有偏見的、令人反感的，它并不完美，但已經(jīng)越來越好了，而且隨著風(fēng)格控制的加強(qiáng)，它只會越來越好。每一個瀏覽器、搜索引擎和應(yīng)用程序都會被某種對話式界面、某種生成式界面所代表。劣質(zhì)內(nèi)容是可以被檢測出來的，或者說故意歪曲事實或誤導(dǎo)的人工智能內(nèi)容是可以被檢測出來的，因為總會有更好的模型。學(xué)術(shù)頭條在不改變原文大意的情況下，對部分訪談內(nèi)容做了精編。內(nèi)容如下：Nilay Patel：歡迎 Microsoft AI 的首席執(zhí)行官。Mustafa Suleyman：很高興和你一起（交談）。NP：我也是。我有很多問題想問你，關(guān)于 Microsoft AI 部門在微軟內(nèi)部的結(jié)構(gòu)，擔(dān)任 Microsoft AI 首席執(zhí)行官意味著什么（在一家最近似乎只關(guān)注人工智能的公司里），你是如何做出決策的。我將從頭開始。我希望你已經(jīng)準(zhǔn)備好了，因為我意識到，如果你的回答方式不同，那么整個采訪就會朝著不同的方向發(fā)展。最近，Sam Altman 在 Reddit AMA 上說，他認(rèn)為我們可以在目前的硬件上實現(xiàn)通用人工智能（AGI）。你認(rèn)為這可能嗎？MS：目前的硬件指的是什么？NP：我想應(yīng)該是一兩代以內(nèi)的硬件。MS：我不認(rèn)為英偉達(dá)的 GB200 可以做到這一點。但我認(rèn)為，在未來兩到五代產(chǎn)品中的某個時間點，這將是可行的。我不想說我認(rèn)為兩年后的可能性很大，但我認(rèn)為在未來五到七年內(nèi)是可行的，因為現(xiàn)在每一代需要 18 到 24 個月的時間。因此，五代的時間可能長達(dá) 10 年，這取決于事態(tài)的發(fā)展。對于這些芯片，我們確實面臨著越來越嚴(yán)峻的挑戰(zhàn)。我不認(rèn)為它的發(fā)展或每美元成本會像我們過去看到的那樣線性。但發(fā)展速度非常快。所以，我同意你的看法。NP：所以，你認(rèn)為是兩年到十年之間嗎？MS：這個問題的不確定性非常高，任何明確的聲明對我來說都是毫無根據(jù)的，都是夸夸其談。NP：你和我在過去曾多次談到很多事情，我想跟進(jìn)所有這些想法。我只是想到，如果我們認(rèn)為 AGI 還需要兩年到十年的時間，也就是在我們的有生之年，也許我們就不應(yīng)該再研究其他東西了。這似乎將是一個范式的轉(zhuǎn)變，對嗎？我們正在經(jīng)歷奇點，已經(jīng)有了人工智能。在它的另一端，一切都將不同。你如何做到這一點，然后再考慮”我需要在 iPhone 上啟動 Copilot 應(yīng)用程序“？MS：這取決于你對 AGI 的定義，對吧？AGI 不是奇點。奇點是一個指數(shù)遞歸的自我完善系統(tǒng)，它能非常迅速地加速，遠(yuǎn)遠(yuǎn)超越任何可能看起來像人類智能的東西。在我看來，AGI 是一種通用學(xué)習(xí)系統(tǒng)，能夠在所有人類水平的訓(xùn)練環(huán)境中表現(xiàn)出色，包括知識工作，以及體力勞動。我之所以持懷疑態(tài)度，很大程度上與機(jī)器人技術(shù)的進(jìn)步和完成工作的復(fù)雜性有關(guān)。但是，我完全可以想象，我們有一個系統(tǒng)，它可以在沒有大量手工制作的事先提示的情況下學(xué)習(xí)，在非常廣泛的環(huán)境中表現(xiàn)出色。我認(rèn)為，這并不一定會成為 AGI，也不會導(dǎo)致奇點，但這意味著，在未來五到十年內(nèi)，人類的大部分知識工作可能會由我們開發(fā)的人工智能系統(tǒng)之一來完成。我之所以對奇點或人工超級智能的說法避而不談，是因為我認(rèn)為它們是截然不同的東西。人工智能所面臨的挑戰(zhàn)是，它變得如此戲劇化，以至于我們最終沒有把注意力集中在系統(tǒng)所能做的具體能力上。而這正是我在構(gòu)建人工智能伴侶時所關(guān)心的，讓它們對作為人類的你有用，為作為人類的你工作，站在你這一邊，站在你的立場，站在你的團(tuán)隊中。這就是我的動機(jī)，也是我能夠控制和影響的，我試圖創(chuàng)造對人類負(fù)責(zé)和有用的系統(tǒng)，而不是追求理論上的超級智能。NP：我對此特別好奇的原因之一是，所有人類的知識工作都可以在能力很強(qiáng)的通用人工智能的協(xié)助下完成，或者由人工智能自己完成。這意味著我們將建立一種新的人工智能系統(tǒng)，對嗎？一個能像人類知識工作者一樣具有創(chuàng)造力的系統(tǒng)，它的創(chuàng)造力能達(dá)到第 99 百分位數(shù)（99th percentile）。而在我們現(xiàn)在的系統(tǒng)中，我看不到這一點。LLM 的工作方式是，它們不一定會提出一大堆單獨的創(chuàng)造性想法。你可以促使它們做出令人驚訝的事情，但這種轉(zhuǎn)變（變成更多的東西）——我還沒有經(jīng)歷過。你認(rèn)為目前構(gòu)建、訓(xùn)練和部署 LLM 的方式是通往你所描述的那種 AGI 的直線路徑，還是我們需要構(gòu)建另一種東西？MS：有趣的是，兩三年前，人們經(jīng)常會說：“這些系統(tǒng)注定會重復(fù)它們所接受的訓(xùn)練數(shù)據(jù)”。查詢訓(xùn)練數(shù)據(jù)和輸出結(jié)果之間存在某種一對一的映射關(guān)系。如今很明顯，它們實際上并沒有這么做。對訓(xùn)練數(shù)據(jù)的多個 N 維元素之間的空間進(jìn)行插值，這本身就是一個創(chuàng)造性的過程，對嗎？它在這個極其復(fù)雜的空間中選取某一點，以產(chǎn)生或生成它從未見過的新穎形式的問題答案。我們從未見過以這種特定方式產(chǎn)生的特定答案。對我來說，這就是創(chuàng)造力的開端。它是真正新穎發(fā)明的曙光，而這顯然正是我們要創(chuàng)造的。在整個歷史長河中，智能正是推動我們在世界上取得進(jìn)步的動力。它是一種能力，能夠綜合大量信息，將其聚合成概念表征，幫助我們在復(fù)雜的空間中更有效地推理，預(yù)測世界可能會如何發(fā)展，然后根據(jù)這些預(yù)測采取行動。無論你是在做一張桌子，還是在和朋友打棒球，你所經(jīng)歷的每一個環(huán)境都具有這些特征。因此，如果我們能將這些時刻提煉成算法結(jié)構(gòu)，當(dāng)然會有巨大的價值。我認(rèn)為，我們在過去三四年中看到的這個小時刻，是 LLM 真正能夠發(fā)揮創(chuàng)造力、做出真正的判斷、產(chǎn)生新穎想法的曙光。你關(guān)于它們能否主動做到這一點的觀點很好。比如 LLM 能在沒有提示的情況下做到這一點嗎？它們能完成嗎？它們能否在非常微妙、細(xì)致或輕量級的指導(dǎo)下做到這一點？我認(rèn)為這是個懸而未決的問題。我本人對此感到非常樂觀。現(xiàn)在，確保 LLM 能夠做到這一點的大部分基礎(chǔ)架構(gòu)都是工程問題。有狀態(tài)的內(nèi)存和對模型當(dāng)前上下文的元推理，是我們現(xiàn)在知道如何在軟件中做到的事情。我們知道如何引入第二個或第三個系統(tǒng)來觀察 LLM 在其活動中的工作狀態(tài)，并以此來引導(dǎo)或重新引導(dǎo)它正在運(yùn)行的提示。如果你能做到異步元推理，也就是最初的“思維鏈”方法在過去 6-12 個月里所顯示的，那么你就可以想象它如何在這些連續(xù)的環(huán)境中將行動串聯(lián)起來。然后，它可以與它的工作記憶的其他部分、它的系統(tǒng)的其他部分——其中有些是為了做更短期的事情，有些是從長期記憶中汲取養(yǎng)分，有些是為了更有創(chuàng)造力，有些是為了更遵守你所設(shè)計的行為政策或安全政策——進(jìn)行協(xié)調(diào)和配合。因此，這顯然還沒有完成，但有非常非常明顯的跡象表明，我認(rèn)為我們正走在正確的道路上。NP：這些協(xié)調(diào)系統(tǒng)讓我著迷，因為模型本身并不是確定的。它們永遠(yuǎn)不會產(chǎn)生兩次相同的輸出。我們希望計算機(jī)能做的很多事情都是非常確定的。我們肯定希望它們重復(fù)做同樣的事情。在各種情況下，人工智能都可能非常有用，比如你想做稅務(wù)準(zhǔn)備工作，你希望人工智能非常有用，能夠理解所有的輸入。同時，你也希望它在任何時候都能百分之百地遵守規(guī)則。在這里，連接我們的邏輯計算機(jī)系統(tǒng)來控制非確定性人工智能系統(tǒng)似乎是一個重要的途徑，比讓人工智能變得更有能力更重要。這似乎是我最近才看到的一種新的討論方式。你覺得這是你需要打造的產(chǎn)品類型，還是你仍然專注于模型本身的能力？MS：這是一個很好的框架，但我們還是要弄清楚你所說的決定論是什么意思。因此，決定論是在抽象層中運(yùn)作的。在最底層，每個 token 都是以非確定方式生成的。隨著這些輸出在行為政策、啟發(fā)式或已知目標(biāo)（如填寫稅表）方面的可識別性越來越高，這些知識就可以存儲在更加穩(wěn)定和確定的表征中。而這正是當(dāng)今人類的工作方式。無論你把某件事記憶得多好，如果我讓你重復(fù)做 100 次，你的輸出結(jié)果很可能會有一些變化。我們并不是真的以確定性的方式存儲東西。我們有共同出現(xiàn)的概念表征，這些表征相當(dāng)流動和抽象。然后，我們將它們復(fù)制并融入文字和語言的圖式中，以便我們能夠相互交流。這些模型實際上與這種架構(gòu)非常相似。它們可以存儲穩(wěn)定的信息，并能以相當(dāng)確定的方式進(jìn)行檢索，而且就像你說的那樣，能與現(xiàn)有的計算機(jī)系統(tǒng)和知識庫集成。但也不能說一種方壓倒另一種方法。模型的功能會越來越強(qiáng)大，檢索、信息訪問、使用現(xiàn)有數(shù)據(jù)庫或調(diào)用第三方 API 來整合信息的方法也會同時進(jìn)步。順便說一句，我們還將開辟第三條“戰(zhàn)線”，那就是這些 LLM 現(xiàn)在可以說自然語言了。它們將能夠?qū)崟r查詢其他人類和其他人工智能。因此，這就像是“檢索”或驗證信息、獲取新知識或檢查狀態(tài)的第三種范式。除了直接的模型功能和與現(xiàn)有系統(tǒng)的集成之外，這本身就會帶來巨大的收益。NP：我想詳細(xì)談?wù)勂渲械闹悄荏w部分，因為這似乎是許多公司關(guān)注的焦點，在某種程度上也包括微軟。它對我們的計算機(jī)系統(tǒng)和網(wǎng)絡(luò)應(yīng)該如何工作提出了無數(shù)的問題。我們認(rèn)為，從現(xiàn)在開始的兩年到十年之間，我們將邁向 AGI，我們認(rèn)為我們可以通過提高模型能力來實現(xiàn)這一目標(biāo)，同時也可以通過一些新穎的方法來使用這些模型。我想談?wù)勀銈兾④浭侨绾巫龅竭@一點的。我從一開始就想到，如果我們不能就目標(biāo)達(dá)成一致，那么結(jié)構(gòu)對話就會脫離現(xiàn)實。所以，這些就是目標(biāo)。這些都是巨大的目標(biāo)。這些都是巨大的目標(biāo)。在微軟人工智能公司，你們是如何組織架構(gòu)來實現(xiàn)這些目標(biāo)的？MS：這是一個很好的問題。首先，我的組織專注于消費者人工智能部分。因此，它與必應(yīng)、Edge、MSN 和 Copilot 有關(guān)——這些面向消費者的產(chǎn)品擁有數(shù)以億計的日活躍用戶、大量的用戶數(shù)據(jù)和大量直接的商業(yè)表面，我們可以在這些表面上部署生產(chǎn)、獲得反饋并推動大規(guī)模實驗。對我來說，這是至關(guān)重要的任務(wù)，因為五年前，我們在 LLM 和人工智能方面還處于依賴基準(zhǔn)來推動進(jìn)步的狀態(tài)。評估基本上是在學(xué)術(shù)環(huán)境中進(jìn)行的，盡管是在商業(yè)工程實驗室。模型還不夠好，無法真正投入生產(chǎn)并收集來自真實世界的反饋。現(xiàn)在情況完全不同了，所有的創(chuàng)新都是在生產(chǎn)中通過優(yōu)化和爬坡實現(xiàn)的。所以，我認(rèn)為這是第一點。第二點要說的是，我們的 Azure 業(yè)務(wù)和每天使用 M365 Copilot 的大量客戶提供了另一個巨大的實驗框架，這與消費者實驗框架截然不同。實際上，這對我來說是一個很好的機(jī)會，因為我從許多企業(yè)如何將真正的 AI 智能體集成到他們現(xiàn)在的工作流程中學(xué)到了很多東西。由于他們對內(nèi)部數(shù)據(jù)有更高的可見性和控制力，而且在許多情況下，他們擁有數(shù)萬甚至數(shù)十萬名員工，因此他們能夠在工作流程中引入新穎的 Copilot，無論是用于培訓(xùn)銷售代理、提高表現(xiàn)不佳的銷售代理的技能，還是提供營銷反饋。我見過人力資源 Copilot，也見過各種各樣的客戶服務(wù) Copilot。這讓我看到了在企業(yè)第三方生產(chǎn)環(huán)境中測試和挑戰(zhàn)這些人工智能模型極限的各種不同風(fēng)貌。第三個領(lǐng)域，當(dāng)然是我們與合作伙伴 OpenAI 的合作。我認(rèn)為這將成為計算機(jī)史上最成功的合作之一。這種合作關(guān)系已經(jīng)持續(xù)了五年，還將持續(xù)很多年。我們從他們那里獲得模型，我們獲得知識產(chǎn)權(quán)（IP），他們獲得計算和資金。對我們來說，這顯然是一個巨大的支持來源。第四個領(lǐng)域是，自從我八、九個月前到來后，我們發(fā)展了自己的核心力量，在 Microsoft AI 內(nèi)部大規(guī)模開發(fā)這些模型。我們擁有一些最優(yōu)秀的人工智能研究人員和科學(xué)家，他們正在為我們的 weight class（權(quán)重級別）推進(jìn)后訓(xùn)練和前訓(xùn)練的前沿技術(shù)。我們選擇的每秒浮點運(yùn)算（FLOPS）匹配目標(biāo)真正適合我們所關(guān)注的使用案例，并確保我們擁有能夠做到這一點的絕對世界級的前沿模型。NP：讓我來解釋一下這里的一些詞匯。你說的“weight class”，是指巨型企業(yè)，還是指更具體的指代？MS：“weight class”是我們將前沿模型相互比較的方法。你的 FLOPS 需要與你評估自己的競爭對手模型相匹配。因此，大小真的很重要。在這些模型中，它是迄今為止最重要的性能預(yù)測指標(biāo)。你不能把自己與 FLOPS 大 10 倍的東西進(jìn)行比較。你必須將它們視為 weight class 或 FLOPS class（如果你愿意）。NP：我覺得有道理。你剛剛說你想專注于你正在使用的應(yīng)用程序，對嗎？所以，你們正在制造許多面向特定微軟產(chǎn)品的模型？MS：沒錯。所以，如果你仔細(xì)想想，Copilot 下面是一個不同模型類型、不同模型大小的整體集合，可以適應(yīng)不同的環(huán)境。如果你在語音環(huán)境中，它就是一個不同類型的模型。如果是在桌面上，如果是在 Mac 或 Windows 的原生應(yīng)用程序中，它們的模型都略有不同。此外，在搜索、推理和安全方面也有不同的模型，我認(rèn)為隨著時間的推移，這些模型將變得更加多樣化。NP：然后，我只想弄清楚這一點。聽起來你們正在開發(fā)一個前沿模型，可以與 Gemini、GPT-4 或未來的 GPT-5 競爭。你們也在研究這個嗎？MS：就目前的 weight class 而言，是的，在 GPT-4、GPT-4o 級別。但這取決于未來幾年的發(fā)展情況，因為每個數(shù)量級的增長都是物理基礎(chǔ)設(shè)施的巨大進(jìn)步。你說的是幾百兆瓦，很快就是幾千兆瓦的容量。當(dāng)我們的單次訓(xùn)練運(yùn)行達(dá)到 10 到 27 FLOPS 時，世界上只有三四個實驗室擁有足夠的資源來進(jìn)行這種規(guī)模的訓(xùn)練。我們和 OpenAI 之間不會重復(fù)這種情況。OpenAI 是我們在這些方面的預(yù)訓(xùn)練前沿模型合作伙伴，我們希望這種合作能長期持續(xù)下去。NP：所以，你們不會在下一代模型進(jìn)入競爭，對嗎？你們依然打算讓 OpenAI 來做這件事。我之所以這么問，是因為微軟運(yùn)營著數(shù)據(jù)中心，對嗎？這種合作關(guān)系一直在持續(xù)，但亞馬遜和谷歌都運(yùn)營著自己的數(shù)據(jù)中心，無論合作關(guān)系有多好，似乎都存在著核心矛盾。在“我們將建造這些數(shù)據(jù)中心，并在美國重啟核電站，為其中一些數(shù)據(jù)中心供電”和“也許將這些數(shù)據(jù)中心賣給別人比自己建造模型更好”之間，存在著這樣的矛盾。你感受到這種緊張關(guān)系了嗎？MS：每種伙伴關(guān)系都有緊張的時候。這是健康和自然的。我的意思是，他們的業(yè)務(wù)與我們完全不同。他們運(yùn)營，合作關(guān)系隨著時間的推移而發(fā)展。早在 2019 年，Satya Nadella 就向 OpenAI 投入了 10 億美元，這看起來非常瘋狂。我不認(rèn)為這很瘋狂，但我認(rèn)為很多人都認(rèn)為這很瘋狂。現(xiàn)在，這已經(jīng)有了回報，兩家公司都從合作中獲得了巨大的收益。因此，合作關(guān)系會不斷發(fā)展，必須適應(yīng)當(dāng)時的情況，我們將拭目以待未來幾年的變化。NP：如果 OpenAI 宣布實現(xiàn) AGI 并退出微軟的交易，你們有后備計劃嗎？有一些可信的報道稱，如果他們宣布 AGI，他們可能會退出交易。MS：不，AGI 的定義并不明確。在 Microsoft AI 內(nèi)部，我們擁有世界上最強(qiáng)大的人工智能研究團(tuán)隊之一。我們的聯(lián)合創(chuàng)始人 Karén Simonyan 曾在 DeepMind 領(lǐng)導(dǎo)深度學(xué)習(xí)擴(kuò)展團(tuán)隊長達(dá) 8 年之久，是許多重大突破的背后功臣。Nando de Freitas 剛剛加入，他之前在 DeepMind 負(fù)責(zé)音頻/視頻生成工作長達(dá) 10 年之久。因此，我們擁有一支出色的團(tuán)隊，我們將確保無論發(fā)生什么，我們都能訓(xùn)練出世界上最好的模型。NP：讓我來問問你，因為模型開發(fā)……我們需要得到更多我們現(xiàn)在擁有的模型。這里面有點矛盾。有一種觀點認(rèn)為，scaling laws 即將失效，下一類模型不會明顯優(yōu)于我們現(xiàn)在擁有的模型，我認(rèn)為你可以從我們談?wù)摦a(chǎn)品的方式中追蹤到這一點。幾年前，我們還在說“人工智能會帶來生存風(fēng)險”，“我們必須阻止它”，“這樣我們就能確保它在所有人之前就被對齊”。而現(xiàn)在，我們的想法是，“好吧，我們得從現(xiàn)在的模型中獲得更多。希望能生產(chǎn)出一些產(chǎn)品，賺點錢，然后搞清楚這些產(chǎn)品有什么用，如何更好地利用它們，因為下一代的模型似乎并沒有我們想象的那么好。你是否認(rèn)為，前沿模型的發(fā)展速度不如我們想象的那么快，因此我們必須從現(xiàn)有的模型中獲得更多的利益？MS：不，我不這么認(rèn)為。我認(rèn)為，它們將繼續(xù)取得與前幾代相同的震撼性成果。請記住，它們的成本更高，也更脆弱，這次需要更長的時間來訓(xùn)練。因此，我們不會看到它們在 12 到 18 個月的時間內(nèi)出現(xiàn)。它將轉(zhuǎn)變?yōu)?18 到 24 個月，然后更長一些。但我看不到任何結(jié)構(gòu)性放緩的跡象。我看到的恰恰相反。我們今天可以從中獲得巨大的收益，但我很清楚，在接下來的兩個數(shù)量級的訓(xùn)練中，我們也可以從中獲得巨大的收益。NP：我想確保我們能談?wù)勀闾岬降氖虑椋葱畔⒌纳唐坊缓笪乙欢ㄒ_保我們能快速地談?wù)勚悄荏w，以便將這一切帶到未來的產(chǎn)品中去。我認(rèn)為，信息商品化是我們今天的互聯(lián)網(wǎng)——平臺互聯(lián)網(wǎng)——的一個重要故事。你訪問谷歌，問它一個問題，現(xiàn)在它可能會吐出一個人工智能生成的答案。你訪問 MSN，向它詢問新聞，它可能會通過算法或人工智能對一堆新聞進(jìn)行分類，并為你總結(jié)這些新聞。每個人都在朝這個方向前進(jìn)。我們已經(jīng)討論這個問題很久了。為了訓(xùn)練下一代模型，我們需要更多的信息。我想說，你說互聯(lián)網(wǎng)上的信息是“免費軟件”，并期望可以用它來訓(xùn)練，這給你自己帶來了一些麻煩。現(xiàn)在有很多訴訟，包括幾起針對微軟的訴訟。在我們理清使用這些東西進(jìn)行訓(xùn)練所涉及的版權(quán)問題之前，你認(rèn)為下一批信息從何而來？MS：有一種思考方式是，計算量越大，這些模型就能花費越多時間來處理所有訓(xùn)練數(shù)據(jù)中的各種關(guān)系成分。把 FLOPS 看作是一種理解時間的方式，即學(xué)習(xí)所有這些不同訓(xùn)練輸入之間的關(guān)系。因此，首先，你仍然可以通過更多的計算來學(xué)習(xí)所有現(xiàn)有數(shù)據(jù)，從而獲得更多的收益。其次，我們可以從交互數(shù)據(jù)中學(xué)到大量知識。用戶以隱性或顯性的方式告訴我們對輸出結(jié)果的感受。質(zhì)量高嗎？是否被使用？是否被忽視？第三，我們正在生成大量的合成數(shù)據(jù)。合成數(shù)據(jù)的質(zhì)量越來越高。當(dāng)你要求人工智能教師或評分員比較兩到三個不同的合成輸出和人類書面輸出時，要發(fā)現(xiàn)這些精確的細(xì)微差別是非常困難的。因此，合成數(shù)據(jù)的質(zhì)量越來越高，并可用于各種不同的場合。第四，我可以想象人工智能與其他人工智能對話，尋求反饋——這些人工智能已經(jīng)針對不同的專業(yè)領(lǐng)域或不同的風(fēng)格進(jìn)行了預(yù)設(shè)，并以不同的方式進(jìn)行提示。你可以想象，這些互動會產(chǎn)生有價值的新知識，因為它們的基礎(chǔ)來源不同，或者僅僅因為它們的風(fēng)格輸出，它們就會產(chǎn)生新穎的互動。因此，我并不認(rèn)為數(shù)據(jù)很快就會成為限制。我認(rèn)為，在可預(yù)見的未來，規(guī)模化仍將帶來巨大收益。NP：所以，這都是新數(shù)據(jù)，對嗎？你會得到一堆交互數(shù)據(jù)。也許合成數(shù)據(jù)的質(zhì)量足以訓(xùn)練下一代模型，但最初的數(shù)據(jù)集是網(wǎng)絡(luò)。這是一堆網(wǎng)絡(luò)內(nèi)容。這是整個互聯(lián)網(wǎng)的內(nèi)容，也許在某種程度上是一些模型提供商的視頻平臺的內(nèi)容。你在 6 月份對 Andrew Ross Sorkin 說過一句話。這里有一段話，你說：“我認(rèn)為，對于已經(jīng)在開放網(wǎng)絡(luò)上的內(nèi)容，自上世紀(jì) 90 年代以來，這些內(nèi)容的社會契約就是合理使用，任何人都可以復(fù)制、再創(chuàng)造、再制作。這就是‘免費軟件’，如果你愿意，這就是人們的理解。”我很好奇……你是這么說的。這是對搜索的理解，圍繞搜索、谷歌圖片搜索和谷歌圖書引發(fā)了大量訴訟。你認(rèn)為在人工智能時代，在所有訴訟都懸而未決的情況下，這對你來說還足夠穩(wěn)定嗎？MS：我在那個環(huán)境中描述的是到那時為止世界對事物的看法。我的看法是，正如任何人都可以在合理使用的前提下閱讀新聞和網(wǎng)絡(luò)內(nèi)容以增長知識一樣，人工智能也可以，因為人工智能基本上是一種幫助人類從公開資料中學(xué)習(xí)的工具。我們用于生成或訓(xùn)練模型的所有資料都是從公開資料中截取的。NP：我不知道科技行業(yè)是否已經(jīng)處于這種境地。我不知道這些產(chǎn)品是否像谷歌有史以來第一次在互聯(lián)網(wǎng)上推出的產(chǎn)品那樣明顯有用，我也不知道這些產(chǎn)品是否像谷歌在上世紀(jì) 90 年代和本世紀(jì)初那樣受到了創(chuàng)作者的青睞。在我看來，這就像是你在《經(jīng)濟(jì)學(xué)人》的董事會里一樣。對我來說，這就好像是工作的人們最復(fù)雜的心情。因為是的，我認(rèn)為我們中的很多人都能看到產(chǎn)品的價值，但我們也看到價值轉(zhuǎn)移到了大型科技公司，而不是后起之秀，不是辦公室里拿著幻燈片的可愛孩子們。MS：我認(rèn)為這將比搜索更有用、更有價值。我認(rèn)為搜索已經(jīng)完全崩潰了，我認(rèn)為這完全是一種痛苦，我們已經(jīng)習(xí)慣了這種糟糕的使用體驗。輸入查詢… 想想什么是查詢。由于搜索引擎的弱點，我們不得不發(fā)明“查詢”這個詞來描述你在搜索引擎中表達(dá)句子或問題的這種非常奇怪的、受限制的方式。然后，你會得到 10 個藍(lán)色鏈接，這些鏈接與你要找的東西隱約相關(guān)。你點擊其中一個，然后你就必須去完善你的查詢。我的意思是，這是一種痛苦而緩慢的體驗。我認(rèn)為，如果我們能把這個問題解決好，如果我們能真正把幻覺減少到最低限度……我認(rèn)為我們已經(jīng)證明，幻覺不一定是有毒的、有偏見的、令人反感的，以及所有其他的東西。這很好。它并不完美，但已經(jīng)越來越好了，而且我認(rèn)為，隨著風(fēng)格控制的加強(qiáng)，它只會越來越好。那么，這些對話式互動將成為網(wǎng)絡(luò)的未來。這很簡單。這是下一個瀏覽器；這是下一個搜索引擎。對我來說，只要用語音對我的 Copilot 說：“嘿，Copilot，這個問題的答案是什么？”就會容易 100 倍。這是我的常用工具。它是我 iPhone 右下角的應(yīng)用程序。我的拇指會立即指向它。我用電源按鈕打開它。我最喜歡的應(yīng)用程序，就像我用 Pi 時一樣。我的意思是，對話互動顯然是未來的趨勢。因此，在我看來，它的實用性是驚人的，我認(rèn)為這將成為法院審理案件時的重要依據(jù)。NP：我認(rèn)為這直接導(dǎo)致了智能體的出現(xiàn)，你可以要求手機(jī)上的某個應(yīng)用程序或電腦操作系統(tǒng)的某個部分做某事，然后它就會去做。它會把信息反饋給你，或者代表你完成一些任務(wù)，然后把結(jié)果帶給你。你我之前以各種方式討論過這個問題。這讓很多服務(wù)提供商本身商品化了，對吧？你說，“我想吃三明治”，現(xiàn)在我不知道是 DoorDash、Uber Eats 還是 Seamless，或者誰會給我送三明治。我的人工智能會出去和他們交談。這意味著他們將允許這種情況發(fā)生——他們將允許智能體使用他們的服務(wù)。在最好的情況下，他們會提供 API 供你使用。在最壞的情況下，他們會讓人們在他們的網(wǎng)站上隨意點擊，這也是我們見過的其他公司所做的事情。在中間情況下，他們會開發(fā)某種人工智能與人工智能之間的對話。不完全是 API ，也不完全是我們在網(wǎng)站上點擊并假裝是人類，但我們的人工智能會進(jìn)行一些對話。對這些公司來說，建立所有這些系統(tǒng)或允許以這種方式去中介化的動力是什么？MS：我的意思是，當(dāng)出現(xiàn)新的技術(shù)或科學(xué)，并造成巨大破壞時，人們經(jīng)常會問，人們很好奇。就像“為什么有人會在 10 年內(nèi)做到這一點？”如果你回顧幾個世紀(jì)的歷史，就會發(fā)現(xiàn)，只要有用，就會越來越便宜，越來越容易使用。它會大量涌現(xiàn)，成為人們的默認(rèn)選擇。然后，下一場來臨，徹底顛覆一切。我敢打賭，每一個瀏覽器、搜索引擎和應(yīng)用程序都會被某種對話式界面、某種生成式界面所代表。三五年后，你所體驗到的用戶界面將由 LLM 自動生成，這將成為默認(rèn)設(shè)置。他們將代表品牌、企業(yè)、有影響力的人、名人、學(xué)者、活動家和組織，就像社會中的每一個利益相關(guān)者在過去最終都會獲得一個播客、建立一個網(wǎng)站、撰寫一篇博客、也許建立一個應(yīng)用程序或使用電話一樣。技術(shù)產(chǎn)生了一種新的界面，徹底改變了事物的分布方式。有些組織適應(yīng)得非常快，一躍而上，改變了他們的業(yè)務(wù)和組織，有些則不然。會有一個調(diào)整期。到 2030 年，我們回過頭來看，就會發(fā)現(xiàn)，“哦，那真是一個真正的拐點，因為這些對話式人工智能確實是我們進(jìn)行這些互動的主要方式”。所以，你說得完全正確。品牌和企業(yè)將利用人工智能與你的個人伴侶人工智能對話，因為我不太喜歡這樣的購物方式。有些人喜歡，他們會做那種直接面對消費者的瀏覽體驗。很多人都不喜歡這樣做，而且這樣做實際上超級令人沮喪、艱難和緩慢。因此，越來越多的人開始與自己的人工智能伙伴合作，讓他們成為自己的界面，與自己談判，尋找好機(jī)會，并根據(jù)自己的具體情況進(jìn)行調(diào)整。這將是一個更高效的協(xié)議，因為人工智能可以超實時地與人工智能對話。順便說一句，我們不要自欺欺人。今天，我們已經(jīng)在開放的網(wǎng)絡(luò)上實現(xiàn)了這一點。我們可以在廣告空間的買賣雙方或搜索排名算法之間進(jìn)行幕后實時談判。因此，人工智能市場已經(jīng)存在。只是沒有明確地用語言表現(xiàn)出來。它在矢量空間中運(yùn)行。NP：這正是我好奇的地方。自然語言是范式的轉(zhuǎn)變。我認(rèn)為它非常強(qiáng)大。我不認(rèn)為這一點已經(jīng)表達(dá)得很清楚，但下一種計算形式本質(zhì)上是以自然語言為基礎(chǔ)的，我只需與計算機(jī)對話，它就會去做一些事情，因為它能聽懂我的話，這種理念非常強(qiáng)大，我對此深信不疑。對我來說，如何在后端實現(xiàn)這一點仍是未知數(shù)，對嗎？我要買一個三明治，就必須有公司為我提供三明治，而他們?nèi)绾闻c我的人工智能對話，如何維持業(yè)務(wù)似乎非常具有挑戰(zhàn)性。現(xiàn)在，這些公司之所以有生意，是因為他們可以把我手機(jī)上的廣告位賣給其他真正做三明治的公司。他們有追加銷售。這些公司有無數(shù)種不同的賺錢方式。如果他們把自己抽象成他們的人工智能與我的人工智能對話，然后說“好吧，這是個三明治”，而我剝奪了他們所有其他的盈利機(jī)會，我不確定這個生態(tài)系統(tǒng)能否保持相關(guān)性，甚至能否存活下去。MS：我不太確定。我的意思是，制作三明治的人工智能仍然會想要推銷自己，具有說服力、娛樂性，并為消費者制作內(nèi)容，對嗎？這并不是說它完全脫媒和斷開連接。品牌廣告和展示廣告仍然具有超強(qiáng)的相關(guān)性，三明治制作的人工智能也會以贊助的方式出現(xiàn)在您的個人人工智能環(huán)境中。因此，關(guān)鍵詞競價、為存在付費、為知名度付費等核心框架依然存在。排名仍將存在——這在某種程度上仍有意義。只是，你將由一個個人工智能伙伴作為對話者或談判者，這兩個人工智能伙伴將用自然語言進(jìn)行交流，而這正是我們想要的。我們希望能夠回過頭來審核這次談判，檢查錯誤出在哪里，事后看看是否真的是個好價格，等等。NP：你經(jīng)營著 MSN，你在微軟顯然也有同行在經(jīng)營其他類型的社交網(wǎng)絡(luò)和其他類型的信息產(chǎn)品。我看到大量的人工智能“泔水”正在扼殺其中的一些網(wǎng)絡(luò)。我在 Facebook 上搜索了“面條耶穌”，我看到了奇點的另一面，我的朋友。我們已經(jīng)討論過如何判斷高質(zhì)量，答案是“我一看就知道”。但是，如果你運(yùn)行這些網(wǎng)絡(luò)，你面對的是一群正在說話的 AI 智能體或 TikTok 上的人工智能影響者，你能有效地給這些東西貼標(biāo)簽嗎？你能讓用戶只能看到其他人的東西嗎？MS：當(dāng)然可以。這就需要平臺的身份管理系統(tǒng)發(fā)生轉(zhuǎn)變，而這種轉(zhuǎn)變有利有弊。你當(dāng)然可以分辨出哪些賬號來自人類，哪些是人工智能生成的。在某種程度上，我認(rèn)為可以對經(jīng)過驗證的人類內(nèi)容或經(jīng)過驗證的人工智能內(nèi)容進(jìn)行數(shù)字水印和簽名。然后，在某種程度上，可以對合成內(nèi)容進(jìn)行檢測，因為這確實有一個特定的簽名。從長遠(yuǎn)來看，我不認(rèn)為這是一種防御手段。我認(rèn)為，這將是一場完真、質(zhì)量極高的“貓捉老鼠”游戲，就像幾十年來在安全、隱私和信息領(lǐng)域一直存在的情況一樣。因此，我預(yù)計這種情況會繼續(xù)下去。這將變得更加困難，更加細(xì)致入微，但這是事物發(fā)展的自然軌跡。NP：經(jīng)營 LinkedIn 的人或者 MSN 的人是否會說：“這是一個我們無法阻止的問題”？我們需要確保這里的人工智能內(nèi)容不會太多，因為現(xiàn)在還不夠好。一英里外我就能看出來。我看到了這些要點。我覺得有人用 ChatGPT 做了這個。我都不想看了。這是你現(xiàn)在面臨的問題，還是未來的問題？MS：我認(rèn)為是未來的問題，但我要說的是，我們?nèi)祟愂切袨橹髁x者，對嗎？我們觀察其他人類的產(chǎn)出，然后根據(jù)信息的質(zhì)量和我們自己的評估來評估和解讀信任。是否準(zhǔn)確？是否可靠？這個人是否一直說到做到？因此，我們可以觀察他們的行動。而不是自省：為什么會發(fā)生這種情況？為什么這個神經(jīng)網(wǎng)絡(luò)會產(chǎn)生這樣的輸出？這個人為什么會得出這樣的結(jié)論？這其實是一個很重要的區(qū)別，因為我認(rèn)為很多純粹主義者都有點固執(zhí)于對為什么會產(chǎn)生產(chǎn)出的因果解釋，而不是更多的觀察評估，“它有用嗎？它能重復(fù)做同樣的事情嗎？”這就是信任的驅(qū)動力。原文鏈接：https://www.theverge.com/24314821/microsoft-ai-ceo-mustafa-suleyman-google-deepmind-openai-inflection-agi-decoder-podcast閱讀報告全文，請訪問歐米伽研究所的“未來知識庫”https://wx.zsxq.com/group/454854145828未來知識庫是“歐米伽未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險等等領(lǐng)域的前沿進(jìn)展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進(jìn)入。截止到11月25日 ”未來知識庫”精選的100部前沿科技趨勢報告Air Street Capital《2024 年人工智能現(xiàn)狀報告》未來今日研究所：2024 技術(shù)趨勢報告 – 廣義計算篇科睿唯安中國科學(xué)院 2024 研究前沿?zé)岫戎笖?shù)報告文本到圖像合成：十年回顧《以人為中心的大型語言模型（LLM）研究綜述》經(jīng)合組織 2024 年數(shù)字經(jīng)濟(jì)展望報告加強(qiáng)連通性創(chuàng)新與信任第二版波士頓咨詢 2024 全球經(jīng)濟(jì)體 AI 成熟度矩陣報告理解世界還是預(yù)測未來？世界模型的綜合綜述Google Cloud CSA2024 AI 與安全狀況調(diào)研報告英國制造商組織 MakeUK2024 英國工業(yè)戰(zhàn)略愿景報告從概念到實施花旗銀行 CitiGPS2024 自然環(huán)境可持續(xù)發(fā)展新前沿研究報告國際原子能機(jī)構(gòu) 2024 聚變關(guān)鍵要素報告 – 聚變能發(fā)展的共同愿景國際可再生能源署 IRENA2024 年全球氣候行動報告Cell: 物理學(xué)和化學(xué) 、人工智能知識領(lǐng)域的融合智次方 2025 中國 5G 產(chǎn)業(yè)全景圖譜報告未來今日研究所：2024 技術(shù)趨勢報告 – 移動性，機(jī)器人與無人機(jī)篇Deepmind：AI 加速科學(xué)創(chuàng)新發(fā)現(xiàn)的黃金時代報告PitchBookNVCA2024 年第三季度全球風(fēng)險投資監(jiān)測報告德科 2024 年未來全球勞動力報告高工咨詢 2024 年協(xié)作機(jī)器人產(chǎn)業(yè)發(fā)展藍(lán)皮書國際能源署 IEA2024 年全球能源效率報告基因慧基因行業(yè)藍(lán)皮書 2024 – 2025普華永道 PwC2024 全球經(jīng)濟(jì)犯罪調(diào)查英國報告 – 智對風(fēng)險直面挑戰(zhàn)中國互聯(lián)網(wǎng)協(xié)會 2024 面向未來網(wǎng)絡(luò)的數(shù)字孿生城市場景應(yīng)用白皮書中移智庫 2024 先進(jìn)感知新技術(shù)及新應(yīng)用白皮書智次方研究院 2025 中國 AIoT 產(chǎn)業(yè)全景圖譜報告未來今日研究所：2024 技術(shù)趨勢報告 – 人工智能篇國際電聯(lián)：邁向衡量數(shù)字經(jīng)濟(jì)的通用框架的路線圖聯(lián)合國糧食與農(nóng)業(yè)組織：2024 年世界糧食安全和營養(yǎng)狀況大語言模型綜述李飛飛等，AI 智能體：探索多模式交互的前景綜述哈爾濱工業(yè)大學(xué) – ChatGPT 調(diào)研報告2024《美國核部署戰(zhàn)略報告》最新文件清華大學(xué)：AIGC 發(fā)展研究 3.0 發(fā)布版 b 版OpenAI：2024 年 OpenAI o1 大模型技術(shù)報告Verizon2024 年世界支付安全報告皇家學(xué)會哲學(xué)學(xué)報 從復(fù)雜系統(tǒng)角度評估人工智能風(fēng)險復(fù)旦大學(xué) 大模型 AI 代理的興起和潛力：綜述經(jīng)合組織 OECD2024 年氣候行動監(jiān)測報告Wevolver2024 年邊緣人工智能現(xiàn)狀報告 – 探索各行業(yè)邊緣 AI 應(yīng)用動態(tài)2024 全球人形機(jī)器人產(chǎn)品數(shù)據(jù)庫報告 – 人形機(jī)器人洞察研究 BTIResearch《全球金融穩(wěn)定報告》 把舵定航 不確定性、人工智能與金融穩(wěn)定瑞士洛桑聯(lián)邦理工學(xué)院 《人工智能中的 – 創(chuàng)造力：進(jìn)展與挑戰(zhàn)》《你所需要知道的理 – 論：人工智能、人類認(rèn)知與決策》牛津大學(xué)最新 53 頁報告世界經(jīng)濟(jì)論壇 新興技術(shù)時代的網(wǎng)絡(luò)彈性導(dǎo)航：應(yīng)對復(fù)雜挑戰(zhàn)的協(xié)作解決方案 2024ADL 理特咨詢 2024 汽車出行未來展望報告2024 中國硬科技創(chuàng)新發(fā)展白皮書 – 開辟未來產(chǎn)業(yè)新賽道科學(xué)時代的大語言模型中的人工智能Gartner2025 年重要戰(zhàn)略技術(shù)趨勢報告CBInsights2024 年第三季度全球人工智能投融資狀況報告TrendHunter2025 年全球趨勢報告 – 全行業(yè)頂級創(chuàng)新和變革趨勢前瞻天津大學(xué) 2024 大模型輕量化技術(shù)研究報告歐洲海洋局 2024 導(dǎo)航未來報告將海洋置于更廣泛的地球系統(tǒng)中第六版美國安全與新興技術(shù)中心 2024 AI 生成代碼的網(wǎng)絡(luò)安全風(fēng)險研究報告國際原子能機(jī)構(gòu) 2024 年世界聚變展望報告復(fù)旦大學(xué) 2024 大語言模型的能力邊界與發(fā)展思考報告安盛 AXA2024 年氣候與生物多樣性報告氣候過渡計劃路線圖YouGov2024 美國公眾對人工智能 AI 的態(tài)度調(diào)研報告麥肯錫中國報告：《中國與世界》完整版麥肯錫全球研究所 2024 下一代競技場報告 – 重塑全球經(jīng)濟(jì)的 18 個新興行業(yè)領(lǐng)域Project Sid，一個旨在模擬多智能體交互以研究 AI 文明的項目德國研究與創(chuàng)新專家委員會 德國研究創(chuàng)新與科技成果報告2024 年歐洲關(guān)鍵產(chǎn)業(yè)的科技重塑研究報告智能體專題報告之二 – 智能體時代來臨具身智能有望成為最佳載體ActivateConsulting 2025 年頂級技術(shù)和媒體發(fā)展趨勢報告蘭德 全球災(zāi)難風(fēng)險評估斯坦福李飛飛 《AI agent 綜述》Agent AI 開啟多模態(tài)交互新紀(jì)元中國聯(lián)通研究院 2024 中國生成式人工智能應(yīng)用與實踐展望白皮書中文版普華永道 2024 第五次工業(yè)研究報告邁向彈性可持續(xù)和以人為本的未來大成 Dentsons2024 年全球智慧城市與互聯(lián)社區(qū)智庫年度報告TechUK2024 量子技術(shù)挑戰(zhàn)與機(jī)遇并存構(gòu)筑量子韌性的策略與實踐研究報告Emakina 將塑造 2024 年的技術(shù)趨勢報告圖靈獎得主 Yann LeCun《機(jī)器如何才能達(dá)到人類智能水平？》——Yann LeCun， 附 Slides 及視頻華為：2024 鴻蒙生態(tài)應(yīng)用開發(fā)白皮書 V3.0（最新版）CASA：2023 第三代半導(dǎo)體產(chǎn)業(yè)發(fā)展報告大型視覺語言模型中幻覺現(xiàn)象的綜述IEA PVPS：2024 光伏應(yīng)用趨勢報告（英文版）ABI Research：82 個將會或不會在 2024 年發(fā)生的技術(shù)趨勢白皮書《美國反無人機(jī)系統(tǒng)未來趨勢報告（2024 – 2029 年）》《軍事自主系統(tǒng)：未來之路》美空間智能如何？牛津大學(xué)博士論文《深度具身智能體的空間推理與規(guī)劃》2024 低空經(jīng)濟(jì)場景白皮書 v1.0戰(zhàn)略與國際研究中心（CSIS）人類地月空間探索的總體狀況研究報告（2024）Artificial Intelligence Review：人工智能與物理學(xué)相遇的綜述麥肯錫：全球難題，應(yīng)對能源轉(zhuǎn)型的現(xiàn)實問題歐米伽理論，智能科學(xué)視野下的萬物理論新探索（研究論文）Gartner 2025 年主要戰(zhàn)略技術(shù)趨勢研究報告2024 人工智能國外大模型使用手冊 + 中文大模型使用手冊詳解光刻巨人 ASML 成功之奧妙 – 241015CB Insights：未來變革者：2025 年九大科技趨勢研究報告國際電信聯(lián)盟 2023 – 2024 年聯(lián)合國人工智能 AI 活動報告《人工智能能力的人類系統(tǒng)集成測試和評估》最新 51 頁，美國防部首席數(shù)字和人工智能辦公室（CDAO）2024 瑞典皇家科學(xué)院諾貝爾化學(xué)獎官方成果介紹報告MHP 2024 全球工業(yè) 4.0 晴雨表白皮書世界經(jīng)濟(jì)論壇白皮書《AI 價值洞察：引導(dǎo)人工智能實現(xiàn)人類共同目標(biāo)》瑞典皇家科學(xué)院諾貝爾物理學(xué)獎科學(xué)背景報告資料AI 智能體的崛起：整合人工智能、區(qū)塊鏈技術(shù)與量子計算 (研究報告，書）OpenAI o1 評估：AGI 的機(jī)遇和挑戰(zhàn)（280 頁）世界知識產(chǎn)權(quán)組織：2024 年全球創(chuàng)新指數(shù)美國白宮：國家近地天體防御策略與行動計劃上下滑動查看更多