跨越文化鸿沟，实现通用人工智能（AGI）的真正挑战
最近听了对话月之暗面[1] CEO 杨植的一档播客，其中一个观点很受启发——AGI的实现不在于技术细节，而是彻底的组织变革。
目前大部分做基础模型的人都认为只要算力足够，数据足够 AGI 就能实现， 简单来说就是量变导致质变。 但事情远比这条第一性原则复杂， 一个简单的例子就是牛顿三定律确立了这么长时间我们人类也没能登上火星。 所以说原理是原理，落实到具体的项目上， 还有很复杂的工程问题需要解决。
由于这条算力+数据的共识存在， AI 技术的发展演变成了大模型参数军备竞赛， 比的是谁家的模型参数多。 但资源总是稀缺的，不会有无限的算力，无限的数据，最终还是要回答如何在资源有限的条件下实现目标。
重点是AGI 是无法设计出来的， 即使是GPT 也不是采用的传统流程，按计划开发实现的。至今 GPT 的一些技术细节很多可以说是经验科学，是试出来的，没有理论去解释为什么它能生效，说是发明更像是发现，GPT 以某种方式捕捉到了人类大脑生成语言时所作事情的本质。
这也意味着现在绝大对数的组织结构都无法实现 AGI。 一个新物种的出现通常要经历不破不立的过程。 没有具体的方案， 没有实施细节，在很多组织都是拿不到预算的。
这也是为什么 OpenAI 始终先人一步的原因，因为一开始 OpenAI 就构造了一个鼓励试错和发现的组织文化和部门结构。 杨植认为即使是 Google 这样极具工程师文化的企业也很难实现 AGI， 这是组织结构决定的。 Google在某些技术方向上会有突破，比如发明Transformer 模型，但很难以现在的组织文化攻克 AGI.
硬广
我们正在运营一个科技社区， 如果你
- 觉得科技新闻不足以满足你的好奇心；
- 有一些想法，但在技术和商业方面不清楚怎么实现；
- 愿意分享知识或自己的作品
推荐阅读这篇文章从 Sora 到通用世界模型，有人期待有人措手不及 ， 里面有对我们社区的介绍。
脚注
- 月之暗面是国内头部大模型公司，近期刚完成由红杉中国、小红书、美团、阿里巴巴等参与的新一轮超10亿美元融资。