比尔·盖茨:“微软谈论的是让人类更有生产力,重复的工作就该自动化“

时间:2023-04-02 03:17:29

  4月2日,微软联合创始人比尔·盖茨一直在与ChatGPT的母公司OpenAI密切合作。3月30日,他分享了他与微软首席技术官凯文·斯科特(Kevin Scott)的对话,讨论了他的公司如何利用其新兴的人工智能技术。

  盖茨谈到了他使用GPT-4的经历,因为他是OpenAI之外第一个看到这项技术的人。当被问及GPT技术的能力和局限性时,盖茨表示,它不能像人类一样理解上下文。他还说,“数学是一种非常抽象的推理类型”,这也是目前ChatGPT最大的弱点。OpenAI的技术可以“奇怪地”解决许多数学问题,尤其是抽象形式的数学问题,但在回答数字问题时,它仍然会“自信地”犯错误。

  对于人们担心人工智能可能会消除对人类劳动力的需求,盖茨表示:“微软谈论的是让人类更有生产力。因此,有些事情将被自动化,但许多事情都将得到促进,最终的参与将是非常人性化的,而且是一个能够比以往任何时候做得更多的人。”

  以下是节选后的部分对话内容:

  凯文·斯科特:过去几年中,技术领域出现了一些有趣的进展,尤其是微软与OpenAI合作研发的GPT-4和 ChatGPT。其实GPT-4在OpenAI外部的第一个实例展示在去年8月就进行了,你当时看到GPT-4之后的感受是怎样的?

  比尔·盖茨:人工智能一直是计算机科学的圣杯。在机器学习出现之前,人工智能的整体进展相当缓慢,即使是语音识别也只是勉强能做到尚可的程度。之后,在机器学习领域,尤其是感知、语音识别、图片识别等迎来了快速发展。但是这些模型在复杂逻辑上仍然存在不足,无法像人类一样说话、阅读和做事。

  早期的文本生成模型缺乏上下文理解能力。它可以生成一个句子,例如它前面会说“Joe身处芝加哥“,几句话之后又说”Joe身处西雅图“。从局部来看,它生成的句子很好,但是从人的角度来看,这是前后矛盾的。

  当时,OpenAI和微软的团队对GPT-3甚至GPT-4的早期版本抱有极大的热情。我对他们说,“如果它能够通过AP Biology(大学进阶生物学),对训练集之外的问题都能给出充分合理的回答,那么它将是一个重要的里程碑,所以请你们继续努力。”

  我以为他们至少需要两三年才能成功。令人惊讶的是,去年9月初,OpenAI和微软团队来我家做客并向我演示最新的模型时,他们让我问一些AP Biology问题,让人震惊的是,除了一个与数学相关的问题之外,它都能准确作答。我还问它,“对一位生病孩子的父亲会说些什么?”它给出了非常细腻体贴的答案,比当时房间里所有人的回答都好。后来,我得到了一个账户,我让它写大学入学申请、写诗歌、让它根据某些剧情写一集《Ted Lasso》(足球教练)剧本……真的难以想象它的极限在哪里。

  尽管还有一些问题有待完善,但可以说这将是一个根本性的变革,现在自然语言可以作为人机交互的主要接口,这是巨大的进步。

  凯文·斯科特:对人工智能、GPT-4,可探讨的问题有很多,先说说它不擅长的地方,我们最不希望给人们一种它是一个 AGI(通用人工智能),它是完美的,它不需要做很多额外的工作来改进它的印象。你刚才提到的数学问题就是其中之一,那么随着时间的推移,你认为人工智能系统还需要在哪些方面做提升?

  比尔·盖茨:当向机器提问时,关于上下文的背景知识是个普遍问题。例如,先让机器讲个笑话,又问它一个严肃的问题,人类可以从你的面部表情感受变化,知道现在已经不再是玩笑的语境,但是人工智能却还在继续那个笑话。这种语境感在交互中有着极大的作用。

  另外,在解决问题的难度方面,当我们做同一道数学方程式时,可能需要五、六次简化才能将其转化为正确形式,并且不断学习这些简化。而机器推理是通过层级线性下降推理链实现的,如果简化需要运行10次,机器可能就不会了。数学是非常抽象的推理,这是人工智能最大的弱点。

  矛盾的是,它又可以解决很多数学问题。如果你让它以抽象形式解释某些问题,本质上是给出一个与问题相匹配的方程或程序,它会做得很完美,完全可以将它当作一个求解器。然而,如果做数值运算,那么它就会经常出错。无论是哪一个薄弱环节,都需要花时间才能解决,要严肃对待。我们需要更创新的模式,通过提示词(prompts)或训练对模型进行数学方面的训练。

  如何评价GPT-4呢?

  那些说它很糟糕的人错了,那些说它是AGI的人也不对。我们的观点介于两者之间,要做的是确保它可以用正确的方式被使用。

微软首席技术官凯文·斯科特

  凯文·斯科特:我们都知道,你亲身经历了好几次重大的技术变革并有自己独特的视角。在现今又一个重大变革时刻来临之时,你对于那些正在考虑使用新技术的人有什么建议?他们应该如何使用新技术?这与你在 PC 和互联网时代的想法有什么关联?

  比尔·盖茨:最初的计算机并不能为个人所用,之后微处理器的出现和大批公司的努力才有了个人电脑,IBM、苹果和微软又都参与了软件开发。然后,互联网将这些连接起来,再后来又演进出了移动计算、手机。数字世界极大地改变了我们的生活。

  能够读与写的计算机的诞生,与上述节点中的任何一步一样意义深远。有一小部分人认为我们可能高估了技术,这也没错。但在这次的变革中,我们低估了自然语言和计算机处理自然语言的能力,以及它对白领工作的影响,包括销售、服务、医生,我也曾认为这会是很多年之后才会发生的事情。

  人工智能的新阶段才刚刚开始,我们正处于对它狂热的阶段,就像曾经对互联网的狂热一样,当然现在回过头来看,互联网已经成为了重要的工具。这是一次巨大的突破,是整个数字计算机领域的里程碑。

  凯文·斯科特:我一直在思考一件事,从Ada Lovelace编写出第一个计算机程序至今,让数字机器(digital machine)为人们工作是有技术门槛的,你必须是一位熟练的程序员,要了解客户的需求,然后构建软件才能让机器为你做事。

  现在,有了自然语言接口,人工智能可以编写代码启动一整套服务和系统,这让普通人也能使用机器完成复杂的任务,而不必花多年时间学习专业知识。对此你怎么看?

  比尔·盖茨:技术的每一次进步都降低了人们使用它的门槛。电子表格就是一个例子,尽管仍然需要理解公式,但却不必深入理解逻辑或符号。有很多程序可以帮你将公司数据进行可视化,或进行复杂查询,从而了解人员流失和销售业绩的情况。你不必去IT部门排队等候,再让他们告诉你。

  无论是查询、汇报,或者触发工作流和某项活动,你只需要用语言描述就会生成一个程序,有一整套的查询和编程工具,供所有人使用。人工智能正在赋予人们最直接的互动能力,这也是当下我们正在努力的课题。

  凯文·斯科特:从个人的角度来看,最令你兴奋的事是什么?你非常关心教育、公共卫生、气候和可持续能源等领域,人工智能对这些领域会产生哪些影响?

  比尔·盖茨:我们一直在思考健康和教育问题。在医生少、获得医嘱建议困难的卫生系统中,AI赋能医疗的研究将很有意义。另外,所有人都希望有一个私人教师来提供帮助。比如,在一些特殊的学校中,学生在写作方面会收到教师的逐行反馈,但对大多数孩子来说,并不能得到一对一的指导。

  我认为教育会是最有趣的应用领域,其次是健康领域。当然,这些技术在销售和服务类场景中也有很大的商业机会。比如,在一个有着二、三十人的班级中,教师无法单独关注某一个学生,无法同时了解每一个人的行为动向。而在多个学科领域利用人工智能技术对话、反馈,可以有效提升教育水平。

  我们必须承认,计算机在彻底改变教育方面还有很多事要做。接下来的5-10年里,我们需要从新的角度考虑学习问题,以及如何在教育中提供帮助,而不仅仅是通过计算机查找材料。

  凯文·斯科特:这是一个全球性的问题。我们也看到父母的参与对孩子的教育有很大的影响。有的父母工作繁忙,很难与孩子接触,想象一下,有这样一种技术,它不在乎你说什么语言,可以在家长和老师之间架起一个桥梁,帮助家长了解阻碍孩子成长的问题,甚至对孩子进行个性化教育,真正解决眼前的问题,这非常令人兴奋。

  那么,你认为在接下来的5-10年里,我们还将面临哪些挑战?我们继续努力的方向是什么?

  比尔·盖茨:我认为,在算法的执行方面会有一系列创新,很多芯片从硅到光学的转变将可以减少能源和成本。英伟达目前在这方面处于领先地位,将来也会出现更多的挑战者,因为大家希望在运行、训练上的成本越低越好。理想情况下,我们希望模型可以运行在端侧,这样就可以在独立的客户端设备上进行操作,而不必去云端获取。

  软件方面也将面临巨大挑战。例如,用户是需要特定版本,还是持续改进的版本?即使是微软也会同时追求这两种目标。理想情况下,我们希望针对不同的领域,通过训练数据,甚至可能是一些适用于它的前置检查、后置检查的逻辑,来更准确地处理不同的需求。

  除此之外还有许多社会问题,包括促进教育、医疗的发展等等。微软一直致力于提高生产力,未来,有些事情将会自动化,最终有的任务可能只需要一个人来完成,但这个人将比以往能够完成更多的事情。由此带来的挑战和机遇也会很多。我看到 OpenAI 的团队正在探索其中,但我相信很多其他机构和组织也在推动相关工作。技术创新的速度将更胜以往,以此为目标的人力、资源和公司的数量远远超过了以前。

  凯文·斯科特:我职业生涯的早期,大部分时间都是作为一名计算机科学家接受培训的,编写编译器,编写大量汇编语言和设计编程语言,或者在研究生院进行并行优化和高性能计算机体系结构的研究。离开研究生院之后,我想我再也不会使用这些东西了。然而今天我们在建造超级计算机来训练模型时,这些技术又有了用武之地。如果现在你是一个20多岁的年轻程序员,你会对哪些技术感兴趣?

  比尔·盖茨:这里面有相当多的数学的元素。很幸运,我曾经做了很多与数学相关的事,这是通往编程的大门。有些编程人员没有数学背景,我建议他们去掌握一些数学知识,因为很多计算都不只是编程问题。

  最初的 Macintosh 是一台128K的机器,其中22K是位图屏幕,几乎没有人能够编写出适合的程序,只有微软和苹果成功了。但现在你用数十亿个参数来操作这些模型,那么我们是否可以跳过一些参数,或简化一些参数,或进行预计算?在资源受限的机器上,优化变得尤为重要。

  尽管过去半年在计算加速方面的进展比预期要好,但未来几年,又将面临多大的资源瓶颈?我们如何确保企业以更明智的方式分配这些资源?无论如何,在计算机科学的几乎每个领域,包括数据库类型技术、编程技术等方面,都需要我们以一种全新的方式来思考。

  凯文·斯科特:最后想问一下,你在工作之外会做些什么事?我们都知道你很喜欢阅读,经常提着一个巨大的手提袋随身携带着书籍,无论走到哪里,都会大量阅读,从科学到小说,无所不包。你的阅读节奏是怎样的?

  比尔·盖茨:我打匹克球已经有50多年了,我也喜欢打网球和读书。我最近一年中阅读了80多本书,包括 Thomas Sowell、Vaclav Smil、Steven Pinker的书,这些作家的思想重塑着我的思维。同时,阅读也能让我放松心情。我想我应该多读一些小说,人们向我推荐了很多好的小说,这也是为什么我会在《盖茨笔记》上分享我的书单

上一篇:第一页
下一篇:最后一页

1.绿竹网的原创文章,请转载时务必注明文章作者和"来源:绿竹网",不尊重原创的行为,绿竹网都将保留追究责任权益;

2.绿竹网遵循行业规范,任何转载的稿件都会明确标注作者和来源,对于未注明原作品不得转载的稿件,我方不承担相关责任;

3.绿竹网倡导尊重与保护知识产权。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至14043 2669 6@QQ.com,我们将及时沟通与处理。

4.关于绿竹网的所有法律事宜,均由本网特聘法律顾问协助处理。

更多科技新闻 相关智库科技新闻阅读