Epoch AI高级研究员:2030年实现人类水平AI可能性至少10%

AI快讯1个月前发布 niko
6 0
AiPPT - 一键生成ppt

在AI快速发展的当下,其未来走向备受关注。Epoch AI高级研究员Ege Erdil对AI能力预测展开深入探讨,为我们理解AI的发展前景提供了新视角。

预测AI系统未来能力及影响,通常有两种方法。一是外推预测,通过回顾过去及变化速度,将当前情况外推至未来,依赖历史数据和趋势分析,受经济学家青睐。例如,2013年Frey和Osborne估算不同职业对计算机化的敏感程度,但随着深度学习进步,此预测被证明有误。另一种是第一性原理推理,考虑人脑能力、训练数据可用性等因素,估计自动化任务难度,更具理论性,能洞察AI发展的技术障碍。

AI从监督学习到GenAI的转变显著。过去,监督学习主导,部分人简单假设AI未来仅提升预测能力,后被无监督学习及生成式AI的兴起推翻。如今,LLM能执行复杂任务,内部原理却难以被人类完全理解。

外推预测在AI领域存在风险。仅依赖此方法,易过度依赖AI过去和当前能力,低估未来突破。如将AI发展局限于生成式AI框架,会忽视其未来可能的新能力。对比2016年与如今AI的能力,许多当时未预料到的能力因技术进步而出现。此外,Acemoglu在研究AI对经济影响时过度依赖外推法,其估计可能未充分考虑AI未来的新发展。

对于难以外推的任务,参考人类大脑预测AI能力是一种途径。构建类似人类任务的AI系统,需满足运行时计算能力、训练计算量、训练算法、训练数据量等条件。目前部分条件已满足,但算法方面仍逊色于人类大脑。

EgeErdil保守估计,到2030年实现人类水平AI的可能性至少10%,乐观估计为20%。这一结论基于对算法搜索算力需求的分析,且未考虑人类在算法搜索、训练和推理间的权衡等因素。结合Moravec悖论,AI可能在数据优势大、算法劣势小的任务上先达到人类水平。

总之,预测AI未来发展不能仅着眼于当前能力,应从任务内在难度出发,采用更具前瞻性的方法,以获得更准确的预测。

© 版权声明
Trea - 国内首个原生AI IDE